某滑移門車門把手力研究

劉琳，趙宇馨，季曉麗

(泛亞汽車技術中心有限公司，上海 201201)

0 引言

汽車滑移門設計要進行虛擬耐久性試驗[1]，即運用現代CAE技術搭建一個整車結構的混合多體動力學理論模型，把一些典型工況和路面特征作為輸入載荷施加到虛擬試驗模型上，結合各種材料的疲勞數據得到相應零部件理論疲勞損傷值，預測其疲勞壽命。

但該輸入載荷具體多大，如何得到該載荷，本文作者通過特定工裝，收集一批量客戶的實際關門數據，并對數據進行分析處理，得到力的加載曲線，為更準確地進行CAE耐久分析提供依據。

1 測量工裝

根據客戶關門時把手的受力情況，設計了一個外觀與車門外把手造型基本一致的工裝來測作用力。在工裝的前后方向和里外方向各布置了一個三向的傳感器，可以精確地收集開關門時客戶作用在把手上的力。測量工裝如圖1所示。

2 關門試驗數據處理

試驗共采集了31組關門數據，數據處理如下：

(1)對試驗數據進行低通濾波，截止頻率為100 Hz。

(2)取前、后傳感器在Fx方向的絕對值進行相加作為門把手在Fx方向合力的大小，門把手在Fy和Fz向的合力也采用同樣的方法處理，見圖2。

圖1 測量工裝

圖2 前、后傳感器的X向分力及合力

在MATLAB中對每組驅動力數據進行濾波降噪[2]處理，初步統計各組驅動力數據的持續加載時間、最大值、平均值，如表1所示。

表1 關閉驅動力初步統計結果

2.1 持續時間分布檢驗

(1)統計描述

利用spss[3]，對31個樣本的持續時間進行統計描述，如表2所示。

表2 持續時間統計

可知，樣本的平均持續時間為1.387 5 s，去掉兩側各5%的極端值后，截尾均數為2.002 9 s，中位數為1.418 s，從上述指標即可推測出數據不存在極端值且為對稱分布。持續時間的方差為0.073，標準差為0.269 95 s。最短持續時間為0.77 s，最長持續時間為2.04 s。根據偏度及峰度系數可推斷出常速關閉驅動力持續時間分布為正偏態，較陡峭；95%的人作用在門把手力持續時間為1.288 5～1.486 5 s。

(2)分布檢驗

分別采用Kolmogorov-Smirnov檢驗(柯爾莫可洛夫-斯米洛夫檢驗，K-S檢驗)[4]、Shapiro-Wilk檢驗(夏皮羅-威爾克檢驗，W檢驗)，判斷樣本是否服從正態分布，如表3所示。

表3 持續時間分布檢驗

注：a為里利氏顯著性修正。

因樣本含量較少，應以W檢驗結果為準。由表3可知，其顯著性為0.805>0.05，因此持續時間服從正態分布。

(3)圖示驗證

繪制持續時間與頻數的直方圖，對結果進行驗證，如圖3所示。

圖3 持續時間與頻數的直方圖

可知，持續時間服從N(1.387 5,0.269 952)的正態分布。

2.2 驅動力最大值分布檢驗

由于客戶在開關門過程中只在X方向做功，所以分析數據時只需考慮X方向的驅動力。根據X向驅動力的結果確認最具代表性的加載力，從而確認X/Y/Z方向的驅動力大小。

(1)統計描述

利用spss，對31個樣本的驅動力最大值進行統計描述，如表4所示。

表4 X向驅動力最大值統計

可知，31個樣本的X向驅動力Fx最大值的平均值為46.967 8 N，去掉兩側各5%的極端值后，截尾均數為46.111 5 N，中位數為46.090 6 N，從上述指標即可推測出數據不存在極端值且為對稱分布。X向驅動力最大值的方差為205.698，標準差為14.342 16 N。最小的力最大值為25.87 N，最大為88.73 N。根據偏度及峰度系數可推斷出X向驅動力Fx最大值分布為正偏態，較陡峭；95%的人作用在門把手X向驅動力Fx最大值為41.707～52.228 5 N。

(2)分布檢驗

分別采用Kolmogorov-Smirnov檢驗(K-S檢驗)、Shapiro-Wilk檢驗(W檢驗)，判斷樣本是否服從正態分布，如表5所示。

表5 X向驅動力最大值分布檢驗

注：a為里利氏顯著性修正。

因樣本含量較少，應以W檢驗結果為準。可知，其顯著性為0.188>0.05，因此X向驅動力Fx最大值服從正態分布。

(3)圖示驗證

繪制X向驅動力最大值與頻數的直方圖對結果進行驗證，如圖4所示。

圖4 X向驅動力最大值與頻數的直方圖

可知，驅動力最大值服從N(46.967 8, 14.342 162)的正態分布。

2.3 驅動力平均值分布檢驗

(1)統計描述

利用spss，對31個樣本的驅動力平均值進行統計描述，如表6所示。

表6 X向驅動力平均值統計

可知，31個樣本的X向驅動力Fx平均值的均值為28.072 1 N，去掉兩側各5%的極端值后，截尾均數為27.855 9 N，中位數為27.911 4 N，從上述指標即可推測出數據不存在極端值且為對稱分布。X向驅動力平均值的方差為56.302，標準差為7.503 44 N。最小的力平均值為15.85 N，最大為43.65 N。根據偏度及峰度系數可推斷出X向驅動力Fx平均值分布為正偏態，較平坦；95%的人作用在門把手X向驅動力Fx平均值為25.319 8～30.824 3 N。

(2)分布檢驗

分別采用Kolmogorov-Smirnov檢驗(K-S檢驗)、Shapiro-Wilk檢驗(W檢驗)，判斷樣本是否服從正態分布，如表7所示。

表7 X向驅動力平均值分布檢驗

注：a為里利氏顯著性修正。

因樣本含量較少，應以W檢驗結果為準。可知，其顯著性為0.172>0.05，因此X向驅動力Fx平均值服從正態分布。

(3)圖示驗證

繪制X向驅動力平均值與頻數的直方圖對結果進行驗證，如圖5所示。

圖5 X向驅動力平均值與頻數的直方圖

可知，驅動力平均值服從N(28.072 1, 7.503 442)的正態分布。

2.4 主成分分析

實際工作中，為了全面系統地反映問題，往往收集的變量較多，但這樣就會經常出現所收集的變量間存在較強相關性的情況。這些變量間存在著較多的重復信息，直接用它們分析現實問題，不但模型復雜，還會因為變量間存在的多重共線性而引起極大的誤差。

為了能夠充分而有效地利用數據，通常希望用較少的新指標代替原來較多的舊變量，同時要求這些新指標盡可能地反映原變量的信息。主成分分析和因子分析正是解決此問題最有效的多元統計方法，它們能夠提取信息，使變量簡化降維，從而使問題更加簡單直觀。

主成分分析[5]是考察多個變量間相關性的一種多元統計方法。它是研究如何通過少數幾個主分量來解釋多個變量間的內部結構。也就是說，從原始變量中導出少數幾個主分量，使它們盡可能多地保留原始變量的信息，且彼此間互不相關。主成分分析的應用目的可以被簡單歸結為：數據的壓縮、數據的解釋。它常被用來尋找判斷某種事物或現象的綜合指標，并且對綜合指標所包含的信息給以適當的解釋，從而更加深刻地揭示事物的內在規律。

對描述驅動力加載方式的3個變量進行主成分分析，得到各變量間的相關系數矩陣，如表8所示。

表8 驅動力描述變量相關性矩陣

可知，許多變量之間直接的相關性比較強，的確存在信息上的重疊。

表9是各成分的方差貢獻率和累計貢獻率。可知，只有前2個特征根大于1，因此只提取了前2個主成分。

表9 各成分的方差貢獻率與累計貢獻率

第一個主成分的方差占所有主成分方差的62.647%，超過一半，前兩個主成分的方差貢獻率達到96.217%，因此選前兩個主成分已足夠描述驅動力的普遍加載規律。

3 結論

根據前述各變量的分布檢驗結果及主成分提取結果，可以得出：某一速度下關門力的持續加載時間服從N(1.387 5,0.269 952)的正態分布，驅動力最大值服從N(46.97, 14.342 1)的正態分布。據此可從31組樣本中選取最具代表性的驅動力加載方式，如圖6所示(樣本編號947.rsp)。

圖6 樣本編號947.rsp驅動力