news 2026/4/25 2:29:21

IPEmotion数据处理-分类元件的灵活运用—车辆制动次数的多样计算

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
IPEmotion数据处理-分类元件的灵活运用—车辆制动次数的多样计算

(以下图片均来源于:IPETRONIK)

一、背景

汽车制动系统是为了在技术上保证汽车安全行驶、提高汽车平均速度等,因此专门在汽车上安装了制动装置。制动距离、制动时间和制动次数等参数在许多车辆测试中是评估制动系统性能、整车制动性能和制动装置耐久试验的重要参数。IPEmotion提供便捷的制动次数计算方法,简化了数据后处理过程,增强了从测试到数据后处理之间的系统连贯性。

二、IPEmotion特点

■ IPEmotion不仅可以配置IPETRONIK的测试设备,还可以进行数据分析,而无需导入第三方软件,从而减少了测试人员的工作量

不需要通过第三方软件来处理数据,且可直接通过现有函数或简便公式求得制动次数;

IPEmotion提供灵活的分类元件。根据某一参数的快速变化,并结合制动条件公式,可以进行便捷地计算,从而得到车辆制动次数。并且,针对处理后的结果,IPEmotion可提供特定的分类显示元件,将制动次数及原始参数以图表的形式来显示,由此不仅便于比较分析,而且增强了分析结果的可视性。

| IPEmotion数据管理-8种分类元件

在IPEmotion后处理序列操作中,可支持8种分类方法。分类处理的含义即根据标准对数据(样本)进行分组,并从源信号中分类计算出不同的统计值。

分类结果可在ANALYSIS工作区域里的直方图显示元件中显示。2D分类结果可在分类表或分类网格中显示。

| Sample count-采样计数分类

采样计数分类即对每个类别的样本(测量)数量进行计数。通过定义上下限范围来划分类数,并按等距大小进行划分。类计数结果还能够以百分比即相对结果形式来显示。参考例如下:

以“Vehicle_Speed”为源通道,上下限范围为0~100km/h,所有测量点均包含在其中,分为了5个类别,并按等距划分,每个类别为20km/h。

累计数结果以相对结果形式来显示(若部分测量点未包含于自定义的上下限中,则相对结果总体不等于100%),如下图所示。

| Time at level-时间级分类

时间级分类统计以秒(s)为单位。统计计算源信号在给定类别中停留的时间。参考例如下:

以“Vehicle_Speed”为源通道,上下限范围为0~100km/h,所有测量点均包含在其中,并以每个类别为20km/h的等距来划分了5个速度类。其中,80~100km/h的这一速度类中,时长为7.7s,且测量游标与分类计算结果是一致的。

| From to count-相邻类别切换计数分类

相邻类别切换计数。该分类即计算信号穿越相邻类别的频率(信号相邻类别切换次数)。参考例如下:

以“V_Torque”为源通道,上下限范围为0~100,以每个类别为20的等距来划分了5个类别。以类别4(60~80)与其相邻类别切换为例:从类别4穿越至类别5(80~100)次数为2,从类别4穿越至类别3(40~60)次数为2,并且计数结果可显示在矩阵表中。

| Level crossing-穿级计数分类

穿级计数分类,即统计计算信号穿越一个类别的次数。该分类方法计算正向类别穿越,也需根据参考线考虑负向类别穿越。参考线的选取将影响计算正、负向类别穿越的方法。当参考线大于分类下限时,负向类别穿越次数也将考虑在内,并且计数结果可显示在柱状图中,参考例如下:

穿级计数分类(参考线=0)

以“Vehicle_Speed”为源通道,上下限范围为0~100km/h,以每个类别为20km/h的等距来划分了5个速度类,并且参考线为0。信号每次在正方向上穿越过一个类别时,计数加1,并且计数速度信号从0km/h开始。从类别1穿越至类别2,正向穿越次数为1,且其它类别间的正向穿越同理。

穿级计数分类(分类范围:10~40km/h,参考线=10)

以“Vehicle_Speed”为源通道,上下限范围为10~40km/h,以每个类别为10km/h的等距来划分了3个速度类,并且参考线为10。信号每次在正方向上穿越过一个类别时,计数加一,并且计数速度信号从10km/h开始(10km/h不是初始速度,故正方向穿越参考线次数也包含在其中)。

穿级计数分类(分类范围:10~40km/h,参考线=30)

以“Vehicle_Speed”为源通道,上下限范围为10~40km/h,以每个类别为10km/h的等距来划分了3个速度类,并且参考线为30。信号每次在正方向及负方向上穿越过一个类别时,计数加一,并且计数速度信号从30km/h开始(参考线30km/h大于分类下限10km/h,故负向类别穿越次数也将考虑在内)。

| Transition matrix-过渡矩阵分类

过渡矩阵分类,即统计一个信号在一个给定类别中从最大值或最小值到达另一个类中的最大值或最小值的所有次数。参考例如下:

以“V_Torque”为源通道,上下限范围为0~100,以每个类别为20的等距来划分了5个类别。以类别3(40~60)为例:从类别3相对最大值穿越到类别2相应最小值的次数为2,从类别3中相对最小值穿越到类别5(80~100)相应最大值的次数为1,并且计数结果可显示在矩阵表中。

| Rainflow-雨流分类

雨流计数分类常用于机械结构的疲劳测试以及负载监控。参考例如下:

建议将参考信号图旋转90°,以便更好理解雨流的含义。在这一例子中,仅有2个事件计数,并且结果显示在矩阵表中。

| Sample count compound-混合采样计数分类

混合采样计数分类与采样计数分类类似。该分类方法参考2个通道,且仅计算2个通道在分类中重叠的值(数据点)的数量。该分类方法仅对具有较高采样率的通道的采样点进行计数。参考例如下:

以“Vehicle_Speed”和“Sine-1”这2个信号作为源通道,“Vehicle_Speed”上下限范围为0~100,以每个类别为20的等距来划分了5个类别。同理,“Sine-1”上下限范围为-5~5,以每个类别为2的等距来划分了5个类别。在这一例子中,仅对“Sine-1”通道进行计数,并且计数结果可显示在分类表中。

“Vehicle_Speed”和“Sine-1”在类别1中重叠的部分如图中白色区域所示。“Sine-1”采样率较高,故对其重叠部分进行计数。

“Vehicle_Speed”类别2和“Sine-1”类别5中重叠的部分如图中白色区域所示。仍仅对采样率较高的“Sine-1”重叠部分进行计数。

| Time at level compound-混合时间级分类

混合时间级分类,该分类方法与时间级分类相似。在该分类方式下,需要计算时间——信号停留在给定类别中的时间。作为复合分类方法,其采用与混合采样计数分类有相同的原理,仅对具有较高采样率的通道进行时间计数。并且,计数结果以秒(s)为单位显示在分类表中。参考例如下:

以“Vehicle_Speed”和“Sine-1”这2个信号作为源通道,“Vehicle_Speed”上下限范围为0~100,以每个类别为20的等距来划分了5个类别。同理,“Sine-1”上下限范围为-5~5,以每个类别为2的等距来划分了5个类别。在这一例子中,仅对“Sine-1”通道以时间级来进行计数,并且计数结果显示在分类表中……

点击“阅读原文”查看剩余40%精彩内容。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/24 19:54:58

Java毕设项目:基于springboot的中药科普知识平台的设计与实现(源码+文档,讲解、调试运行,定制等)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

作者头像 李华
网站建设 2026/4/22 3:02:58

【金融项目实战】11_接口测试 _代码(python+flask)实现mock服务

文章目录一、代码实现mock服务1.1 flask基本用法二、模拟状态码[面试题]一、代码实现mock服务 需求场景: 模拟一个:登录接口-1、在API文档中说明如果登录成功,返回:状态码:200 {"status":200,"msg":"登录成功!","token":…

作者头像 李华
网站建设 2026/4/20 7:05:50

浙江大学首创手机AI助手“记忆力大考“

这项由浙江大学牵头,联合南开大学、香港中文大学、上海交通大学及vivo AI实验室共同完成的重要研究发表于2026年2月,为人工智能领域的手机助手评测提供了全新视角。有兴趣深入了解的读者可以通过arXiv:2602.06075查询完整论文。当你使用手机上的AI助手时…

作者头像 李华
网站建设 2026/4/24 7:33:02

南大团队突破:AI实现多语言推理完美一致性

这项由南京大学新型软件技术国家重点实验室、德国图宾根大学和中国移动研究院联合开展的突破性研究,于2026年2月发表在arXiv预印本平台(论文编号:arXiv:2602.05940v1)。研究团队发现了多语言AI推理中一个令人困扰的现象&#xff0…

作者头像 李华
网站建设 2026/4/24 6:56:02

首尔国立大学等机构突破:AI实现数学答案自动对错判断

这项由首尔国立大学领导、联合OnelineAI和ORACLE等多家机构共同完成的研究,发表于2026年2月的预印本论文(arXiv:2602.06291v1),为我们揭开了一个颇为有趣的科学谜题:当人工智能面对那些连自己都解不出来的高难度数学问…

作者头像 李华
网站建设 2026/4/17 3:26:00

新版Alexa体验不佳致用户重返旧版Siri

据《The Verge》记者詹妮弗帕蒂森图希报道,Alexa Plus结合重新设计的Alexa应用程序将生成式AI助手置于核心位置,这使得整个使用体验变得非常糟糕,以至于她不得不重新转向苹果的提醒应用和Siri。这个引人注目的标题"Alexa应用太糟糕了&am…

作者头像 李华