一种设定汽车整车重量目标的方法与流程

本发明属于汽车设计
技术领域：
，具体涉及到一种设定汽车整车重量目标的方法。
背景技术：
：在汽车前期研发过程中，目前并没有一种可以实际操作的设定整车重量目标的方法。为了提高研发速度，满足日益苛刻的市场需求，技术部门和市场部门均要求在整车开发过程中需要在项目早期通过数据验证分析来补充和替代实物验证，而验证的基础需要整车重量模块小组在项目预研阶段就给出目标车型的整车重量。在项目初期，各个模块小组都在进行可行性分析，无法给出具体的重量值，因此也就无法从下往上统计出整车的重量，所以需要通过一种方法，在预研阶段就能够预估出整车重量，以满足技术和市场的要求。技术实现要素：本发明的目的是提出一种设定汽车整车重量目标的方法，可以在预研阶段就能够预估出整车重量，以满足技术和市场的要求。本发明的设定汽车整车重量目标的方法包括如下步骤：a、选择出目标车的现有的竞争车型，建立竞争车型数据库，以获得竞争车型的与整车重量关联度最高的关键参数；b、根据关键参数的参考数值，计算出目标车型的重量。进一步地，所述a步骤由下述步骤组成：a1、列出各个竞争车型的与整车重量关联度较高的参数，组成竞争车型数据库；a2、运用多元回归法的linest函数对各个参数与整车重量的相关性进行计算，得到与整车重量关联度最高的关键参数，并得到linest函数的附加回归统计值；a3、引入一元回归法的线性关系公式来确认所得到的关键参数的正确性，如果正确，则执行步骤b，否则重复执行a2、a3步骤，直到得到正确的关键参数。具体来说，上述a1步骤中与整车重量关联度较高的参数包括竞争车型的如下参数：长、宽、高、投影面积、整车重量与长*宽的比值、体积、密度、油耗、制动距离。所述a步骤中竞争车型的选择原则如下：竞争车型的轴距与目标车的轴距差值在±50mm以内；竞争车型的投产年份在五年以内；竞争车型与目标车在同一碰撞标准下的星级相同；竞争车型与目标车型的排量相同。为使竞争车型的选择更接近目标车，以及更能代表市场的现状，竞争车型与目标车型的配置相同；自主、韩日、欧美的竞争车型数量一致。进一步地，所述b步骤中，首先分析所述关键参数在过去几年的变化趋势，并根据该变化趋势推算出关键参数在目标车上市时间的参考数值；然后再根据关键参数的参考数值以及目标车的上市时间，计算出目标车型的重量。本发明的设定汽车整车重量目标的方法通过分析现有竞争车型的数据，得到与整车重量关联度最高的关键参数(即竞争车型各个属性与整车重量之间的潜在的逻辑关系)；并结合该关键参数的变化趋势、目标车的上市时间计算出目标车的整车重量，具有一定的合理性，可以在车辆预研阶段作为汽车开发的可靠参考。附图说明图1～图9是竞争车型的参数变量与整车重量之间的相关性曲线和相关性指数图。图10是实施例1中属性7参数与车辆上市年份的相关性。具体实施方式下面对照附图，通过对实施实例的描述，对本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理等作进一步的详细说明。实施例1：本实施例提出了一种设定汽车整车重量目标的方法，可以在预研阶段就能够预估出整车重量，以满足技术和市场的要求。本实施例的设定汽车整车重量目标的方法包括如下步骤：a、选择出目标车的现有的竞争车型，建立竞争车型数据库，以获得竞争车型的与整车重量关联度最高的关键参数；b、根据关键参数的参考数值，计算出目标车型的重量。下面具体阐述本实施例的设定汽车整车重量目标的方法。整车重量目标的设定所有的基础来源于竞争车型的重量数据库，以及对竞争车型相关参数的分析。因此竞争车型的选择非常关键，需要满足以下几个条件，如表1所示，在满足这些条件的前提下，所选择的车型数量越多，目标设定的结果越准确。表1竞争车型选择原则按照表1的原则选择好竞争车型后，列出各个竞争车型的长、宽、高、投影面积(整车俯视图投影到地面的面积)，属性7(整车重量与长*宽的比值)、体积(长*宽*高)、密度(整车重量与体积的比值)，油耗、制动距离等与整车重量关联度较高的参数，建立相关数据库，如下面的表2a、表2b所示。表2a表2b车型属性4属性5属性6属性7属性8属性9目标车型0.1552e-038175600120917124001.05e-076.842.0bm车型10.1517e-038292015121892620501.03e-078.540.4bm车型20.1556e-038265482122577098061.05e-077.440.5bm车型30.1588e-037999200119188080001.07e-077.041.8bm车型40.1484e-038072911120286373909.96e-086.644.3bm车型50.155e-038031744117665049601.06e-077.342.3bm车型60.1562e-038257032122369214241.05e-077.639.4bm车型70.1715e-038016066119198901421.15e-075.441.0bm车型80.1516e-038408400125285160001.02e-078.443.8bm车型90.1565e-038083548144857180168.73e-087.342.7bm车型100.1521e-038253750120092062501.05e-077.540.0bm车型110.148e-038040750117394950001.01e-077.444.9bm车型120.1646e-038262606122038690621.11e-078.043.4bm车型130.1487e-038111750117214787501.03e-076.342.6运用多元回归法的linest函数对各个参数与整车重量的相关性进行计算，得出影响整车重量的关键参数。linest函数的计算公式为：y＝a1*x1+a2*x2+a3*x3+a4*x4+...an*xn+b；其中，因变量y是自变量x的函数值，a值是与每个x值相对应的系数，b为常量。注意，y、x和a可以是向量。linest函数返回的数组为{an，an-1，...，a1，b}，linest函数还可返回附加回归统计值。下面的表3显示了linest函数的附加回归统计值返回的顺序。anan-1...a2a1bsensen-1...se2se1sebr2seyfdfssregssresid其中：①se1，se2，...，sen是系数a1，a2，...，an的标准误差值，seb常量b的标准误差值。②r2是判定系数；y的估计值与实际值之比，范围在0到1之间。如果为1，则样本有很好的相关性，y的估计值与实际值之间没有差别。相反，如果判定系数为0，则回归公式不能用来预测y值。③sey是y估计值的标准误差。④f是统计或观察值，使用f统计可以判断因变量和自变量之间是否偶尔发生过可观察到的关系。⑤df是自由度，用于在统计表上查找f临界值。将从表中查得的值与linest函数返回的f统计值进行比较可确定模型的置信区间；⑥ssreg是回归平方和；ssresid是残差平方和。现在需要论证上述九个参数与整车变量的相关性是否合理，首先按照多元回归法建立linest函数公式：m＝a9*l+a8*w+a7*h+a6*ρs+a5*s+a4*v+a3*ρv+a2*oc+a1*bl+a10；(公式1)将表2的数据中的相关参数代入上述函数公式进行计算，得到附加回归统计值，如下面的表4所示。表4某目标车型的附加回归统计值a1a2a3a4a5a6a7a8a9a10-0.0870.3420-6.67e-085.1e-0480930.538-1.156-0.45839.890.1870.83908.64e-082.5e-0460.70.6980.9790.3820450.9991.11258027574188.659根据表4的结果来看，判定系数r2为0.99，证明该公式中所选择的参数基本上是正确和合理的。另外统计值f为5802，由于f有两个自由度v1和v2，本文中常量a10不为0，故计算如下：v2＝df＝7；v1＝n-df-1＝9-7-1＝1；运用fdist(f，v1，v2)函数计算偶然出现统计值f为5802的这种数值比较高的情况的概率，其中fdist(f，v1，v2)＝fdist(5802，1，7)＝1.76858e-11。从计算结果来看，出现高统计值的概率非常小，基本上不可能。所建立的linest函数公式可以用来评估整车重量。通过多元回归法得到的9个变量，实际操作比较困难，并且很多变量和重量之间影响关系很弱。下面进一步进行每个变量与整车重量的相关性强弱关系的分析，分析方法引入一元回归法的线性关系公式：y＝a*x+b；(公式2)r2＝c；(公式3)其中a为关系系数，b为常量，相关性指数r2反映的是该变量与整车重量之间的相关性，c的值越大，相关性越强。将表2中的相关参数代入上述线性公式中进行计算，得到每个参数变量与整车重量之间的相关性曲线和相关性指数，如图1～图9所示。将上述的计算结果汇总对比分析，得到的结论如表5所示，与整车重量的相关性比较高的几个参数主要是属性7、整车宽度、投影面积。表5一元回归结果统计分析通过一元回归法分析发现，属性7对整车的重量影响是最强的。其它属性因子相对属性7，它们对整车重量的影响分别只有1/88.25、1/117.67和1/16.81，因此可以忽略不计。最终确定采用属性7作为整车重量的关键变量参数，其函数公式为：m＝8091000*ρs-1.957(公式4)；该公式中8091000是一元回归的统计均值，在计算具体车型的时候可以用整车长和宽的乘积代替，因此上述公式转换为：m＝l*w*ρs-1.957(公式5)。下面进一步实例验证上述公式5的正确性，如表6所示的是所挑选的三款车型的相关参数：表6案例分析对于车型a，采用多元回归法的公式1计算得到的结果为：m＝1268.78kg，采用一元回归法的公式5计算得到结果为：m＝1267.05kg。对于车型b，采用多元回归法的公式1计算得到的结果为：m＝1259kg，采用一元回归法的公式5计算得到结果为：m＝1258kg。对于车型c，采用多元回归法的公式1计算得到的结果为：m＝1358.4kg，采用一元回归法的公式5计算得到结果为：m＝1360kg。从这三款车型的案例计算来看，一元回归法所得出的结果和实际结果相差很小，在误差允许的范围内，从而进一步得出公式5是有效的。根据上述所确定的函数公式，只要知晓属性7这个参数值，就可以计算出目标车型的重量，设定为目标进行整车的重量控制，但是随着轻量化技术的发展，市场上竞争的重量呈逐年下降的趋势，而我们的目标车一般需要经过3～4年的开发验证后才能上市，为了保障目标车型的重量具有优势，那么在制定目标的时候就需要考虑未来几年的整车重量下降趋势。下面以车辆上市年份为变量，仍然采用一元回归法来分析属性7这个参数与车辆上市年份的相关性，图10是相关性分析后的结果。根据相关性的分析结果，得到属性7与车型年份的相关性的公式6，公式6中x指的是年份变量：ρs＝-6.19e-07*x+1.4e-03(公式6)；将公式6导入公式5中，从而得到整车重量目标的计算公式：m＝l*w*(-6.19e-07*x+1.4e-03)-1.957(公式7)；假设目标车的长度l为4650mm，宽度w为1820mm，计划2015年上市，则该车型的整车重量目标运用公式7计算得出：m＝4650*1820*(-6.19e-07*2015+1.4e-03)-1.957＝1290kg。需要注意的是不管是运用多元回归法还是一元回归法，最终得到的整车目标计算公式的相关性参数都是根据竞争车型的重量数据库所分析得出的，所以这个数据库所涵盖的车型越多，该公式就越准确。上面结合附图对本发明进行了示例性描述，显然本发明具体设计并不受上述方式的限制，只要采用了本发明的构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。当前第1页12