机械工程学报

作者：赵礼辉, 陈沛, 王震, 张东东, 翁硕, 朱一光

单位：1. 上海理工大学机械工程学院 上海 200093;2. 机械工业汽车机械零部件强度与可靠性评价重点实验室 上海 200093;3. 上海市新能源汽车可靠性评价专业技术平台 上海 200093;4. 泛亚汽车技术中心有限公司 上海 201201;5. 上海蔚来汽车有限公司 上海 201800

关键词：动态载荷,神经网络,降噪处理,载荷预测,损伤计算；

基金：国家重点研发计划(2018YFB0104802)、国家自然科学基金(51705322，52005336)和上海市扬帆计划(19YF1434400)资助项目。

对车辆结构进行实时损伤预测及寿命评估需要各部件的动态载荷信息，然而基于试验方法以及传统时频域内的动载荷识别方法在识别精度、稳定性等方面存在一定的局限。提出一种车辆动态载荷预测方法，通过少量的输入信号，预测后桥、车架、板簧等主要失效风险部件动态载荷，为实现低成本的车辆损伤动态监测和寿命智能管理奠定基础。首先将实采信号经具有自适应噪声的完全集成经验模态分解-排列熵(Complete EEMD with adaptive noise-permutation entropy，CEEMDAN-PE)方式进行降噪处理，以降噪后的轮心加速度信号及位移信号作为输入，基于训练数据和独立测试数据调整超参数以建立最优架构非线性有源自回归(Nonlinear autoregressive models with exogenous inputs，NARX)神经网络模型来实时预测各零部件的应变载荷，进而实现零部件损伤快速计算，并从时域、频域、损伤域等多方面对预测结果进行评价。在此基础上，结合不同路况下的输入输出数据建立NARX-S单路况模型和NARX-M多路况统一模型，通过不同路况下多种模型的对比，表明NARX-S单路况模型具有更高的预测精度，而NARX-M预测精度略低，但具有较好的普遍适应性。

来源：2025年第4期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第4期