本發(fā)明涉及車輛設計技術(shù)領域，更具體地說，涉及一種車輛設計屬性目標設定方法。

背景技術(shù)：

汽車設計的內(nèi)容一般包括整車總體設計、總成設計和零件設計。整車總體設計又稱為汽車的總布置設計，其任務是使所設計的產(chǎn)品達到設計任務書所規(guī)定的整車參數(shù)和性能指標的要求，并將這些整車參數(shù)和性能指標分解為有關總成的參數(shù)和功能。

大部分的國內(nèi)汽車設計公司和汽車制造廠在汽車設計階段，根據(jù)基礎車型和競爭車型的屬性參數(shù)來定義確定項目車型屬性。然而，屬性確定過程沒有統(tǒng)一的理論基礎和方法，造成汽車內(nèi)部空間浪費和汽車設計不合理，未能有效利用汽車空間，設計不夠人性化。

綜上所述，如何有效地解決車輛設計目標屬性難以設定造成車輛設計不合理等問題，是目前本領域技術(shù)人員急需解決的問題。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的第一個目的在于提供一種車輛設計屬性目標設定方法，該方法可以有效地解決車輛設計目標屬性難以設定造成車輛設計不合理的問題。

為了達到上述目的，本發(fā)明提供如下技術(shù)方案：

一種車輛設計屬性目標設定方法，包括：

選取預設數(shù)量的參考屬性樣本，并統(tǒng)計各所述參考屬性樣本的屬性值；

根據(jù)各所述屬性值進行正態(tài)分布擬合；

將所述正態(tài)分布擬合的屬性值按照預設累積概率值劃分為N個不同的設定級別，并獲取每個所述設定級別對應的屬性值范圍；N為大于1的正整數(shù)。

優(yōu)選地，上述車輛設計屬性目標設定方法中，所述將所述正態(tài)分布擬合的屬性值按照預設累積概率值劃分為N個不同的設定級別包括：

將所述正態(tài)分布曲線按照預設累積概率值劃分為四個不同的設定級別，所述預設累積概率值包括第一累積概率值、第二累積概率值和第三累積概率值，所述第一累積概率值為第一級與第二級的界限；所述第二累積概率值為所述第二級與第三級的界限；所述第三累積概率值為所述第三級與第四級的界限。

優(yōu)選地，上述車輛設計屬性目標設定方法中，在所述屬性值越大越優(yōu)的情況下，所述第一累積概率值的范圍為85％-95％，所述第二累積概率值的范圍為65％-75％，所述第三累積概率值的范圍為25％-35％；

在所述屬性值越小越優(yōu)的情況下，所述第一累積概率值為5％-15％，所述第二累積概率值為25％-35％，所述第三累積概率值為65％-75％；所述第一累積概率值、第二累積概率值和第三累積概率值均指小于和等于對應所述屬性值的累積概率。

優(yōu)選地，上述車輛設計屬性目標設定方法中，在所述屬性值越大越優(yōu)的情況下，所述第一累積概率值為90％，所述第二累積概率值為70％，所述第三累積概率值為30％；

在所述屬性值越小越優(yōu)的情況下，所述第一累積概率值為10％，所述第二累積概率值為30％，所述第三累積概率值為70％；所述第一累積概率值、第二累積概率值和第三累積概率值均指小于和等于對應所述屬性值的累積概率。

優(yōu)選地，上述車輛設計屬性目標設定方法中，所述根據(jù)各所述屬性值進行正態(tài)分布擬合，具體包括：

通過數(shù)據(jù)處理軟件根據(jù)各所述屬性值進行正態(tài)分布擬合。

優(yōu)選地，上述車輛設計屬性目標設定方法中，所述參考屬性樣本包括目標車輛的原形車和競爭車型。

優(yōu)選地，上述車輛設計屬性目標設定方法中，所述參考屬性樣本包括國內(nèi)車型和國外車型。

優(yōu)選地，上述車輛設計屬性目標設定方法中，各所述參考屬性樣本的屬性值中的最大值與最小值之差應大于預設閾值。

優(yōu)選地，上述車輛設計屬性目標設定方法中，以同一主機廠作為一個所述參考屬性樣本時，同一所述主機廠的不同車型的各屬性值的均值作為所述主機廠對應的屬性值。

優(yōu)選地，上述車輛設計屬性目標設定方法中，所述參考屬性樣本包括與所述目標車型相似平臺的車型。

應用本發(fā)明提供的車輛設計屬性目標設定方法，根據(jù)設計車輛選取預設數(shù)量的參考屬性樣本，統(tǒng)計各個參考屬性樣本對應的屬性值，根據(jù)各屬性值進行正態(tài)分布擬合，由擬合結(jié)果將各屬性值按照預設累積概率值劃分為N個不同的設定級別，并獲取每個設定級別對應的屬性值范圍。因而，根據(jù)設計車型前期定義的需滿足的設定級別，即可確定出其屬性值范圍。通過該方法，一方面能夠基于統(tǒng)一的方法設定屬性目標值，屬性值確定更為簡便易行。同時，通過統(tǒng)計分析使得目標屬性設定值更為合理，進而能夠有效利用車輛空間、提高車輛設計的人性化水平，設計更為合理。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明提供的車輛設計屬性目標設定方法一種具體實施方式的流程示意圖；

圖2為正態(tài)分布擬合結(jié)果示意圖。

具體實施方式

本發(fā)明實施例公開了一種車輛設計屬性目標設定方法，以便于設定車輛設計目標屬性，使得車輛設計更為合理。

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

請參閱圖1，圖1為本發(fā)明提供的車輛設計屬性目標設定方法一種具體實施方式的流程示意圖。

在一種具體實施方式中，本發(fā)明提供了一種車輛設計屬性目標設定方法，包括以下步驟：

S1：選取預設數(shù)量的參考屬性樣本，并統(tǒng)計各所述參考屬性樣本的屬性值；

在車輛設計階段，一般由基礎車型和競爭車型的屬性來定義確定項目車型，也即是設計車型的設計屬性值。因而，先選取預設數(shù)量的參考屬性樣本，并統(tǒng)計各參考屬性樣本的屬性值。需要說明的是，參考屬性樣本指設計車型的基礎車型及競爭車型等作為屬性設定參考的其他車型。此處及下文提到的屬性值，可以指車輛的NVH值等車輛設計中常用的屬性值，具體可根據(jù)設計需要進行選擇。當然，待確定的設計車輛的屬性值為NVH值時，則各參考屬性樣本的屬性值自然也指各參考屬性樣本與設計屬性對應的屬性值，如NVH值。當然，作為后續(xù)正態(tài)分布擬合的數(shù)據(jù)來源，參考屬性樣本的數(shù)量一般不小于5個，以避免樣參考屬性樣本的不確定性，其具體個數(shù)可根據(jù)屬性值的分布情況及計算量等因素進行設置，此處不作具體限定。

S2：根據(jù)各所述屬性值進行正態(tài)分布擬合；

根據(jù)統(tǒng)計的各個參考屬性樣本對應設計屬性的屬性值，進行正態(tài)分布擬合，具體可以通過數(shù)據(jù)處理軟件進行正態(tài)分布擬合，如通過EXCEL計算或者MATLAB等數(shù)據(jù)處理軟件進行計算。當然，也可以通過結(jié)合計算器等設備進行手動計算。具體的正態(tài)分布擬合可以根據(jù)需要擬合概率密度函數(shù)或者累計分布函數(shù)，或也可以通過插值等方式擬合出正態(tài)分布曲線。

S3：將所述正態(tài)分布擬合的屬性值按照預設累積概率值劃分為N個不同的設定級別，并獲取每個所述設定級別對應的屬性值范圍；N為大于1的正整數(shù)。

由正態(tài)分布擬合結(jié)果，根據(jù)預先確定的不同級別對應的預設累計概率值，將擬合的屬性值劃分為不同的設定級別。此處的預設累積概率值一般指屬性值小于或者等于某一屬性值的概率，根據(jù)需要也可以指屬性值大于或者等于某一屬性值的概率，也就是通過累積概率值將各屬性值劃分為不同的設定級別，每個級別對應預設的累積概率?；蛘咭部梢酝ㄟ^確定預設級別對應的該級別內(nèi)的累積概率值來劃分。正態(tài)分布擬合的屬性值，優(yōu)選的指由參考屬性樣本的屬性值擬合得到的正態(tài)分布函數(shù)對應的屬性值，因而為連續(xù)的。也可以為通過插值等方式獲得正態(tài)分布圖，則正態(tài)分布擬合后的屬性值可以為間斷的。將擬合出的正態(tài)分布結(jié)果，如正態(tài)分布函數(shù)，劃分之后，即可獲得每個級別對應的屬性值的臨界值，也就是相鄰兩個級別的界限，也就獲得了對應每個級別的屬性值范圍。具體設定級別的個數(shù)不少于兩個，一般為三個以上，優(yōu)選的為四個。每個設定級別表征的含義可以根據(jù)具體需要進行設置，并確定其對應的累積概率值。

應用本發(fā)明提供的車輛設計屬性目標設定方法，根據(jù)設計車輛選取預設數(shù)量的參考屬性樣本，統(tǒng)計各個參考屬性樣本對應的屬性值，根據(jù)各屬性值進行正態(tài)分布擬合，由擬合結(jié)果將各屬性值按照預設累積概率值劃分為N個不同的設定級別，并獲取每個設定級別對應的屬性值范圍。因而，根據(jù)設計車型前期定義的需滿足的設定級別，即可確定出其屬性值范圍。通過該方法，一方面能夠基于統(tǒng)一的方法設定屬性目標值，屬性值確定更為簡便易行。同時，通過統(tǒng)計分析使得目標屬性設定值更為合理，進而能夠有效利用車輛空間、提高車輛設計的人性化水平，設計更為合理。

進一步地，上述步驟S3中，將所述正態(tài)分布擬合的屬性值按照預設累積概率值劃分為N個不同的設定級別具體可以包括：

將正態(tài)分布曲線按照預設累積概率值劃分為四個不同的設定級別，預設累積概率值包括第一累積概率值、第二累積概率值和第三累積概率值，第一累積概率值為第一級與第二級的界限；第二累積概率值為第二級與第三級的界限；第三累積概率值為第三級與第四級的界限。也就是通過三個累積概率值作為兩兩設定級別的界限，從而將正態(tài)分布擬合的屬性值劃分為四個設定級別，第一級具體可以記為H+級、第二級具體可以記為H級、第三極具體可以記為E級和第四級具體可以記為L級，分別表示性能顯著高于競爭車型、性能高于競爭車型、性能與競爭車型基本等同以及性能劣于競爭車型。進而，根據(jù)具體設計車型的級別，如為H級，則可以對應H級的屬性值范圍進行屬性設定。

更進一步地，在屬性值越大越優(yōu)的情況下，第一累積概率值的范圍為85％-95％，第二累積概率值的范圍為65％-75％，第三累積概率值的范圍為25％-35％；在屬性值越小越優(yōu)的情況下，第一累積概率值為5％-15％，第二累積概率值為25％-35％，第三累積概率值為65％-75％；第一累積概率值、第二累積概率值和第三累積概率值均指小于對應屬性值的累積概率。當然，對于具體的某一設定過程，第一累積概率值、第二累積概率值和第三累積概率值應均為一確定的值，且具體累積概率值應分別屬于上述對應的數(shù)值范圍內(nèi)。通過上述累積概率值也就是兩兩設定級別界限值的設定，各個級別能夠更好的表征其與競爭車型的關系。

具體的，在屬性值越大越優(yōu)的情況下，第一累積概率值為90％，第二累積概率值為70％，第三累積概率值為30％；在屬性值越小越優(yōu)的情況下，第一累積概率值為10％，第二累積概率值為30％，第三累積概率值為70％；第一累積概率值、第二累積概率值和第三累積概率值均指小于和等于對應屬性值的累積概率。也就是在屬性值越大越優(yōu)的情況下，H+級和H級的界限為90％，H級和E級的界限為70％，E級和L級的界限為30％。也就是H+級內(nèi)的概率占10％，H級內(nèi)的概率占20％，E級的概率占40％，L級的概率占30％。通過累積概率值可以獲得各級別對應的臨界屬性值，累積概率值為90％對應的屬性值記為A，累積概率值為70％對應的屬性值記為B，累積概率值為30％對應的屬性值記為C，也就是屬性值小于或等于A的概率為90％；屬性值小于或等于B的概率為70％；屬性值小于或等于C的概率為30％。從而獲得H+級和H級的屬性值界限為A，即H+級車型的屬性值應大于A；H級和E級的屬性值界限為B，也就是H級車型的屬性值應大于B小于A；E級和L級的屬性值界限為C，也就是E級車型的屬性值應大于C小于B，L級車型的屬性值應小于C。根據(jù)具體設計車型的級別，如為H級，則可以對應H級的屬性值范圍設定其屬性在大于B小于A的范圍內(nèi)。

相應的，在屬性值越小越好的情況下，H+級和H級的界限為10％，H級和E級的界限為30％，E級和L級的界限為70％。也就是H+級內(nèi)的概率占10％，H級內(nèi)的概率占20％，E級的概率占40％，L級的概率占30％。通過累積概率值可以獲得各級別對應的臨界屬性值，累積概率值為70％對應的屬性值記為A1，累積概率值為30％對應的屬性值記為B1，累積概率值為10％對應的屬性值記為C1，也就是屬性值小于或等于A1的概率為10％；屬性值小于或等于B1的概率為30％；屬性值小于或等于C1的概率為70％。從而獲得L級和E級的屬性值界限為A1，即L級車型的屬性值應大于A1；E級和H級的屬性值界限為B1，也就是E級車型的屬性值應大于B1小于A1；H級和H+級的屬性值界限為C1，也就是H級車型的屬性值應大于C1小于B1，H+級車型的屬性值應小于C1。

在上述各實施例中，為了更精確的設定車輛設計屬性的目標值，參考屬性樣本可以按照以下原則進行選取。首先，參考屬性樣本應包括目標車輛的原型車和競爭車型。目標車輛的原型車指基于現(xiàn)有車型進行設計改進的車型。

參考屬性樣本應包括國內(nèi)車型和國外車型。綜合國內(nèi)車型和國外車型，使得參考屬性樣本能夠綜合反映國內(nèi)及國外對應屬性的情況。優(yōu)選的，應選擇具有代表性的車型作為參考屬性樣本，如能代表目標市場的競爭車型。國內(nèi)市場選取能代表國內(nèi)目前和未來典型車型。

各參考屬性樣本的屬性值中的最大值與最小值之差應大于預設閾值。也就是避免參考屬性樣本集中在很小的范圍內(nèi)，例如9/9/10/10/11。從而能夠使得參考屬性樣本更為真實的反應屬性值分布情況，進而由屬性值進行正態(tài)分布擬合并獲取各設定級別對應的屬性值范圍更為合理。

以同一主機廠作為一個參考屬性樣本時，同一主機廠的不同車型的各屬性值的均值作為主機廠對應的屬性值。也就是以來自同一主機廠的不同車型的屬性值均值最為參考屬性樣本的屬性值。

參考屬性樣本應包括與目標車型相似平臺的車型。如參考屬性樣本包括原形車以及本公司相似平臺的車型。進而設計時很好的結(jié)合了本公司車型等，使得設計更為合理。

以下以NVH屬性設定為例進行說明：

第一步：根據(jù)車輛參考屬性樣本的選取原則，收集參考屬性樣本的NVH屬性值；

第二步：根據(jù)獲取的參考屬性樣本的屬性值，利用EXCEL繪制NVH屬性值的正態(tài)分布圖，如圖2所示，圖2為正態(tài)分布擬合結(jié)果示意圖；

第三步：利用EXCEL計算設定車型的NVH屬性目標值，也就是根據(jù)預設累積概率值將正態(tài)分布擬合的屬性值劃分為四個不同級別，即H+級、H級、E級和L級。由于NVH屬性值越大越好，因而H+級和H級的界限為90％，H級和E級的界限為70％，E級和L級的界限為30％，也就是小于和等于對應屬性值的累積概率分別為90％、70％和30％。從而獲得對應屬性值界限為8.3246、8.0911和7.7676，即H+級和H級的屬性值界限為8.3246，H級和E級的屬性值界限為8.0911，E級和L級的屬性值界限為7.7676。則如果設計車型在項目前期的定義需要滿足H級別的屬性要求，設計車型NVH屬性目標范圍定義為8.0911到8.3246。

本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。

對所公開的實施例的上述說明，使本領域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。