副车架静刚度确定方法、装置、车辆及存储介质与流程

1.本公开涉及汽车技术领域，尤其涉及一种副车架静刚度确定方法、装置、车辆及存储介质。


背景技术：

2.副车架结构设计需要满足多学科性能，例如，噪声、振动与声振粗糙度(noise、vibration、harshness，nvh)、耐久性能，具体包括：副车架模态、动刚度、强度、疲劳等性能。行驶性能也与副车架结构设计密切相关。nvh性能重点与30hz(赫兹，hertz)以上频段的动刚度相关，而行驶性能与30hz以下的频段特征相关，车辆行驶的愉悦驾乘体验由副车架静刚度评定，副车架静刚度，也可以被称为副车架接附点静刚度。
3.相关技术中，通常采用对标或者经验的方法确定副车架静刚度。
4.这种方式下，副车架静刚度的确定准确度不高。


技术实现要素：

5.为克服相关技术中存在的问题，本公开提出一种副车架静刚度确定方法、装置、车辆及非临时性计算机可读存储介质，能够有效提升副车架静刚度的确定准确度。
6.根据本公开实施例的第一方面，提供一种副车架静刚度确定方法，包括：生成副车架相关可视化超单元模型；根据所述副车架相关可视化超单元模型，生成kc特性分析模型，其中，所述kc特性分析模型用于分析kc特性；确定kc性能与副车架静刚度之间的第一关联规律信息；根据所述kc特性分析模型和所述第一关联规律信息，确定副车架静刚度的目标值。
7.根据本公开实施例的第二方面，提供一种副车架静刚度确定装置，包括：第一生成单元，用于生成副车架相关可视化超单元模型；第二生成单元，用于根据所述副车架相关可视化超单元模型，生成kc特性分析模型，其中，所述kc特性分析模型用于分析kc特性；第一确定单元，用于确定kc性能与副车架静刚度之间的第一关联规律信息；第二确定单元，用于根据所述kc特性分析模型和所述第一关联规律信息，确定副车架静刚度的目标值。
8.根据本公开实施例的第三方面，提供一种车辆，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：实现本公开实施例的第一方面提供的一种副车架静刚度确定方法的步骤。
9.根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种副车架静刚度确定方法，所述方法包括：生成副车架相关可视化超单元模型；根据所述副车架相关可视化超单元模型，生成kc特性分析模型，其中，所述kc特性分析模型用于分析kc特性；确定kc性能与副车架静刚度之间的第一关联规律信息；根据所述kc特性分析模型和所述第一关联规律信息，确定副车架静刚度的目标值。
10.本公开的实施例提供的技术方案可以包括以下有益效果：
11.通过生成副车架相关可视化超单元模型，并根据副车架相关可视化超单元模型，生成kc特性分析模型，其中，kc特性分析模型用于分析kc特性，确定kc性能与副车架静刚度之间的第一关联规律信息，以及根据kc特性分析模型和第一关联规律信息，确定副车架静刚度的目标值，能够有效提升副车架静刚度的确定准确度。
12.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
13.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
14.图1是本公开一实施例提出的副车架静刚度确定方法的流程示意图；
15.图2是本公开另一实施例提出的副车架静刚度确定方法的流程示意图；
16.图3为本公开实施例中副车架约束模型示意图；
17.图4为本公开实施例中多工况联合仿真工作流程示意图；
18.图5为本公开实施例中设计变量定义准则的示意图；
19.图6是本公开实施例中副车架静刚度与kc性能之间的第一数据矩阵的示意图；
20.图7a为本公开一实施例中基于置信区间识别性能关联性示意图；
21.图7b为本公开另一实施例中基于置信区间识别性能关联性示意图；
22.图8是本公开另一实施例提出的副车架静刚度确定方法的流程示意图；
23.图9是本公开实施例中kc性能与副车架静刚度优化迭代过程示意图；
24.图10是本公开实施例中副车架静刚度性能指标初定示意图；
25.图11是本公开实施例中kc性能与料厚参数的二维映射图；
26.图12为本公开实施例中副车架料厚优化结果示意图；
27.图13是本公开一实施例提出的副车架静刚度确定装置的结构示意图；
28.图14是一示例性实施例示出的一种车辆的功能框图示意图。
具体实施方式
29.这里将详细地对本公开一些实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。本文所描述的方法、装置和/或系统的各种改变、变型及等同物将在理解本公开之后变得显而易见。例如，本文所描述的操作的顺序仅仅为示例，且并非受限于本文中所阐述的那些顺序，而是除了必须以特定顺序进行的操作之外，如在理解本公开之后变得显而易见的那样可进行改变。另外，为提升清楚性和简洁性，对本领域中已知的特征的描述可被省略。
30.以下本公开的一些实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
31.图1是本公开一实施例提出的副车架静刚度确定方法的流程示意图。
32.本实施例以副车架静刚度确定方法被配置为副车架静刚度确定装置中来举例说明，本实施例中副车架静刚度确定方法可以被配置在副车架静刚度确定装置中，副车架静
刚度确定装置可以设置在服务器中，或者也可以设置在电子设备中，本公开实施例对此不作限制。
33.本实施例以副车架静刚度确定方法被配置在电子设备中为例。其中，电子设备例如车载设备、计算机设备、车辆性能分析平台等具有各种操作系统的硬件设备。
34.需要说明的是，本公开实施例的执行主体，在硬件上可以例如为服务器或者电子设备中的中央处理器(central processing unit，cpu)，在软件上可以例如为服务器或者电子设备中的相关的后台服务，对此不作限制。
35.如图1所示，该副车架静刚度确定方法，包括：
36.s101：生成副车架相关可视化超单元模型。
37.其中，超单元模型，是指基于超单元分析对一些部件进行建模所得模型，超单元模型可以用于对其所建模部件进行仿真分析。
38.其中，与副车架相关的可视化超单元模型，可以例如是副车架可视化超单元模型，以及与副车架相关部件的超单元模型，与副车架相关部件可以例如是悬架控制臂、摆臂、叉臂等，对此不做限制。
39.一些实施例中，在确定副车架静刚度的过程中，可以首先生成副车架相关可视化超单元模型，并根据副车架相关可视化超单元模型辅助进行副车架静刚度的建模分析处理，对此不做限制。
40.一些实施例中，可以直接基于可视化超单元分析建模类应用程序，根据车辆型号，确定车辆所需的副车架类型，并根据该副车架类型生成相应的副车架相关可视化超单元模型，当然，也可以采用其他任意可能实现方式实现生成副车架相关可视化超单元模型，对此不做限制。
41.在本公开的一些实施例中，可以首先建立副车架基准有限元模型和副车架相关部件有限元模型，并根据副车架基准有限元模型，生成副车架可视化超单元模型，以及根据副车架相关部件有限元模型，生成副车架相关部件可视化超单元模型，其中，副车架可视化超单元模型和副车架相关部件可视化超单元模型被共同作为副车架相关可视化超单元模型，能够对副车架进行准确地建模分析，还能够有效适配副车架的个性化设计情况，有效提升副车架建模分析的灵活性。
42.一些实施例中，可以对副车架及悬架杆系(悬架杆系可以是副车架相关部件的一个可选示例)分别基于超单元分析方法进行建模分析，比如可以建立副车架及悬架杆系的可视化超单元分析工况，对此不做限制。
43.一些实施例中，可以首先建立副车架基准有限元模型，在根据副车架基准有限元模型，生成副车架可视化超单元模型的过程中，可以是将副车架基准有限元模型中副车架与车身、悬架、电驱动等通过衬套或悬置连接的节点设置为边界节点，利用optistruct应用程序(optistruct应用程序，是一个有限元结构分析和优化软件，内含一个准确快速的有限元求解器，用于进行概念设计和细化设计)中的aset1指令进行边界节点定义，可以采用plot单元依次连接边界节点，通过model＝plotel定义输出结果，副车架基准有限元模型中的plot单元及附属节点，可对其文件进行后处理并显示，便于高精度的kc特性分析模型构建，而后，可以利用双协调动态子结构方法(craig-chang method，cc)算法进行模态分析，得到副车架的多种模态，并进行模态缩减，以得到mnf格式(mnf格式是一种模态性文件的格
式)的超单元模型，该超单元模型可以被称为副车架可视化超单元模型，对此不做限制。
44.另一些实施例中，在根据副车架相关部件有限元模型，生成副车架相关部件可视化超单元模型的过程中，可以采用与生成副车架可视化超单元模型相同的方式，处理副车架相关部件有限元模型，以生成副车架相关部件可视化超单元模型，对此不做限制。
45.另一些实施例中，将悬架控制臂、摆臂、叉臂等有限元模型(悬架控制臂、摆臂、叉臂等有限元模型，为副车架相关部件有限元模型的一个可选示例)均处理为mnf格式的超单元模型，该超单元模型，可以被称为副车架相关部件可视化超单元模型，对此不做限制。
46.另一些实施例中，还可以编制批处理头文件，以实现对nastran应用程序求解模块调用，nastran应用程序求解模块被调用时可以对副车架基准有限元模型或者对副车架相关部件可视化超单元模型进行自动求解，得到mnf格式的副车架可视化超单元模型以及副车架相关部件可视化超单元模型，对此不做限制。
47.一些实施例中，所构建副车架可视化超单元模型以及副车架相关可视化部件超单元模型可以用于支持形成高精度的kc特性分析模型，对此不做限制。
48.s102：根据副车架相关可视化超单元模型，生成kc特性分析模型，其中，kc特性分析模型用于分析kc特性。
49.其中，kc特性是车辆操控稳定性的直接影响特性。可以分为k(kinematic)特性和c(compliance)特性：k特性即悬架运动学特性，是指车轮在垂直方向上往复运动的过程中，由于悬架导向机构的作用而导致车轮平面和轮心点产生角位移和线位移变化的特性；c特性即悬架弹性运动学特性，是指地面作用于轮胎上的力和力矩所导致的车轮平面和轮心产生角位移和线位移变化的特性。
50.其中，用于建模分析kc特性的模型，可以被称为kc特性分析模型。
51.一些实施例中，可以结合副车架可视化超单元模型和副车架相关部件可视化超单元模型，生成kc特性分析模型，能够有效提升kc特性分析模型的分析精度。
52.一些实施例中，由于副车架可视化超单元模型和副车架相关部件可视化超单元模型，能够提供悬架控制臂、摆臂、叉臂等位置、质量、惯量、刚度等信息，能够有效规避相关技术中直接建模方法无法得到准确刚度、惯量等信息的技术问题，从而使得建立的kc特性分析模型更为精准。
53.在本公开的一些实施例中，可以是确定副车架相关部件性能参数，根据副车架相关部件性能参数、副车架可视化超单元模型，以及副车架相关部件可视化超单元模型建立c特性分析模型，其中，c特性分析模型包括：多个弹性元件，c特性分析模型用于分析c特性，为c特性分析模型中每个弹性元件建立约束关系，并将建立所得c特性分析模型作为k特性分析模型，其中，k特性分析模型用于分析k特性，c特性分析模型和k特性分析模型被共同作为kc特性分析模型，能够有效提升kc特性分析模型的建模准确度和建模效率。
54.一些实施例中，可以基于adams应用程序建立悬架的c特性分析模型，悬架的c特性分析模型，即为上述c特性分析模型的一个可选示例，副车架相关部件可以例如是与副车架相关的弹性部件，性能参数可以例如是各弹性部件各方向刚度、阻尼等，而后，可以建立各个弹性部件和其所连接各杆件之间的运动学关系，基于该运动学关系完成悬架的c特性分析模型，对此不做限制。
55.另一些实施例中，建立悬架的c特性分析模型之后，可以在c特性分析模型的基础
上建立k特性分析模型，对此不做限制。
56.另一些实施例中，可以对c特性分析模型中的弹性元件建立约束关系，并对原属性进行抑制处理，处理所得分析模型，可以被视为悬架的k特性分析模型的一种可选示例，对此不做限制。
57.另一些实施例中，在构建得到kc特性分析模型之后，还可以编制批处理头文件，以实现对adams应用程序求解模块调用，adams应用程序求解模块被调用时，可以对建立的kc特性分析模型自动求解，并将求解结果转化为可以方便读取的txt格式文件，对此不做限制。
58.s103：确定kc性能与副车架静刚度之间的第一关联规律信息。
59.其中，第一关联规律信息，是指能够用于描述kc性能与副车架静刚度之间的关联规律的信息，关联规律，例如是kc性能与副车架静刚度之间关联变化的规律，比如kc性能产生变化时，副车架静刚度随着kc性能的变化而变化的情况，对此不做限制。
60.s104：根据kc特性分析模型和第一关联规律信息，确定副车架静刚度的目标值。
61.一些实施例中，可以分析kc性能与副车架静刚度的耦合关联规律，耦合关联规律，即可以是第一关联规律信息的一种可选示例，结合kc特性分析模型和第一关联规律信息，确定副车架静刚度的目标值，从而实现根据kc性能辅助精准地制定副车架静刚度的目标值，能够有效提升副车架静刚度的确定准确度。
62.本实施例中，通过生成副车架相关可视化超单元模型，并根据副车架相关可视化超单元模型，生成kc特性分析模型，其中，kc特性分析模型用于分析kc特性，确定kc性能与副车架静刚度之间的第一关联规律信息，以及根据kc特性分析模型和第一关联规律信息，确定副车架静刚度的目标值，能够有效提升副车架静刚度的确定准确度。
63.图2是本公开另一实施例提出的副车架静刚度确定方法的流程示意图。
64.如图2所示，该副车架静刚度确定方法，包括：
65.s201：生成副车架相关可视化超单元模型。
66.s202：根据副车架相关可视化超单元模型，生成kc特性分析模型，其中，kc特性分析模型用于分析kc特性。
67.针对s201-s202的描述说明可以参见上述实施例，在此不再赘述。
68.s203：对副车架基准有限元模型中副车架与车身的连接刚度进行等效建模，以得到副车架约束模型，其中，连接刚度包括：悬置刚度和/或副车架接附点刚度，悬置刚度与副车架接附点刚度之间为串联连接关系，副车架约束模型用于定义副车架静刚度分析工况及边界信息。
69.其中，副车架基准有限元模型，可以是预先建立的。
70.一些实施例中，可以对副车架基准有限元模型中副车架与车身的连接刚度进行等效建模，以得到副车架约束模型，副车架约束模型用于定义副车架静刚度分析工况及边界信息，对此不做限制。
71.一些实施例中，连接刚度包括悬置刚度，或者，可以包括副车架接附点刚度，或者，还可以包括悬置刚度以及副车架接附点刚度，悬置刚度与副车架接附点刚度之间为基于弹性单元的串联连接关系，对此不做限制。
72.一些实施例中，可以首先建立副车架约束模型及接附点静刚度工况，接附点静刚
度工况可以被执行以确定副车架静刚度，对此不做限制。
73.一些实施例中，在建立副车架约束模型的过程中，可以是首先建立副车架基准有限元模型，包括：钣金及铸造件的网格，焊缝、螺栓等连接，进一步，对副车架基准有限元模型中副车架与车身的连接进行等效建模，通过bush单元(bush单元是常用的一种连接单元，它是一种通用的三向弹簧-阻尼器单元，可定义多至六个方向(三个平动和三个转动)的刚度和阻尼)模拟连接刚度，以建立副车架约束模型，如图3所示，图3为本公开实施例中副车架约束模型示意图。
74.一些实施例中，副车架静刚度分析工况可以确定副车架静刚度，确定过程举例说明如下：
75.第一步：可以设置静刚度分析的边界条件。
76.将如图3所示副车架约束模型中副车架与悬架接附点作为加载点，在加载点处分别沿局部坐标系x、y、z方向加载1000n(牛顿)的力，执行副车架静刚度仿真分析，并进行后处理，得到加载点在作用力方向上的位移值d
total
。
77.第二步：执行接附点静刚度算法。
78.基于副车架约束模型加载分析，其位移值一部分是由副车架本体贡献，另一部分由副车架与车身连接贡献，即d
total
＝d
subframe
+d
connection
。
79.本公开实施例中为了消除副车架与车身连接所贡献的位移，可以将副车架处理为刚性体(例如，可以将材料弹性模量放大1000倍)，计算相应的位移值，记为d
rigid
，则副车架安装点静刚度k
subframe
＝1000/(d
total-d
rigid
)，副车架安装点静刚度k
subframe
为副车架静刚度的一个可选示例，对此不做限制。
80.第三步：编制批处理头文件，以实现对optistruct应用程序求解模块调用，optistruct应用程序求解模块被调用时可以对建立的静刚度工况自动求解，并将求解的位移结果转化为pch文件(pch文件是一种预编译头文件)格式。
81.s204：根据副车架约束模型，确定副车架静刚度与kc性能之间的第一数据矩阵。
82.本公开实施例中，可以将kc性能与副车架静刚度之间的第一关联规律信息融入副车架静刚度的确定过程中，以提升副车架静刚度的确定准确度。
83.也即是说，本公开实施例中支持建立多学科信息关联流程，能够集成静刚度分析工况、超单元分析工况(超单元分析工况可以用于生成高精度的kc特性分析模型)、kc分析工况，实现超单元分析工况与kc分析工况为串行计算模式，同时与静刚度分析工况呈并行计算模式，如图4所示，图4为本公开实施例中多工况联合仿真工作流程示意图，其中，柔性副车架静刚度仿真分析(即kc分析工况)与超单元分析工况共用一个仿真模型，刚性体副车架静刚度仿真分析(即静刚度分析工况)单独用一个仿真模型，集成工作流自动驱动三个工况运行，在每次样本运行过程中，能够自动提取静刚度分析的位移结果，并通过txt格式文件自动提取kc分析结果，对此不做限制。
84.其中，第一数据矩阵可以是包含静刚度性能的一些可选值数据以及kc性能的可选值数据，对此不做限制。
85.在本公开的一些实施例中，在执行根据副车架约束模型，确定副车架静刚度与kc性能之间的第一数据矩阵的过程中，可以是确定实验设计数据矩阵，并从实验设计数据矩阵中提取第一数据矩阵，对此不做限制。
86.针对实验设计数据矩阵的构建方式可以举例说明如下：
87.一些实施例中，可以基于如图4所示的仿真工作流程进行仿真调试，进行单个样本(样本指的是所定义设计变量，所定义设计变量可以包含料厚参数)分析计算，确保分析结果与adams应用程序直接计算结果一致；再进一步进行多个样本分析计算，确保关联流程可以驱动设计变量自动迭代更新，对此不做限制。
88.一些实施例中，可以设计变量定义准则及联动执行实验设计，对此不做限制。
89.一些实施例中，所定义设计变量可以是料厚参数，不同的料厚参数的值可以反映接附点静刚度的变化，举例而言，为准确表征接附点静刚度对kc性能的影响，可以规避和降低副车架本体刚度对kc性能的影响。如图5所示，图5为本公开实施例中设计变量定义准则的示意图，如果接附点区域是一个单独的支架，如点101、点102、点104、点114类型，则可以直接更改支架厚度(支架厚度为料厚参数的一个可选示例)，即可以反映接附点刚度的变化，而不引起副车架整体刚度变化；如果接附点区域是一个贯通的梁，则即可以将梁的接附点附近区域单独分组，作为一个等效局部支架，更改局部支架厚度(局部支架厚度为料厚参数的一个可选示例)，即可以反映接附点刚度的变化，而不引起副车架整体刚度变化。
90.一些实施例中，为了有效减少设计变量的数量，针对左右对称支架，可以共用一个设计变量实现自动关联，并在工作流程中提取已更改料厚参数的部件(指的是被更改料厚参数的部件)的总重量作为性能输出，对此不做限制。
91.一些实施例中，上述所设计的料厚参数可以用于构建实验设计数据矩阵，对此不做限制。
92.本公开实施例中在定义料厚参数的过程中，可以定义料厚参数的设计范围(该设计范围包含料厚参数的多个可能的参数值，该参数值可以是候选设计变量的一种可选示例)，比如，可以将料厚参数的设计范围的上限设定为12mm(毫米)，以获得显著的接附点静刚度变化，初定实验样本数为500个，根据性能要求在集成工作流中输入kc分析工况所关联各性能的限定范围，可以使用拉丁超立方方法建立实验设计矩阵，执行联合仿真工作流程，自动执行多仿真工况并行分析，形成实验设计数据矩阵，该实验设计数据矩阵可以包含料厚参数、静刚度性能(例如静刚度性能的一些可选值数据)、kc性能数据信息(例如kc性能的可选值数据)，对此不做限制。
93.在本公开的一些实施例中，可以是根据副车架约束模型，确定kc分析工况所关联性能，其中，所关联性能至少包括：副车架静刚度和kc性能，并确定所关联性能的约束范围信息，以及根据约束范围信息，确定副车架静刚度与kc性能之间的第一数据矩阵，从而实现准确地确定出副车架静刚度与kc性能之间单独的实验设计数据矩阵，该单独的实验设计数据矩阵，可以是第一数据矩阵的一个可选示例。
94.其中，约束范围信息，表示相应性能在副车架约束模型的约束下的可选范围信息，比如可以包含kc性能的可选范围信息，以及副车架静刚度的可选范围信息，对此不做限制。
95.一些实施例中，副车架静刚度与kc性能之间的第一数据矩阵，可以用于建模分析副车架静刚度与kc性能之间关联规律，对此不做限制。
96.s205：根据第一数据矩阵，生成第一近似模型集合，其中，第一近似模型集合包括与每个kc性能对应的第一近似模型，第一近似模型用于对副车架静刚度与kc性能之间关联规律进行等效建模。
97.上述在形成副车架静刚度与kc性能之间的第一数据矩阵之后，可以根据第一数据矩阵，生成第一近似模型集合，其中，第一近似模型集合包括与每个kc性能对应的第一近似模型，第一近似模型用于对副车架静刚度与kc性能之间关联规律进行等效建模，对此不做限制。
98.其中，近似模型，是物理中的一种数学模型，是指对参照物进行近似仿真建模所得模型，在本公开实施例中，参照物可以是kc性能，对此不做限制。
99.一些实施例中，kc性能的种类可以是多种，则可以针对每种kc性能建立对应的近似模型，与kc性能建立对应的近似模型，可以被称为第一近似模型，所构建第一近似模型用于对副车架静刚度与kc性能之间关联规律进行等效建模，与多种kc性能分别对应的第一近似模型构成第一近似模型集合，对此不做限制。
100.在本公开的一些实施例中，在执行根据第一数据矩阵，生成第一近似模型集合的过程中，可以是确定与第一数据矩阵中每个kc性能对应的多个近似模型，其中，近似模型具有对应的模型精度值，并从多个模型精度值中选择值最大模型精度值，并确定与值最大模型精度值对应的第一近似模型，其中，第一近似模型属于多个近似模型，以及根据多个第一近似模型，生成第一近似模型集合，提升第一近似模型集合的生成准确度，从而有效提升对副车架静刚度与kc性能之间关联规律进行等效建模的效果。
101.一些实施例中，可以对实验设计数据矩阵进行转化，得到副车架静刚度与kc性能之间的第一数据矩阵，并基于第一数据矩阵形成第一近似模型集合，对此不做限制。
102.一些实施例中，可以根据上述的实验设计数据矩阵，重新定义副车架静刚度作为新的设计变量输入，kc性能作为输出，制定副车架静刚度与kc性能之间单独的实验数据矩阵，该单独的实验数据矩阵可以是第一数据矩阵的一个可选示例，如图6所示，图6是本公开实施例中副车架静刚度与kc性能之间的第一数据矩阵的示意图。
103.一些实施例中，如下表1和表2所示，表1和表2示出了第一近似模型集合构造过程示意。其中，在表1中，可以基于一些近似模型建模方法构建得到相应近似模型类型的近似模型，近似模型类型比如可以是径向基函数神经网络(radial basis function neural network，rbf神经网络)、克里金(kriging)模型、最优响应曲面优化法(optimal rsm)模型，深度神经网络(deep neural networks)模型、有限的权重神经网络(limited weights neural networks，lwnn)、随机森林回归(random forest regression，rfr)模型、相关向量回归(rvr)模型、赤池信息量准则(akaike information criterion，aic)，以及泰勒多项式(taylor polynomail)，对此不做限制。
104.表1
[0105][0106][0107]
表2
[0108][0109]
一些实施例中，可以构建副车架静刚度与kc性能之间的近似模型集i(可以是第一近似模型集合的一个可选示例)，可以采用k次交叉检验的方法进行误差分析，近似模型精度通过r2press精度评估指标来衡量。针对kc特性的每个具体kc性能，分别采用多种近似模型构建方法构建相应类型的近似模型，得到各近似模型及其精度，选取模型精度最高的近似模型作为此kc性能的最优近似模型(可以是第一近似模型的一个可选示例)，建立所有kc性能的最优近似模型组合，即最优近似模型集i，作为下一步优化的基础。若最优近似模型集i中任一个kc性能的第一近似模型精度低于95％，则可以增加实验样本数，重新进行实验设计和近似模型集i的构造，对此不做限制。
[0110]
s206：根据第一近似模型集合，确定kc性能与副车架静刚度之间的第一关联规律信息。
[0111]
一些实施例中，上述构建得到第一近似模型集合之后，可以基于第一近似模型集合分析kc性能与副车架静刚度之间的第一关联规律信息，对此不做限制。
[0112]
在本公开的一些实施例中，可以确定与kc性能对应的调整量，并根据调整量对kc性能进行调整，并在对kc性能进行调整的过程中，确定与副车架静刚度对应的指标变化信
息，其中，指标变化信息满足第一近似模型集合所约束的关联关系，以及根据调整量和指标变化信息，生成第一关联规律信息，由于第一近似模型集合包括与每个kc性能对应的最优的第一近似模型，因此，当基于与每个kc性能对应的最优的第一近似模型指导分析kc性能与副车架静刚度之间的第一关联规律信息时，能够有效提升第一关联规律信息分析的准确性，进一步提升副车架静刚度确定准确度。
[0113]
举例而言，可以基于最优近似模型集i(可以是第一近似模型集合的一个可选示例)进行性能关联性分析，调用最优近似模型集i，采用置信区间分析，进行基于大数据驱动的性能关联性识别，如图7a所示，图7a为本公开一实施例中基于置信区间识别性能关联性示意图，如图7b所示，图7b为本公开另一实施例中基于置信区间识别性能关联性示意图，其中，性能关联性，即为第一关联规律信息的一种可选示例，图7a表示调整kc性能的过程(比如可以基于实验确定的调整量进行kc性能调整)，动态识别对应的副车架静刚度的指标变化信息，图7b示出了副车架静刚度的指标变化信息，还可以根据置信区间可行设计域的分布概率，确认kc性能与副车架静刚度的关联性规律(可以是第一关联规律信息的一种可选示例)，同时，可以识别相对难以达成的kc性能，作为副车架静刚度确定过程中待重点关注内容，对此不做限制。
[0114]
s207：根据kc特性分析模型和第一关联规律信息，确定副车架静刚度的目标值。
[0115]
针对s207的描述说明可以具体参见上述实施例，在此不再赘述。
[0116]
本实施例中，通过生成副车架相关可视化超单元模型，并根据副车架相关可视化超单元模型，生成kc特性分析模型，其中，kc特性分析模型用于分析kc特性，确定kc性能与副车架静刚度之间的第一关联规律信息，以及根据kc特性分析模型和第一关联规律信息，确定副车架静刚度的目标值，能够有效提升副车架静刚度的确定准确度。通过对副车架基准有限元模型中副车架与车身的连接刚度进行等效建模，以得到副车架约束模型，其中，连接刚度包括：悬置刚度和/或副车架接附点刚度，副车架约束模型用于定义副车架静刚度分析工况及边界信息，并根据副车架约束模型，确定副车架静刚度与kc性能之间的第一数据矩阵，以及根据第一数据矩阵，生成第一近似模型集合，其中，第一近似模型集合包括与每个kc性能对应的第一近似模型，第一近似模型用于对副车架静刚度与kc性能之间关联规律进行等效建模，能够有效提升对副车架静刚度与kc性能之间关联规律进行等效建模的效果。当基于与每个kc性能对应的最优的第一近似模型指导分析kc性能与副车架静刚度之间的第一关联规律信息时，能够有效提升第一关联规律信息分析的准确性，进一步提升副车架静刚度确定准确度。
[0117]
图8是本公开另一实施例提出的副车架静刚度确定方法的流程示意图。
[0118]
如图8所示，该副车架静刚度确定方法，包括：
[0119]
s801：生成副车架相关可视化超单元模型。
[0120]
s802：根据副车架相关可视化超单元模型，生成kc特性分析模型，其中，kc特性分析模型用于分析kc特性。
[0121]
s803：对副车架基准有限元模型中副车架与车身的连接刚度进行等效建模，以得到副车架约束模型，其中，连接刚度包括：悬置刚度和/或副车架接附点刚度，悬置刚度与副车架接附点刚度之间为串联连接关系，副车架约束模型用于定义副车架静刚度分析工况及边界信息。
[0122]
s804：根据副车架约束模型，确定副车架静刚度与kc性能之间的第一数据矩阵。
[0123]
s805：根据第一数据矩阵，生成第一近似模型集合，其中，第一近似模型集合包括与每个kc性能对应的第一近似模型，第一近似模型用于对副车架静刚度与kc性能之间关联规律进行等效建模。
[0124]
针对s801-s805的描述说明可以具体参见上述实施例，在此不再赘述。
[0125]
s806：根据副车架约束模型，确定料厚参数与kc性能之间的第二数据矩阵。
[0126]
其中，第二数据矩阵可以是包含料厚参数的一些可选值数据以及kc性能的可选值数据，对此不做限制。
[0127]
在本公开的一些实施例中，在执行根据副车架约束模型，确定料厚参数与kc性能之间的第二数据矩阵的过程中，可以是确定实验设计数据矩阵，并从实验设计数据矩阵中提取第二数据矩阵，对此不做限制。
[0128]
针对实验设计数据矩阵的构建方式可以参见上述实施例，在此不再赘述。
[0129]
在本公开的一些实施例中，还可以是根据副车架约束模型，确定kc分析工况所关联性能，其中，所关联性能至少包括：料厚参数和kc性能，并确定所关联性能的约束范围信息，以及根据约束范围信息，确定料厚参数与kc性能之间的第二数据矩阵，从而实现准确地确定出料厚参数与kc性能之间单独的实验设计数据矩阵，该单独的实验设计数据矩阵，可以是第二数据矩阵的一个可选示例。
[0130]
其中，约束范围信息，表示相应性能在副车架约束模型的约束下的可选范围信息，比如可以包含kc性能的可选范围信息，以及料厚参数的可选范围信息，对此不做限制。
[0131]
一些实施例中，料厚参数与kc性能之间的第二数据矩阵，可以用于指导优化副车架静刚度的设计，对此不做限制。
[0132]
s807：根据第二数据矩阵，生成第二近似模型集合，其中，第二近似模型集合包括与每个kc性能对应的第二近似模型，第二近似模型用于对料厚参数与kc性能之间关联规律进行等效建模。
[0133]
上述在形成料厚参数与kc性能之间的第二数据矩阵之后，可以根据第二数据矩阵，生成第二近似模型集合，其中，第二近似模型集合包括与每个kc性能对应的第二近似模型，第二近似模型用于对料厚参数与kc性能之间关联规律进行等效建模，对此不做限制。
[0134]
其中，近似模型，是物理中的一种数学模型，是指对参照物进行近似仿真建模所得模型，在本公开实施例中，参照物可以是kc性能，对此不做限制。
[0135]
一些实施例中，近似模型也可以被称为代理模型，对此不做限制。
[0136]
一些实施例中，kc性能的种类可以是多种，则可以针对每种kc性能建立对应的近似模型，与kc性能建立对应的近似模型，可以被称为第二近似模型，需要说明的是，第二近似模型与上述实施例中第一近似模型的选择方式不相同，第二近似模型用于对料厚参数与kc性能之间关联规律进行等效建模，与多种kc性能分别对应的第二近似模型构成第二近似模型集合，对此不做限制。
[0137]
一些实施例中，第一近似模型可以是基于精度择优选取的近似模型，而第二近似模型可以是对基于精度择优选取的若干个近似模型加权得到，对此不做限制。
[0138]
在本公开的一些实施例中，在执行根据第二数据矩阵，生成第二近似模型集合的过程中，可以是确定与第二数据矩阵中每个kc性能对应的多个近似模型，其中，近似模型具
有对应的权重信息，并根据权重信息对多个近似模型进行加权融合，并将融合所得近似模型作为与相应kc性能对应的第二近似模型，以及根据多个第二近似模型，生成第二近似模型集合，提升第二近似模型集合的生成准确度，从而有效提升对料厚参数与kc性能之间关联规律进行等效建模的效果。
[0139]
举例而言，可以构建料厚设计变量与kc性能之间的组合模型集ii(第二近似模型集合的一个可选示例)，采用k次交叉检验的方法进行误差分析，近似模型精度通过r2press评估指标衡量。针对每个kc性能，综合采用多种近似模型方法进行联合构建，并从构建所得多个近似模型中择优选择部分近似模型，根据每个近似模型的权重信息对部分近似模型进行加权规划组合，得到与每个kc性能对应的加权规划组合模型(为第二近似模型的一个可选示例)，从而能够充分利用各个近似模型的表征信息，使得优势相互补充，有效提高预测精度，根据与多个kc性能分别对应的多个加权规划组合模型，建立kc性能的组合模型集合，即组合模型集ii(为第二近似模型集合的一个可选示例)，作为下一步优化的基础。
[0140]
举例而言，加权规划说明如下：
[0141]
设有k种近似模型构建方法，第i种方法在第t个kc性能的预期值记为则第t个性能对应的组合模型预测值算法如下：其中，wi为权重系数(权重信息的一个可选示例)，s为组合预测模型的有效度，s＝e(1-σ)，s越大，预测模型精度越高，预测误差越稳定，模型越有效。
[0142]
均值e与均方差σ分别为：
[0143]at
构成组合预测的精度序列，
[0144]
s808：根据第一近似模型集合、第二近似模型集合、kc特性分析模型，以及第一关联规律信息确定副车架静刚度的目标值。
[0145]
上述在确定第一近似模型集合、第二近似模型集合、kc特性分析模型之后，可以根据第一近似模型集合、第二近似模型集合、kc特性分析模型，以及第一关联规律信息确定副车架静刚度的目标值，对此不做限制。
[0146]
在本公开的一些实施例中，可以根据第一近似模型集合，生成副车架静刚度的初始值，并根据第二近似模型集合，确定kc性能和料厚参数之间的第二关联规律信息和不同kc性能之间的第三关联规律信息，其中，料厚参数具有对应的多个候选设计变量，根据第二关联规律信息和第三关联规律信息，确定与kc性能对应的约束范围信息，并根据约束范围信息和第二近似模型集合，从多个候选设计变量中选择目标设计变量，以及在副车架静刚度的初始值和目标设计变量之间满足预设条件的情况下，根据kc特性分析模型确定kc分析结果，并根据kc分析结果和第一关联规律信息，确定副车架静刚度的目标值，有效提升副车架静刚度的目标值的确定合理性。
[0147]
一些实施例中，副车架静刚度的初始值，可以理解为待优化的副车架接附点静刚度在初始情况下的值，副车架静刚度的目标值，可以理解为对该副车架接附点静刚度进行优化处理，所确定的副车架静刚度的较优的值，对此不做限制。
[0148]
一些实施例中，可以根据第一近似模型集合，生成副车架静刚度的初始值，该副车架静刚度的初始值可以被视为初始制定的一个副车架静刚度，对此不做限制。
[0149]
一些实施例中，可以支持对初始制定的副车架静刚度的初始值进行优化迭代更新，以得到副车架静刚度的最优的值，该最优的值可以被称为副车架静刚度的目标值，对此不做限制。
[0150]
一些实施例中，可以基于最优近似模型集i(第一近似模型集合的一个可选示例)进行副车架静刚度性能指标(副车架静刚度性能指标，是副车架静刚度的初始值的一个可选示例)制定，对此不做限制。
[0151]
一些实施例中，可以选择复合多梯度路径探索优化算法，以kc性能符合目标值范围(与kc性能对应的约束范围信息的一个可选示例)为优化目标，基于最优近似模型集i进行优化迭代，通过python(python是一种计算机编程语言)自编程，以完成整个优化过程，kc性能与副车架静刚度优化迭代过程示意可以如图9所示，图9是本公开实施例中kc性能与副车架静刚度优化迭代过程示意图，对此不做限制。
[0152]
一些实施例中，可以通过复合多梯度路径探索优化算法得到优化方案，如果基于优化方案所确定待优化副车架静刚度符合kc性能与副车架静刚度之间的第一关联规律信息，则可以选择相应副车架接附点，并对相应副车架接附点(如图10所示点302、点304)静刚度进行优化调整，相应副车架接附点静刚度的初始值，可以是副车架静刚度的初始值的一个可选示例，相应副车架接附点静刚度的初始值还可以是初始标定的，基于优化方案确定的副车架接附点静刚度的值，可以副车架静刚度的目标值的一个可选示例，如图10所示，图10是本公开实施例中副车架静刚度性能指标初定示意图，对此不做限制。
[0153]
一些实施例中，还可以根据第二近似模型集合，确定kc性能和料厚参数之间的第二关联规律信息和不同kc性能之间的第三关联规律信息，对此不做限制。
[0154]
其中，第二关联规律信息，是指能够用于描述kc性能与料厚参数之间的关联规律的信息，关联规律，例如是kc性能与料厚参数之间关联变化的规律，比如kc性能产生变化时，料厚参数随着kc性能的变化而变化的情况，对此不做限制。
[0155]
其中，第三关联规律信息，是指能够用于描述不同kc性能之间的关联规律的信息，关联规律，例如是不同kc性能之间关联变化的规律，比如一个kc性能产生变化时，另一个kc性能随着该一个kc性能的变化而变化的情况，对此不做限制。
[0156]
一些实施例中，可以根据组合模型集ii(第二近似模型集合的一个可选示例)进行性能关联性分析，比如分析kc性能与料厚参数之间的关联规律的信息，以及分析不同kc性能之间的关联规律的信息，对此不做限制。
[0157]
一些实施例中，可以调用组合模型集ii，构造kc性能与料厚参数的每种可能的设计变量(每种可能的设计变量，可以被称为候选设计变量)的二维映射图(2d section)，如图11所示，图11是本公开实施例中kc性能与料厚参数的二维映射图，调整料厚参数为任意可能的设计变量，则料厚参数所有可能的设计变量与各个kc性能之间仍能自动调整，并且料厚参数随着kc性能的变化而变化的情况满足近似模型集ii所构建的关联关系，可以设定
kc性能的目标上下限范围(与kc性能对应的约束范围信息的一种可选示例)，根据二维映射图，识别kc性能与料厚参数的每种可能的设计变量的相关性，以及不同kc性能之间的冲突性与相关性规律，对此不做限制。
[0158]
一些实施例中，一并参见上述图10所示，料厚参数具有对应的多个候选设计变量，可以如图10中左边第一列所示，由于料厚参数的一种候选设计变量可以作用于一个接附点，从多个候选设计变量中所确定的目标设计变量可以具有对应所作用的接附点，上述如图10所示点302、点304可以是目标设计变量所对应作用的接附点，对此不做限制。
[0159]
一些实施例中，还可以确定与kc性能对应的约束范围信息，并根据约束范围信息和第二近似模型集合，从多个候选设计变量中选择目标设计变量，所选择目标设计变量可以对副车架结构设计作参考，对此不做限制。
[0160]
一些实施例中，在从多个候选设计变量中选择目标设计变量之后，还可以在副车架静刚度的初始值和目标设计变量之间满足预设条件的情况下，根据kc特性分析模型确定kc分析结果，根据kc分析结果和第一关联规律信息，确定副车架静刚度的目标值，有效提升副车架静刚度优化的完整性和优化效果。
[0161]
也即是说，本公开实施例中构建的组合模型集ii(第二近似模型集合的一个可选示例)不仅仅可以用于分析kc性能与料厚参数之间的关联规律的信息，以及分析不同kc性能之间的关联规律的信息，还可以用于进行副车架料厚优化，料厚优化的过程即为从多个候选设计变量中选择目标设计变量的过程，对此不做限制。
[0162]
一些实施例中，可以选择全域准则优化算法，以kc性能符合目标值范围(目标值范围，为与kc性能对应的约束范围信息的一种可选示例)为优化目标，基于组合模型集ii进行优化迭代，通过python(python是一种计算机编程语言)自编程，以完成整个优化过程，通过优化迭代得到料厚优化方案(即从料厚参数的多个候选设计变量中选择较优的目标设计变量)，如图12所示，图12为本公开实施例中副车架料厚优化结果示意图，对此不做限制。
[0163]
一些实施例中，副车架静刚度的初始值和目标设计变量之间满足预设条件，可以例如是，已确定初始值的副车架静刚度对应的接附点的区域，与目标设计变量作用至的接附点的区域一致，即表明实际料厚增加的位置区域与副车架静刚度优化提升的区域一致，表明对副车架两方面优化不存在冲突情况，则进一步地，可以根据kc特性分析模型确定kc分析结果，并根据kc分析结果和第一关联规律信息，确定副车架静刚度的目标值，对此不做限制。
[0164]
在本公开的一些实施例中，可以根据kc分析结果和第一关联规律信息，确定副车架静刚度的参考值，如果副车架静刚度的参考值和副车架静刚度的初始值相同，则将副车架静刚度的初始值或副车架静刚度的参考值作为副车架静刚度的目标值，如果副车架静刚度的参考值和副车架静刚度的初始值不相同，则根据目标设计变量对副车架静刚度的参考值进行优化处理，并将优化处理所得值作为副车架静刚度的目标值，实现基于多维度方式对副车架静刚度进行优化处理，进一步提升副车架静刚度优化处理的合理性，提升副车架静刚度确定准确度。
[0165]
也即是说，本公开实施例中支持基于上述构建的物理模型确定副车架静刚度的目标值，物理模型包括：有限元模型和运动学模型，对此不做限制。
[0166]
一些实施例中，可以根据择择优选择的料厚参数的目标设计变量，基于如图4所示
工作流执行自动仿真分析，选择相应工况的物理模型，自动提取静刚度、kc分析结果，所提取静刚度可以是副车架静刚度的参考值的一个可选示例，所提取kc分析结果可以是kc分析结果的一个可选示例，对此不做限制。
[0167]
一些实施例中，还可以确定所提取静刚度与初步制定的副车架静刚度的初始值是否一致，如果一致，则可以直接将副车架静刚度的初始值作为副车架静刚度的目标值，或者，也可以将副车架静刚度的参考值作为副车架静刚度的目标值，对此不做限制。
[0168]
另一些实施例中，如果确定所提取静刚度与初步制定的副车架静刚度的初始值不一致，则可以根据料厚优化方案(即所择优选择的料厚参数的目标设计变量)对副车架静刚度的参考值进行优化处理，并将优化处理所得值作为副车架静刚度的目标值，同样的，该所择优选择的料厚参数的目标设计变量还可以被作为副车架结构优化的参考，对此不做限制。
[0169]
本公开提供的副车架静刚度确定方法，通过建立副车架基准有限元模型，对副车架与车身的连接进行等效，建立副车架约束模型，进行接附点静刚度分析，而后，将副车架基准有限元模型处理为超单元模型，同时将悬架控制臂、摆臂、叉臂等有限元模型均处理为超单元模型，联合超单元模型创建高精度的kc特性分析模型，进行运动学分析得到kc分析结果。建立集成工作流，集成静刚度分析工况、超单元分析工况、kc分析工况，并能驱动三个工况自动运行，以及建立kc性能与副车架静刚度之间的第一近似模型集合，分析kc性能与副车架静刚度的关联规律，根据kc分析结果精准制定副车架静刚度的目标值，建立kc性能与副车架结构参数(料厚参数)的组合模型集(第二近似模型集合的一个可选示例)，以分析kc性能与副车架结构参数(料厚参数)的关联规律并优化，基于物理模型再次分析副车架静刚度的目标值的合理性。
[0170]
本公开打通结构设计与耐久学科的结构静刚度性能、行驶领域的kc性能的联系，并且精确建立一种副车架静刚度与kc性能映射关系的技术方案，能够通过kc性能对副车架静刚度进行正向开发，有助于副车架静刚度目标值的精确设计，有效缩短汽车研发周期，提升汽车产品品质。
[0171]
图13是本公开一实施例提出的副车架静刚度确定装置的结构示意图。
[0172]
如图13所示，该副车架静刚度确定装置130，包括：
[0173]
第一生成单元1301，用于生成副车架相关可视化超单元模型。
[0174]
第二生成单元1302，用于根据副车架相关可视化超单元模型，生成kc特性分析模型，其中，kc特性分析模型用于分析kc特性。
[0175]
第一确定单元1303，用于确定kc性能与副车架静刚度之间的第一关联规律信息。
[0176]
第二确定单元1304，用于根据kc特性分析模型和第一关联规律信息，确定副车架静刚度的目标值。
[0177]
关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0178]
本实施例中，通过生成副车架相关可视化超单元模型，并根据副车架相关可视化超单元模型，生成kc特性分析模型，其中，kc特性分析模型用于分析kc特性，确定kc性能与副车架静刚度之间的第一关联规律信息，以及根据kc特性分析模型和第一关联规律信息，确定副车架静刚度的目标值，能够有效提升副车架静刚度的确定准确度。
[0179]
图14是一示例性实施例示出的一种车辆的功能框图示意图。例如，车辆1400可以是混合动力车辆，也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆1400可以是自动驾驶车辆、半自动驾驶车辆或者非自动驾驶车辆。
[0180]
参照图14，车辆1400可包括各种子系统，例如，信息娱乐系统1410、感知系统1420、决策控制系统1430、驱动系统1440以及计算平台1450。其中，车辆1400还可以包括更多或更少的子系统，并且每个子系统都可包括多个部件。另外，车辆1400的每个子系统之间和每个部件之间可以通过有线或者无线的方式实现互连。
[0181]
在一些实施例中，信息娱乐系统1410可以包括通信系统，娱乐系统以及导航系统等。
[0182]
感知系统1420可以包括若干种传感器，用于感测车辆1400周边的环境的信息。例如，感知系统1420可包括全球定位系统(全球定位系统可以是gps系统，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，imu)、激光雷达、毫米波雷达、超声雷达以及摄像装置。
[0183]
决策控制系统1430可以包括计算系统、整车控制器、转向系统、油门以及制动系统。
[0184]
驱动系统1440可以包括为车辆1400提供动力运动的组件。在一个实施例中，驱动系统1440可以包括引擎、能量源、传动系统和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将能量源提供的能量转换成机械能量。
[0185]
车辆1400的部分或所有功能受计算平台1450控制。计算平台1450可包括至少一个处理器1451和存储器1452，处理器1451可以执行存储在存储器1452中的指令1453。
[0186]
处理器1451可以是任何常规的处理器，诸如商业可获得的cpu。处理器还可以包括诸如图像处理器(graphic process unit，gpu)，现场可编程门阵列(field programmable gate array，fpga)、片上系统(system on chip，soc)、专用集成芯片(application specific integrated circuit，asic)或它们的组合。
[0187]
存储器1452可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0188]
除了指令1453以外，存储器1452还可存储数据，例如道路地图，路线信息，车辆的位置、方向、速度等数据。存储器1452存储的数据可以被计算平台1450使用。
[0189]
在本公开实施例中，处理器1451可以执行指令1453，以完成上述的副车架静刚度确定方法的全部或部分步骤。
[0190]
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的副车架静刚度确定方法的步骤。
[0191]
此外，在本文中使用词语“示例性的”以表示充当示例、实例、示图。在本文中被描述为“示例性的”任何方面或设计都不一定理解为与其他方面或设计相比是有利的。相反，使用词语示例性的旨在以具体的方式呈现概念。如在本文中所使用的，术语“或”旨在表示包括性的“或”而不是排他性的“或”。即，除非另外指定，或者从上下文中清楚，否则“x应用a或b”旨在表示自然的包括性排列中的任何一种排列。即，如果x应用a；x应用b；或者x应用a
和b两者，则“x应用a或b”在前述实例中的任何一个实例下都满足。另外，除非另外指定或者从上下文中清楚指向单数形式，否则如在该申请和所附权利要求中所使用的冠词“一”和“一个”通常被理解为表示“一个或多个”。
[0192]
同样，尽管已经关于一个或多个实现示出并描述了本公开，但是在阅读并理解了该说明书和附图之后，本领域技术人员将想到等同的变型和修改。本公开包括所有这样的修改和变型，并且仅由权利要求的范围来限制。特别关于由上文所描述的组件(例如，元件、资源等)执行的各种功能，除非另外指出，否则用于描述这样的组件的术语旨在对应于执行所描述的组件的具体功能的任何组件(功能上等价的)，即使结构上不等价于所公开的结构。另外，尽管可以已经关于几个实现中的仅仅一个而公开了本公开的特定的特征，但是如可以是期望的并且有利于任何给定的或特定的应用的那样，这样的特征可以与其它实现的一个或多个其它特征相结合。此外，就在具体实施方式或者权利要求中所使用的“包括”、“拥有”、“具有”、“有”、或其变型而言，这样的术语旨在作为类似于术语“包含”的方式是包括性的。
[0193]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0194]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
[0195]
应当理解，除非另外特别指出，否则本文描述的各种本公开的一些实施例的特征可以彼此组合。如在本文中使用的，术语“和/或”包括相关所列项中的任一者以及任何两者或更多者的任何组合；类似地，“.......中的至少一个”包括相关所列项中的任一者以及任何两者或更多者的任何组合。另外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本文描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

技术特征：
1.一种副车架静刚度确定方法，其特征在于，所述方法包括：生成副车架相关可视化超单元模型；根据所述副车架相关可视化超单元模型，生成kc特性分析模型，其中，所述kc特性分析模型用于分析kc特性；确定kc性能与副车架静刚度之间的第一关联规律信息；根据所述kc特性分析模型和所述第一关联规律信息，确定副车架静刚度的目标值。2.如权利要求1所述的方法，其特征在于，所述生成副车架相关可视化超单元模型，包括：建立副车架基准有限元模型和副车架相关部件有限元模型；根据所述副车架基准有限元模型，生成副车架可视化超单元模型；根据所述副车架相关部件有限元模型，生成副车架相关部件可视化超单元模型，其中，所述副车架可视化超单元模型和所述副车架相关部件可视化超单元模型被共同作为所述副车架相关可视化超单元模型；其中，所述根据所述副车架相关可视化超单元模型，生成kc特性分析模型，包括：根据所述副车架可视化超单元模型和所述副车架相关部件可视化超单元模型，生成所述kc特性分析模型。3.如权利要求2所述的方法，其特征在于，所述根据所述副车架可视化超单元模型和所述副车架相关部件可视化超单元模型，生成所述kc特性分析模型，包括：确定副车架相关部件性能参数；根据所述副车架相关部件性能参数、所述副车架可视化超单元模型，以及所述副车架相关部件可视化超单元模型建立c特性分析模型，其中，所述c特性分析模型包括：多个弹性元件，所述c特性分析模型用于分析c特性；为所述c特性分析模型中每个所述弹性元件建立约束关系，并将建立所得c特性分析模型作为所述k特性分析模型，其中，所述k特性分析模型用于分析k特性，所述c特性分析模型和所述k特性分析模型被共同作为所述kc特性分析模型。4.如权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：对副车架基准有限元模型中副车架与车身的连接刚度进行等效建模，以得到副车架约束模型，其中，所述连接刚度包括：悬置刚度和/或副车架接附点刚度，所述悬置刚度与所述副车架接附点刚度之间为串联连接关系，所述副车架约束模型用于定义副车架静刚度分析工况及边界信息；根据所述副车架约束模型，确定副车架静刚度与所述kc性能之间的第一数据矩阵；根据所述第一数据矩阵，生成第一近似模型集合，其中，所述第一近似模型集合包括与每个所述kc性能对应的第一近似模型，所述第一近似模型用于对副车架静刚度与所述kc性能之间关联规律进行等效建模；其中，所述确定kc性能与副车架静刚度之间的第一关联规律信息，包括：根据所述第一近似模型集合，确定所述kc性能与所述副车架静刚度之间的第一关联规律信息。5.如权利要求4所述的方法，其特征在于，所述根据所述副车架约束模型，确定副车架静刚度与所述kc性能之间的第一数据矩阵，包括：
根据所述副车架约束模型，确定kc分析工况所关联性能，其中，所述所关联性能至少包括：副车架静刚度和kc性能；确定所述所关联性能的约束范围信息；根据所述约束范围信息，确定所述副车架静刚度与所述kc性能之间的第一数据矩阵。6.如权利要求4所述的方法，其特征在于，所述根据所述第一数据矩阵，生成第一近似模型集合，包括：确定与所述第一数据矩阵中每个所述kc性能对应的多个近似模型，其中，所述近似模型具有对应的模型精度值；从多个所述模型精度值中选择值最大模型精度值，并确定与所述值最大模型精度值对应的第一近似模型，其中，所述第一近似模型属于所述多个近似模型；根据多个所述第一近似模型，生成所述第一近似模型集合。7.如权利要求4所述的方法，其特征在于，所述根据所述第一近似模型集合，确定所述kc性能与所述副车架静刚度之间的第一关联规律信息，包括：确定与所述kc性能对应的调整量；根据所述调整量对所述kc性能进行调整，并在对所述kc性能进行调整的过程中，确定与所述副车架静刚度对应的指标变化信息，其中，所述指标变化信息满足所述第一近似模型集合所约束的关联关系；根据所述调整量和所述指标变化信息，生成所述第一关联规律信息。8.如权利要求4所述的方法，其特征在于，所述根据所述kc特性分析模型和所述第一关联规律信息，确定副车架静刚度的目标值，包括：根据所述副车架约束模型，确定料厚参数与所述kc性能之间的第二数据矩阵；根据所述第二数据矩阵，生成第二近似模型集合，其中，所述第二近似模型集合包括与每个所述kc性能对应的第二近似模型，所述第二近似模型用于对所述料厚参数与所述kc性能之间关联规律进行等效建模；根据所述第一近似模型集合、所述第二近似模型集合、所述kc特性分析模型，以及所述第一关联规律信息确定所述副车架静刚度的目标值。9.如权利要求8所述的方法，其特征在于，所述根据所述副车架约束模型，确定料厚参数与所述kc性能之间的第二数据矩阵，包括：根据所述副车架约束模型，确定kc分析工况所关联性能，其中，所述所关联性能至少包括：所述料厚参数和所述kc性能；确定所述所关联性能的约束范围信息；根据所述约束范围信息，确定所述料厚参数与所述kc性能之间的第二数据矩阵。10.如权利要求8所述的方法，其特征在于，所述根据所述第二数据矩阵，生成第二近似模型集合，包括：确定与所述第二数据矩阵中每个所述kc性能对应的多个近似模型，其中，所述近似模型具有对应的权重信息；根据所述权重信息对所述多个近似模型进行加权融合，并将融合所得近似模型作为与相应所述kc性能对应的第二近似模型；根据多个所述第二近似模型，生成所述第二近似模型集合。
11.如权利要求8所述的方法，其特征在于，所述根据所述第一近似模型集合、所述第二近似模型集合、所述kc特性分析模型，以及所述第一关联规律信息确定所述副车架静刚度的目标值，包括：根据所述第一近似模型集合，生成副车架静刚度的初始值；根据所述第二近似模型集合，确定所述kc性能和所述料厚参数之间的第二关联规律信息和不同所述kc性能之间的第三关联规律信息，其中，所述料厚参数具有对应的多个候选设计变量；根据所述第二关联规律信息和所述第三关联规律信息，确定与所述kc性能对应的约束范围信息，并根据所述约束范围信息和所述第二近似模型集合，从所述多个候选设计变量中选择目标设计变量；在所述副车架静刚度的初始值和所述目标设计变量之间满足预设条件的情况下，根据所述kc特性分析模型确定kc分析结果，并根据所述kc分析结果和所述第一关联规律信息，确定副车架静刚度的目标值。12.如权利要求11所述的方法，其特征在于，所述根据所述kc分析结果和所述第一关联规律信息，确定副车架静刚度的目标值，包括：根据所述kc分析结果和所述第一关联规律信息，确定副车架静刚度的参考值；如果所述副车架静刚度的参考值和所述副车架静刚度的初始值相同，则将所述副车架静刚度的初始值或所述副车架静刚度的参考值作为所述副车架静刚度的目标值；如果所述副车架静刚度的参考值和所述副车架静刚度的初始值不相同，则根据所述目标设计变量对所述副车架静刚度的参考值进行优化处理，并将优化处理所得值作为所述副车架静刚度的目标值。13.一种副车架静刚度确定装置，其特征在于，所述装置包括：第一生成单元，用于生成副车架相关可视化超单元模型；第二生成单元，用于根据所述副车架相关可视化超单元模型，生成kc特性分析模型，其中，所述kc特性分析模型用于分析kc特性；第一确定单元，用于确定kc性能与副车架静刚度之间的第一关联规律信息；第二确定单元，用于根据所述kc特性分析模型和所述第一关联规律信息，确定副车架静刚度的目标值。14.一种车辆，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：实现权利要求1～12中任一项所述方法的步骤。15.一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种副车架静刚度确定方法，所述方法包括：生成副车架相关可视化超单元模型；根据所述副车架相关可视化超单元模型，生成kc特性分析模型，其中，所述kc特性分析模型用于分析kc特性；确定kc性能与副车架静刚度之间的第一关联规律信息；
根据所述kc特性分析模型和所述第一关联规律信息，确定副车架静刚度的目标值。

技术总结
本公开提出一种副车架静刚度确定方法、装置、车辆及存储介质，涉及汽车技术领域，该方法包括：生成副车架相关可视化超单元模型；根据副车架相关可视化超单元模型，生成KC特性分析模型，其中，KC特性分析模型用于分析KC特性；确定KC性能与副车架静刚度之间的第一关联规律信息；根据KC特性分析模型和第一关联规律信息，确定副车架静刚度的目标值。通过本公开，能够有效提升副车架静刚度的确定准确度。够有效提升副车架静刚度的确定准确度。够有效提升副车架静刚度的确定准确度。


技术研发人员：苏永雷
受保护的技术使用者：小米汽车科技有限公司
技术研发日：2023.04.03
技术公布日：2023/10/19