摘  要：本文基于某自主品牌多车型数百台试验样车长里程道路适应性进行课题搭载研究，试验结果分析以及经验总结，拟形成一套科学合理并适用于不同车型的长里程道路适应性试验方法以及成果挖掘关联应用思路，有效补充试验场强化耐久试验，全面提升汽车产品可靠性验证能力。

关键词：道路适应性;试验方法;长里程可靠性

中图分类号：U467     文献标识码：A    文章编号：1005-2550（2021）03-0003-05

Research And Application of Vehicle Long Mileage Road Adaptability Test

OU YANG Jun

（GAC Engineering， Guangzhou Automobile Group Co.，Ltd.，Guangzhou511434， China ）

Abstract： Based on the long mileage road adaptability test of hundreds of test vehicles of an independent brand， this paper studies the subject and forms a set of scientific and reasonable long mileage road adaptability test methods and application ideas， which can effectively supplement the test site， strengthen the durability test， and comprehensively improve the reliability verification ability of automobile products.

欧阳俊

毕业于江苏大学，学士学位。现就职于广州汽车集团股份有限公司汽车工程研究院，任试验认证部主管工程师。已发表论文《商品性评价在汽车领域中的应用》和《机械式变速器主观评价和客观测量方法应用》。

前    言

本文所提的整车长里程道路适应性试验是立足用户角度，结合用户实际使用习惯，在中国典型地理区域，不同环境下，按特定比例路况进行公共道路（无强化系数）行驶的可靠性道路试验，其有效弥补试验场验证不足（复杂路况、多场景应用，对AVNT/ACC/AEB等智联系统更充分的验证等），先于用户发现新上市车型1～3年或15万km整车质保期内的可靠性/功能性/商品性等质量问题。通过对多车型道路适应性试验研究，提出一套科学合理并适用于不同车型的长里程道路适应性试验方法与成果挖掘关联应用思路，不断形成贴近中国用户的试验方法，来提高产品可靠性。

1    试验关键指标确定

1.1   不同车型路况比例制定

参考GB/T 12678-90《汽车可靠性行驶试验方法》中试验道路定义，适应性试验路况按公共道路可划分为：高速公路、一般公路（按通行车速，城市快速路可纳入一般公路进行统计）、山路、城市道路、坏路。根据用户的使用需求/习惯以及车型特点，不同车型的路况比例需有所区分，一般可采用大数据提取手段进行获取。随着智能网联技术发展，4G及5G网络的普及，汽车产品电子化应用越趋成熟，车端已大部分配置“黑匣子”，以记录其生命周期内的各种数据和路况信息，借助大数据平台即可筛选活跃用户进行相关大数据统计。以EV车型为例，通过课题研究与某知名互联网公司合作，对全国2.7万台某EV车型车主行驶路况（剔除僵尸车辆，约2454万km）进行行驶轨迹采集分析，通过道路二次提取分解，可得出真实用户道路分布比例（见图1）。

通过换算，EV车型长里程道路比例可推荐如表1：

1.2   试验区域选取

道路适应性试验需覆盖中国目标用户群体可能出现的绝大部分可靠性问题，故试验区域选取需以区域涵盖原则进行制定，挑选国内典型环境、路况城市进行精准验证，一般可基于以下原则[1]。

（1）基于国内的气候环境、地况地貌和人口分布;

（2）基于在售车型市场终端销售区域分布和在用车活动区域统计;

（3）基于可靠性道路适应性试验验证目标和对象的确定;

（4）差异化特殊环境可靠性试验后的试验区域设定。

试验区域选择可参考表2。

以16万公里长里程道路适应性为例，可选取华南、西南及东北三大区域进行区域轮换试验，各区域里程分布：华南（5万公里）、西南（夏季进行，6万公里）、东北（冬季进行，5万公里）。

1.3   样车选择&试验路线制定

按照40%～50%的置信區间，涵盖95%的用户使用目标，可选择4～6台试验样车，但样车必须使用量产阶段车辆。试验路线应尽可能涵盖更多的多场景应用，实际路线方案制定时需兼顾选用高铁站、机场、电视塔、信号发射基站、天桥、桥洞等路段，能充分的暴露AVNT 4G信号丢失、纯电动车充电受干扰中断、AEB误作动等问题。路线考察时需考虑停车休息区便于进行部件操作以及倒车转向入库等工况操作。

1.4   试验里程制定

通过某车企近20个车型长里程适应性试验结果，以16万公里为例，结合大量试验数据可发现如下规律：5万公里即暴露78%的质量问题;10万公里可暴露95%的质量问题;10～16万公里客户在意度已大大降低，问题趋于平缓，长里程劣化问题无明显增长，且无功能失效问题，不会造成市场抱怨及投诉。其中试验场加速可靠性试验可涵盖并验证10～16万公里相关可靠性问题。结合试验成本、试验周期以及问题增长趋势，计算出里程与问题收益关系曲线，如图2所示。不同车企可根据车型项目实际情况制定相应的试验里程。

2    试验评价体系介绍

FMEA（Failure Mode and Effect Analysis，失效模式与后果分析）是一种用于确保在产品和过程开发中潜在问题予以考虑和阐述的分析方法学。FMEA作为一种可靠性分析工具，已广泛应用于汽车制造企业。长里程道路适应性试验属于可靠性试验的一种，试验结果的评价及故障问题的判定可以借鉴上述方法[2]。根据VTS指标及项目经验以及置信度设置该车型允许扣分值（Qk），试验结束后根据试验全程累积的扣分值进行试验结果评价，若扣分值大于（Qk），则试验不通过，反之，试验通过。而试验过程中每项故障问题扣分值由问题的风险优先系数（RPN）来决定[3]，RPN值通过公式（1）计算得到。

RPN=SOD1D2DA

式中：S为故障严重度;O为发生率;D1为可探度;D2为耐久度;A为客户可接受度。根据不同企业要求，S、O、D1、D2、A均有对应的范围值。

RPN可设定5级，代表不同问题的严重程度，以及优先对策级别，具体见表2。

其中对于一些特殊问题可以不按表2进行判定，如A类问题直接判定为5级，B类问题直接判定为4～5级。

通过RPN等级制定对应的扣分值（P），具体见表3。

若当次试验车辆为n辆，整个试验过程中第i辆车暴露1级问题a1个，2级问题bi个，3级问题ci个，4级问题di个，5级问题ei个。第i辆车试验扣分为Qi，则整个试验扣分值Q计算式（2）。

若Q小于允许扣分值（Qk），则试验通过。其中上市风险度β=Q/Qk×100%。

3    试验应用思路

长里程道路适应性试验是与用户关联的重要桥梁，随着对用户数据重视度的提升，道路适应性试验已成为获取用户数据以及课题研究的常用工具及手段。通过适应性试验的桥梁，快速构建获取市场数据，搭载课题研究、大数据采集、试验关联、让设计 & 验证更贴合市场/用户需求！

长里程道路适应性试验一般可参考表5与场地试验及虚拟验证进行关联研究。

【举例1】以电压一致性预测为例（图3），电池系统作为典型的非线性模型，非常适合用神经网络进行学习预测[4]。试验全过程对各区域样车的电池系统进行监测，提取里程、车速、电流、电压、SOC等关键因子作为输入变量X1，设置不同的歸一化区间，隐藏层节点数，训练次数通过神经网络模型反复训练算出输出变量T1（电压压差）最终将计算结果与实测结果进行对比得出最优模型[5]，最终得出电压一致性预测曲线模型。

【举例2】以转向系统为例（图4），定位激烈驾驶风格人员用车特征，通过长里程道路适应性试验，利用数据模型（方向盘转角、方向盘角速度、车速、方向盘手力、做功及损伤等）提取其转向特征使用工况及其发生次数，进行场地工况关联提取，结合用户使用及场地边界约束条件进行工况组合，最终可形成一套用于试验场的转向系统耐久试验方法[6]。

4    结论

长里程道路适应性试验是与用户关联的重要桥梁，其有效弥补试验场验证不足，并快速构建获取市场数据，与加速可靠性试验及台架试验关联、让设计 & 验证更贴合市场/用户需求！本文中的长里程道路适应性试验关键指标制定适用于不同车型，试验评价体系对于众多开发项目车型之间的横向对比和成熟度评价具有很强的实践意义，成果挖掘关联应用思路可反哺试验验证体系，不断提升试验验证能力及水平。

参考文献：

[1]李玉龙，彭剑，李新田.整车道路耐久试验的研究[J].机械，2013，40（3）：15-27.

[2]武永亮.汽车企业在实施FMEA中存在的RPN误区[J].汽车实用术，2016（12）：223-225.

[3]丁飞耀，刘金豹，邓勇军，王万英.车辆道路适应性试验评价方法研究.2018中国汽车工程学会年会文集[C] .机械工业出版社，2018：1975-1977.

[4]李聪，时宏伟.基于深度学习长时预测的非线性系统建模方法研究[J].现代计算机，2020（15）：10-17.

[5]杨洋.基于ARIMA和BP神经网络组合模型的锂电池寿命预测[D].海南大学，2020.

[6]李纪雄，罗朝辉.基于等效试车原理的汽车可靠性试验规范的开发[J].汽车工程，2011，33（11）：16-19.