李文魁 邱宇 陈海江

（上海汽车集团股份有限公司技术中心，上海 201804）

主题词：虚拟路谱 评价 高斯核函数 支持向量机

1 前言

相比于传统的传感器式路谱采集，虚拟路谱具有成本低、周期短等优势，已经广泛用于汽车数据采集和疲劳耐久分析[1-4]。

路谱是台架试验和计算机仿真的输入，为了确保试验和仿真的准确度，路谱的准确度尤其重要[5]，虚拟路谱与实车路谱的差异性评价也十分关键[6-7]。

路谱时域信号的评价方法主要分为主观评价和客观评价。主观评价主要依靠工程师的经验进行判断，或者根据行业内建立的准则进行打分，这种方法需要有经验的工程师花费大量的时间。客观评价的主要手段是对时域信号进行统计学分析[8]，利用客观统计量进行评价，这种方法的准确度不是很高，易出现统计量差异很大，但实际路谱差异在接受范围内的情况。

本文针对主、客观评价的问题，利用监督学习的思想，提出一种将主观评价和客观评价的优点进行结合的虚拟路谱评价方法，将原始路谱信号和预测路谱信号客观统计量差值的百分比作为特征数据，以多位有经验工程师的主观平均分作为标签数据，根据虚拟路谱和实际路谱的差异评分，并以此数据集为基础，利用支持向量机（Support Vector Machine，SVM）算法进行拟合[9]，获得虚拟路谱评分模型。

2 特征值的创建与处理

2.1 特征值创建

为了描述时域信号，本文基于统计值创建了最大值、最小值、均方根、极差、损伤、时域均方根误差、频域均方根误差、标准差、方差、峰值因子、50%最大值以上的均方根误差、50%最小值以下的均方根误差、75%最大值以上的均方根误差和75%最小值以下的均方根误差共14个特征值。……