Indiana University-Purdue University Indianapolis (IUPUI) / Understanding the operating profile of different heavy-duty vehicles is needed by parts manufacturers for improved configuration and better future design of the parts. This study investigates the use of a tournament classification approach for both vocation and fleet identi- fication. The proposed approach is implemented using four different classification techniques, namely, K-Means, Expectation Maximization, Particle Swarm Optimization, and Support Vector Machines. Vocations classifiers are developed and tested for six different vocations ranging from coach buses to rail inspection vehicles. Operational field data are obtained from a number of vehicles for each vocation and aggregated over a pre-set distance that varies according to the data collection rate. In addition, fleet classifiers are implemented for five fleets from the coach bus vocation using a similar approach. The results indicate that both vocation and fleet identification are possible with a high level of accuracy. The macro average precision and recall of the SVM vocation classifier are approximately 85%. This result was achieved despite the fact that each vocation consisted of multiple fleets. The macro average precision and recall of the coach bus fleet classifier are approximately 77% even though some fleets had similar operating profiles. These results suggest that the proposed classifier can help support vocation and fleet identification in practice.

Concevoir un composant automobile et s’assurer que celui-ci atteindra un niveau de fiabilité cible requière une connaissance précise de la variabilité des chargements que ce composant est susceptible de rencontrer dans son environnement d’utilisation. La grande diversité des chargements appliqués à différents véhicules par différents clients, ou à un même véhicule tout au long de son historique d’utilisation, représente un défi statistique majeur. Généralement, l’acquisition d’information relative à la variabilité des chargements imposés aux composants des véhicules, repose sur la réalisation de campagnes de mesures. La complexité, la durée et le coût de telles campagnes limite naturellement la taille des échantillons statistiques constitués et les chargements enregistrés sont inévitablement dépendants du véhicule utilisé pour la mesure.Le travail présenté dans ce manuscrit explore la possibilité de changer fondamentalement d’approche, en se basant sur la simulation plutôt que sur la mesure et en concentrant l’effort d’analyse statistique non pas directement sur la variabilité des chargements mais sur la variabilité des facteurs qui les déterminent. Dans ce but, des modèles stochastiques sont proposés pour décrire l’évolution de la géométrie des surfaces de routes rencontrées par les véhicules ainsi que l’évolution de la vitesse à laquelle les conducteurs les parcourent. La caractérisation de la variabilité de ces facteurs est couplée à la notion de situations de vie. Ces dernières permettent de segmenter l’historique d’utilisation des véhicules, afin de faciliter l’analyse statistique de leur évolution au sein d’une population de clients. Pour finir, la réponse dynamique du véhicule à l’excitation générée par la route est déduite par la simulation.Des données statistiques relatives à la variabilité des facteurs de route et de vitesse sont évidemment nécessaires. L’information sur les routes parcourues peut par exemple être acquise à moindre coût au moyen d’une méthode d’estimation des profils de route proposée dans ce manuscrit. Cette information peut ensuite être exploitée afin de constituer, par la simulation, à un coût très faible et pour n’importe quel véhicule dont les caractéristiques sont connues, un échantillon d’historiques de chargements aussi important que souhaité. Cette méthodologie basée sur la simulation offre la possibilité d’analyser plus largement la variabilité des chargements de fatigue provenant de la route, l’influence des différents facteurs qui les déterminent ainsi que l’effet sur la fiabilité des composants du véhicule étudié. / In order to design vehicle components that will achieve a prescribed reliability target, it is imperative to possess a precise description of the variability of the loads to which such components may be subjected within the environment in which they are used. The strong diversity of the loads imposed on different vehicles by different customers, or on a particular vehicle throughout its life, constitutes a formidable statistical challenge. Generally, the acquisition of information about the load variability experienced by vehicle components is based on the use of load measurement campaigns. The complexity, duration and cost of such campaigns naturally limit the size of the statistical samples that may be collected. Moreover, the recorded load histories are inevitably dependent on the vehicle used for the measurements.The work presented within this manuscript explores the possibility of a fundamental change in the approach to load characterisation. The objective is to make use of simulation rather than measurements and focus statistical analysis efforts not directly on load variability itself but on the variability of the factors that determine such loads. Stochastic models are proposed to describe the evolution of the geometry of road surfaces covered by vehicles, as well as the evolution of vehicles’ speed on those road surfaces. The characterisation of the variability of such factors is performed in combination with the use of life situations. The latter may be employed to divide the load histories associated to different vehicles, within a population of customers, and analyse their variation more easily. Eventually, the dynamic response of the vehicle to the excitation imposed by the road can bederived through simulation.Statistical data on the variation of the road and speed factors obviously have to be acquired in order to apply the methodology. For example, road-related information may be obtained through the use of a road profile estimation algorithm proposed within the framework of this manuscript. Such information may then be exploited to constitute, through simulation, an arbitrarily large set of load histories at a very low cost and for any vehicle whose mechanical characteristics are known.The proposed methodology based on simulation enables us to study more extensively the variability of road-induced fatigue loads, the influence of the different factors that determine such loads, as well as the effect they have on the reliability of any considered vehicle component.