罗欢 胡浩炬 余家皓

（广州汽车集团股份有限公司汽车工程研究院，广州 511434）

1 前言

在现有的汽车底盘结构疲劳耐久分析流程中，为了获得整车的道路载荷谱，通常需要在项目开发早期开展整车道路耐久试验，该试验需要特制的试制样车、测量设备、试验场所以及数周的试验时间。随着控制成本和缩减开发周期的要求日益严格，道路试验成本高、周期长的问题更加突出，亟待解决。

近年来，针对如何在取消道路试验的条件下获得底盘结构疲劳耐久分析所需的道路载荷问题，国内外的学者主要提出了2类分析技术：基于整车动力学分析的虚拟路谱技术和基于机器学习的路谱识别技术。前者首先通过激光扫描技术获取试验场路面不平度信号，然后对包括轮胎、衬套悬置等弹性元件的整车模型进行动力学仿真分析[1-4]；后者首先利用合适的机器学习模型直接根据方便测量的整车参数预测道路载荷，然后利用整车动力学仿真分析获取底盘结构件的动态响应载荷[5-8]。通过对比这2种方法，发现与虚拟路谱技术相比，基于机器学习的路谱识别技术省去了操作复杂且代价高昂的路面不平度测量工作，且不需要在整车动力学模型中建立轮胎模型。

尽管相关研究越来越多，目前基于机器学习的路谱识别技术仍然存在2个方面的问题：相关研究涉及的工况比较简单，没有充分覆盖当前道路试验通常包含的试验场路面；相关研究……