響應84’與來自補充系統(tǒng)的虛擬模型70’的響應88’進行比較。再一次地，例如且不作限制，響應88’可以包括垂直位移、縱向力、橫向力、外傾力矩以及轉(zhuǎn)向角。注意，力和位移信號僅僅作為示例，可以從測試裝備72’提供其他響應信號。
[0077]參考回圖11，提供來自測試裝備72’的響應82’作為輸入，以形成向輪胎車輪組件的虛擬模型70’的隨機驅(qū)動86’。虛擬車輛模型70’排除了被測部件，在這種情況下，車輛80’減少車輪和輪胎。虛擬模型70’用隨機響應信號88’來對隨機驅(qū)動輸入信號86’進行響應。
[0078]在過程的第三步驟中，將輪胎車輪的虛擬系統(tǒng)70’的隨機響應88’與關聯(lián)的測試裝備隨機響應84’進行比較。執(zhí)行比較90’，以形成隨機響應差92’(這里，其包括力、力矩和位置)。隨機響應差92’和隨機裝備驅(qū)動78，之間的關系建立系統(tǒng)動態(tài)響應模型76’。對組合式系統(tǒng)動態(tài)響應模型76’的確定可以在離線過程中完成，從而不需要高性能和高速度的計算能力。當車輛80’在物理系統(tǒng)中時，系統(tǒng)動態(tài)響應模型76’的測量測量輪胎和車輪虛擬模型70’的響應88’與裝備響應84’之間的差對裝備輸入76’的靈敏度。一旦已對裝備驅(qū)動78’與系統(tǒng)響應差92’之間的關系建立了模型，就以與圖7類似但未以其他方式詳細示出和描述(因為已經(jīng)清楚示出了圖6和11之間的關系)的方式執(zhí)行離線迭代過程。如參照圖7所描述的，在圖11和12的混合動態(tài)系統(tǒng)中執(zhí)行迭代，直到該混合動態(tài)系統(tǒng)中的仿真誤差小于所選擇的容限值。應當注意，如果需要，與至圖7的車輛模型70的附加虛擬道路輸入相似，可以沿著圖12的71’處示出的另一個示例性補充輸入，向輪胎和車輛模型70’提供相似的道路輸入。
[0079]圖13和14示出了包括完整車輛的混合動態(tài)系統(tǒng)測試的另一個示例。圖13的實施例只是與圖11和12的實施例相反。具體地，圖13的實施例包括測試裝備72”和四個物理輪胎和車輛組件(一并在80”處示出)。對輪胎和車輛組件80’補充的補充系統(tǒng)的虛擬模型70”包括車輛模型(缺少每個輪胎車輪組件)。在參照圖6和11的前述實施例來描述的過程后(對其詳細描述將顯得冗繁)進行的操作是，該混合動態(tài)系統(tǒng)再次確定其關聯(lián)系統(tǒng)動態(tài)響應模型。同樣，在以圖6和11類似的方式確定系統(tǒng)動態(tài)響應模型后，對系統(tǒng)動態(tài)響應模型求逆，并用于迭代仿真控制過程(與圖7相似并在圖13中用箭頭97”和99”表示)中的測試裝備驅(qū)動預測，直到該混合動態(tài)系統(tǒng)中的仿真誤差小于所選擇的容限值。
[0080]圖14示出了一種混合動態(tài)系統(tǒng)，其中可以多次使用單個物理組件/子結(jié)構以及關聯(lián)的測試裝備，以獲得裝備響應的多樣性(multiplicity)，來仿真混合動態(tài)系統(tǒng)中可能存在的多個實際物理部件。圖14與圖13相似之處在于，其包括缺少每個輪胎車輪組件的車輛70”的虛擬模型。然而，在圖14的實施例中，測試裝備72”’被配置為對單個物理輪胎和車輛組件80”’施加力和位移。盡管如此，圖14的實施例基本可以獲得與圖13的實施例相似的結(jié)果。在前述實施例中，確定系統(tǒng)動態(tài)響應模型與參照圖11來描述的模型基本相似，其使用實際上包括四組隨機驅(qū)動78A”’、78B”’、78C”’和78D”’的隨機驅(qū)動78”’來驅(qū)動測試裝備72’，四組隨機驅(qū)動中的每一組都表示車輛的四個輪胎車輪組件的每一個的用于測試裝備72”’的隨機驅(qū)動。具備隨機驅(qū)動78A”’、78B”’、78C”’和78D”’之一的每個應用，就獲得對應的第一測試裝備響應82A”’、82B”’、82C”’和82D”’以及對應的第二測試裝備響應84A”’、84B”’、84C”’和84D”’。總的來說，第一測試裝備響應82A”’、82B”’、82C”’和82D”’被用作到虛擬車輛模型70’的隨機模型驅(qū)動86”’，隨機模型驅(qū)動86”’生成與第二測試裝備響應84A”’、84B”’、84C”’ 和 84D”’ (離線)進行比較的對應響應 88A”’、88B”’、88C”’ 和 88D”’。由于隨機驅(qū)動78A”’ - 78D”’中每一個可以連續(xù)被施加于測試裝備72”’ (并被存儲)，測試裝備72”’可以生成和存儲對應的測試裝備響應82A”’ -82D”’以及84A”’ -84D”’，可以清楚看出，可以獲得隨機模型驅(qū)動86”’并用模型70”’來處理以生成響應88A”’ -88D”’，然后將88A，，，- 88D，，，與測試裝備響應84A，，，- 84D，，，進行比較。因此，雖然在測試裝備80”，中使用一個物理輪胎車輪組件，從圖14的混合動態(tài)系統(tǒng)獲得的系統(tǒng)動態(tài)響應模型將與從圖13獲得的系統(tǒng)動態(tài)響應模型非常相似。因而，圖14的實施例基本上復制了從圖13的實施例獲得結(jié)果。這是可能的，因為測試裝備72”’獲得裝備響應的致動和用裝備響應來對補充系統(tǒng)的虛擬模型70’的處理彼此解耦合。
[0081]上文描述了可以工作的迭代測試開發(fā)步驟(順序地將輸入施加于在本文中表示每個單獨輪胎的單個裝備)。針對前述動態(tài)建模步驟，以這種方式來完成。但是針對建模步驟更優(yōu)選下文圖15中描述的方法，因為不需要測量相同系統(tǒng)的動態(tài)行為四次?？梢詫悠?裝備+輪胎)的一個FRF與虛擬車輛的FRF數(shù)學組合(圖15所示的相反模式)。
[0082]與用于確定系統(tǒng)動態(tài)響應模型的過程相似，獲得測試裝備72”’的合適最終驅(qū)動的迭代處理也涉及分別向測試裝備72”’施加驅(qū)動，并存儲關聯(lián)的裝備響應，直到獲得全部四組每種類型的裝備響應，而且是在以下步驟之前:向補充系統(tǒng)的虛擬模型70”’施加4組測試裝備響應中的一組，并且與圖7相似，在迭代過程中使用系統(tǒng)動態(tài)響應模型的逆，直到仿真誤差低于選擇的容限值。本領域技術人員可以理解，順序使用一個物理部件80”’和測試裝備72”’(在這個實施例中，分別4次)時，總測試時間通常更長；然而，由于測試裝備72”’沒有測試裝備72”昂貴，并且測試裝備72”’中需要較少的單獨物理部件，所以節(jié)省成本。
[0083]圖15示出了系統(tǒng)標識激勵信號可針對被標識的復雜度和計算負載關聯(lián)子系統(tǒng)(物理或虛擬)來定制的實施例。實際上，這可以提高獲得完整混合動態(tài)系統(tǒng)(如圖11-14所示)的復雜混合動態(tài)系統(tǒng)的計算的速度。在圖11-12中，針對每個輪胎車輪組件，模型70’中存在多個虛擬子系統(tǒng)。類似地，在圖13中，測試裝備72”中存在多個物理子系統(tǒng)80”，而在圖14中，使用多次使用的一個物理子系統(tǒng)80”’來表示多個物理子系統(tǒng)。
[0084]通過示例方式，圖11-12的實施例，模型70’可以包括4個非實體的車輪和輪胎組件(DWT)，DWT彼此基本相似，并且當在包括物理車輛80’的混合動態(tài)系統(tǒng)中使用時，可以不具有基本交叉耦合的輸入和輸出；因而車輛的每個“角”或者DWT的每個模型都具有相同的虛擬動態(tài)響應，在本文中例示為具有相同F(xiàn)RF的一個示例。其通過圖15中的方法300示出，其中使用輪胎車輪組件的模型304來獲得虛擬FRF 302。具體地，向模型304施加隨機驅(qū)動305，以獲得建模隨機響應306。然后，使用隨機驅(qū)動305和建模隨機響應306，可以獲得虛擬子系統(tǒng)動態(tài)響應(如FRF)302。由于在這個實施例中，假設模型的每個角進行相同動作，可以獲得全部四個角的全部子系統(tǒng)310的組合虛擬動態(tài)響應，其中，由于認為交叉耦合不存在，所以沿著全部子系統(tǒng)310的組合虛擬動態(tài)響應的對角線重復虛擬子系統(tǒng)動態(tài)響應302。
[0085]通過方法320來獲得物理系統(tǒng)80’的物理動態(tài)響應。具體地，向物理系統(tǒng)80’施加隨機驅(qū)動322，以獲得第一組“耦合”隨機響應324(與圖11的響應82’相似)和第二組“收斂”隨機響應326 (與圖11的響應84’相似)。使用隨機驅(qū)動322和第一組耦合隨機響應320來獲得第一動態(tài)響應模型(如FRF) 328，與此同時，使用隨機驅(qū)動322和第二組收斂隨機響應326來獲得第二動態(tài)響應模型(如FRF)330。在332，使用處理器將全部子系統(tǒng)310的組合虛擬動態(tài)響應與第一動態(tài)相應模型328相乘，實現(xiàn)動態(tài)響應矩陣，當通過乘法器334將動態(tài)響應矩陣與第二動態(tài)響應模型330相組合時，生成系統(tǒng)動態(tài)響應模型76’。
[0086]圖15是示出的過程可以節(jié)省大量的處理時間。例如，如果隨機驅(qū)動305包括100秒時間，則處理器可能需要30分鐘來實現(xiàn)建模隨機響應306。在這個示例中，假設向包括測試裝備72’的物理系統(tǒng)80’施加800秒的隨機驅(qū)動322，以獲得如上文所述并在此后用于實現(xiàn)系統(tǒng)動態(tài)響應模型76’的響應組。通過比較，如果使用參照圖11所述的過程(包括被分別建模的每個角的更復雜模型70’)向車輛80’施加800秒隨機驅(qū)動322，處理器可能需要20個小時來計算機隨機建模響應86’，才可能得到相同或基本相同的系統(tǒng)動態(tài)響應76’。當然，上文示出的處理時間僅是說明性的，并且不應被認為是限制性的。
[0087]如上文所示，圖15示出的過程可以應用于圖13和14的實施例。根據(jù)所需精度，在應用于車輛70”的模型(缺少物理系統(tǒng))時，其可能充分也可能不充分，但是仍需注意的是，本發(fā)明方面的使用不限于包括車輛及其部件的應用，可以應用于所有類型的混合動態(tài)系統(tǒng)。在使用圖15的過程來對圖13和14的實施例進行處理的另一個方法中，可以交換方法300和320。具體地，方法320包括驅(qū)動對應的測試裝備72”以獲得解耦合的“耦合”和“收斂” FRF (每個都與310相似)。針對圖14的實施例，通過驅(qū)動測試裝備72”’ 一次并且假設每個都以相同方式動作，獲得相同的解耦合“耦合”和“收斂”FRF。然后，