一种悬架及制动系统底盘紧固件松动整车测试方法与流程

本发明涉及紧固件检测领域，具体来说，涉及一种悬架及制动系统底盘紧固件松动整车测试方法。

背景技术：

1、悬架系统是车辆底盘的关键部分，它连接车轮与车身，并负责吸收道路不平造成的冲击和振动，从而保证车辆稳定性和乘坐舒适性。悬架系统的主要组件包括弹簧、减震器、控制臂、稳定杆等。制动系统是确保车辆安全的关键系统之一，它允许驾驶员控制车辆的速度并在必要时停车。制动系统的核心部件包括制动蹄片、制动盘、制动卡钳、制动管路和制动液等。

2、底盘紧固件包括连接悬架、制动系统和其他底盘部件的螺栓、螺母和其他固定装置。这些紧固件在车辆运行过程中承受重力、振动和热应力，可能会逐渐松动。紧固件的松动可能导致部件之间的相对移动增加，从而加速磨损、产生异响、降低车辆操控性能，甚至导致部件脱落，严重威胁行车安全。

3、为了解决底盘紧固件松动问题，需要包括对紧固件扭矩的检查、振动分析以及动态行驶测试，以确保车辆的安全性和性能。现有技术中，例如中国专利202110454179.8公开了紧固件松动检测方法、装置、电子设备和存储介质，其基于第二部件的加速度曲线、上限加速度曲线以及下限加速度曲线，确定紧固件的松动状态。但是上述方法还存在以下不足：该方法适用于某些特定类型的紧固件和应用场景，在动态或变化的加载条件下，确定紧固件是否松动更加复杂，可能需要更多的数据和分析来确保准确性。同时对于用户的数据访问权限没有进行设定，无法提高紧固件测试数据安全性和个性化服务的质量。

4、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、针对相关技术中的问题，本发明提出一种悬架及制动系统底盘紧固件松动整车测试方法，以克服现有相关技术所存在的上述技术问题。

2、为此，本发明采用的具体技术方案如下：

3、一种悬架及制动系统底盘紧固件松动整车测试方法，该悬架及制动系统底盘紧固件松动整车测试方法包括以下步骤：

4、s1、获取所有紧固件的初始状态。

5、s2、对车辆进行静态测试，并获取悬架系统和制动系统紧固件的扭矩值，且对车辆进行动态测试，获取车辆的振动数据，基于紧固件的扭矩值和振动数据构建成测试数据。

6、s3、计算振动数据的日振动一致性指数、时段振动一致性指数及振动稳定性变化指数。

7、s4、基于日振动一致性指数、时段振动一致性指数及振动稳定性变化指数并融合车辆的运动特征，计算得到综合活动表征向量及隐式活动表征向量。

8、s5、利用树形结构分析测试数据，自动生成测试报告，同时将隐式活动表征向量输入训练好的多层感知机，并通过训练好的多层感知机进行预测，识别是否存在紧固件松动问题。

9、s6、基于测试报告及预测结果，确定紧固件是否有松动，若松动，则记录松动的紧固件位置和程度。

10、进一步的，计算振动数据的日振动一致性指数、时段振动一致性指数及振动稳定性变化指数包括以下步骤：

11、s31、计算一天内振动数据的熵值，得到日振动一致性指数，并通过日振动一致性指数来评估车辆在日常运行中的稳定性；

12、s32、通过计算不同时间段内的振动数据的熵值，得到时段振动一致性指数，并通过时段振动一致性指数评估车辆在各个时段的运行稳定性；

13、s33、通过比较两个时段的振动数据的熵值变化，得到振动稳定性变化指数，并通过振动稳定性变化指数代表车辆运行稳定性的变化趋势。

14、进一步的，计算一天内振动数据的熵值时，熵值计算公式为：

15、；

16、式中， h表示振动数据的熵值；

17、 p（ x i）表示第 i个数据点的概率；

18、 x i表示第 i个数据点的值， n表示数据点的总数。

19、进一步的，基于日振动一致性指数、时段振动一致性指数及振动稳定性变化指数并融合车辆的运动特征，计算得到综合的活动表征向量及隐式活动表征向量包括以下步骤：

20、s41、获取车辆的运动特征，并将运动特征转换为辅助表征向量；

21、s42、将包含振动数据的日振动一致性指数、时段振动一致性指数及振动稳定性变化指数的振动熵向量与辅助表征向量进行融合，得到融合活动表征向量；

22、s43、多次打乱数据时序后，重新计算辅助表征向量和振动熵向量，并再次进行融合，以生成新的融合活动表征向量，同时将新的融合活动表征向量输入编码器解码器模型，并输出隐式活动表征向量。

23、进一步的，利用树形结构分析测试数据，自动生成测试报告包括以下步骤：

24、s51、获取用户行为日志数据，并对用户行为日志数据及测试数据进行预处理，且按照车辆类型、测试类型及测试日期进行分组；

25、s52、构建树形结构，并将分组信息作为不同的节点；

26、s53、根据用户的角色和身份信息设置数据访问权限，且将用户访问权限与树形结构中的相应节点进行关联，使得用户只能访问有权限查看的数据；

27、s54、利用深度学习算法分析用户行为日志数据，预测用户的数据访问需求，动态调整访问权限；

28、s55、对每个节点的测试数据进行整合，分析节点间的关系，识别趋势和模式；

29、s56、基于树形结构和分析结果，自动获取测试报告；

30、s57、根据用户的访问权限，定制测试报告内容，确保用户获取有权访问的信息。

31、进一步的，利用深度学习算法分析用户行为日志数据，预测用户的数据访问需求，动态调整访问权限包括以下步骤：

32、s541、从用户行为日志数据中获取用户行为的共现频率数据，并根据用户行为的共现频率数据计算用户之间的行为相似度，得到用户行为相似度矩阵；

33、s542、输入用户行为相似度矩阵至稀疏自编码器，提取用户行为的关键特征表示，且从隐藏层特征重构用户行为相似度矩阵，且加入稀疏性惩罚，得到用户行为特征表示；

34、s543、确定聚类个数，基于用户行为模块度最大化原则，结合用户行为特征的密度和相似度确定初始聚类中心；

35、s544、迭代优化聚类结果，直到满足终止条件或达到最大迭代次数，得到用户群组划分结果；

36、s545、计算用户行为模块度，评估群组内部的一致性和群组间的区分度，根据用户行为模块度值调整用户访问权限；

37、s546、实施用户的访问权限，并监控权限调整后的用户行为变化，且根据用户行为的变化，动态调整用户的访问权限。

38、进一步的，确定聚类个数，基于用户行为模块度最大化原则，结合用户行为特征的密度和相似度确定初始聚类中心包括以下步骤：

39、s5431、获取用户行为模块度函数，并通过迭代过程，计算不同聚类个数下的用户行为模块度值，若用户行为模块度值达到最大时，则对应的聚类个数即为最佳聚类个数；

40、s5432、计算每个用户行为数据点在特定半径内的密度，并根据密度由高到低排序，选择密度最大的数据点作为第一个聚类中心；

41、s5433、计算剩余的数据点与已确定聚类中心的欧氏距离及密度，并预先设定密度阈值及距离阈值，且选择既大于等于密度阈值且与现有聚类中心距离大于等于距离阈值的数据点作为新的聚类中心；

42、s5434、重复s5432-s5433，直到确定了所有初始聚类中心。

43、进一步的，获取用户行为模块度函数，并通过迭代过程，计算不同聚类个数下的用户行为模块度值时，利用优化算法，以用户行为模块度最大化为目标函数，在迭代过程中调整聚类中心，直至找到能够使用户行为模块度达到最大的聚类中心配置。

44、进一步的，将隐式活动表征向量输入训练后的多层感知机，并通过训练后的多层感知机进行预测，识别是否存在紧固件松动问题包括以下步骤：

45、预先收集以往振动数据产生的隐式活动表征向量，并转换为标准化的特征向量；

46、使用标准化的特征向量对多层感知机进行训练及评估，得到训练好的多层感知机；

47、将新获取的隐式活动表征向量进行格式转换后代入训练好的多层感知机，并输出预测结果，指示紧固件是否存在松动问题。

48、进一步的，使用标准化的特征向量对多层感知机进行训练及评估包括以下步骤：

49、设多层感知机的结构，包括输入层、隐藏层和输出层，且选择激活函数和初始化权重；

50、将标准化的特征向量划分为训练数据集和测试数据集；

51、利用梯度下降法，且使用训练数据集训练多层感知机，调整神经元权重以最小化平方误差；

52、使用测试数据集评估多层感知机的性能。

53、本发明的有益效果为：

54、（1）本发明提供的一种悬架及制动系统底盘紧固件松动整车测试方法，通过静态测试和动态测试，获取扭矩值和振动数据，并共同构建了一个全面的测试数据集，用于后续分析。通过计算振动数据的日振动一致性指数、时段振动一致性指数及振动稳定性变化指数，提供了对车辆日常运行稳定性的量化评估，为综合活动表征向量的计算提供了必要的输入数据，且融合了振动数据和车辆运动特征，提供了一个全面的车辆活动概览，生成了用于多层感知机的综合数据表示。

55、（2）利用树形结构分析测试数据，提供了一个结构化的测试报告，且实现了数据访问权限的动态管理，并提供了个性化的测试报告，权限管理和用户行为分析相结合，提高了数据安全性和个性化体验。利用深度学习算法对用户行为进行分析，实现了访问权限的智能调整，且用户行为模块度的计算为聚类和权限管理提供了依据。

56、（3）通过多层感知机学习从历史数据中识别紧固件松动的模式，并将这些知识应用于新的数据，以预测和诊断潜在的问题，通过多层感知机识别出潜在的紧固件松动问题，预测结果为维修决策提供了科学依据。