英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

悬架运动和合规性特征的设计优化

摘要

在汽车开发过程的早期阶段，它是习惯性地建立一套目标，每个运动和合规性（K＆C）特性，尝试找出可实现这些目标的设计变量如硬点和衬套位置刚度。

但是，因为它是非常难以找到足够的设计变量满足所有的目标，许多工程师应该依靠自己的经验和直觉，或重复试验和错误来设计一个新的悬挂和改进之前的。

在这项研究中，我们开发了悬架的设计过程，其中悬架K＆C特性指标可以系统自动实现。为了这个目的，设计优化方案，如实验设计（DOE）和基于梯度的局部优化算法被采用。

首先,敏感性分析是使用实验设计,然后根据分析结果,整个问题是分为两部分的问题是相互独立的。然后,基于这两个独立的多目标优化问题是解决使用梯度优化算法。

在此两阶段过程中，麦弗逊支柱型前悬架的K＆C特性成功进行了优化。因为一个局部问题的大小相比原来的问题而言显得相当小，我们也可以得到计算效率和快速收集。

引言

车辆悬挂的运动和合规性（K＆C）的特征是从车辆的平顺性和操作的许多方面（R＆H）的表现可以估算并解释关键参数。例如，在转弯机动转向不足的车辆的特性可以是通过检查转向变化率估计当车辆辊和前后轴等之间的侧倾刚度分配。此外，这是众所周知的，在横向方向上的悬架刚度强烈与车辆的响应到在纵向方向与冲击粗糙度性能相关的转向输入和刚度相关。

从这一原因，通常在第一个设计阶段建立一套在每个K＆C特性的目标，并尝试以确定为了设计变量如硬点和衬套刚度的位置，这些目标可以一起实现。在过去，由于新的悬架的K＆C特性预测是相当困难的，进行的物理模型建成后才可以使新的设计的得到验证，因此花费大量的时间和费用来开发新的悬架。

在另一方面，预测的速度和精度得到在这些日子相当高，经过多体模拟（MBS）的工具，如ADAMS /汽车被广泛使用。然而，即使有了这些强大的计算辅助工具，找出适当的设计变量仍然是非常困难和耗费时间的工作，有一定设计变量，可能会影响各种K＆C特性和K＆C特性不是相互独立的。因此，大多数的工程师应该依靠自己的经验和直觉，或重复试验和错误来设计一个新的悬挂和改进旧的悬挂，有时他们甚至无法找到最佳的设置。

如果存在一个系统和自动的过程，可以帮助找到这样的优化设计，就会使悬架开发过程更容易，更快，更高效。为此，出现了设计优化方案的应用悬架设计许多研究。 Datousaiuml;d等。[1]应用遗传算法来优化悬架铁路城市机动车和Sancibrian等人的运动特性。[2]和Reinalter等等。[3]采用基于梯度的优化算法的双横臂麦弗逊型前悬挂。然而，他们只考虑运动学特性数量有限，并在所有没有考虑合规性的特点。由于硬点的位置不仅影响运动特性，而且遵守的特点，通过这些方案得到优化的结果不能被看作是悬浮式设计的最终解决方案。此外，在情况下，合规性特征都包括在最优化目标，目标的数量变得非常大，因而该多目标函数的复杂性变得非常大。

在这项研究中，我们试图建立一种新的方法，其中一个可以找到一套通过分离整体优化问题转化为局部优化问题使得他们同时满足运动和法规遵从特性指标设计变量。我们设计使用这种方法一个新的麦弗逊式前悬架，其结果是非常有前途的。

问题定义

对于测试的问题，为新开发的C级掀背车麦弗逊式的前悬架已经开始了优化。在最初的设计阶段，我们原本打算用这款车的同胞兄弟共享相同的悬挂
平台。考虑更动态操控和更舒适的乘坐性能为在市场上这类车辆的日益增加的需要，原来的悬挂在很多方面不能胜任，需要从根本上得到改善。

该悬挂的形状和在该研究考虑硬点的位置的形状示于图1中

图1的目标悬挂的外形与每个设计变量（硬点）的位置

设计变量

正如图1所示，被修改的硬点的数目为6，因此设计变量的总数变为18，因为每个硬点的位置有3维坐标。由于机身设计不可能在这个发展阶段而改变，只有不会导致机身设计修改硬点的选择。每个硬点的详细定义列于表1中。

表1.进行修改硬点的位置清单

目标

与车辆相关的R＆H表现有几十K＆C特性。通常情况下，每个汽车制造商拥有这些特性的标准了自己的选择列表中，这是从丰富的积累了很长的时间汽车发展经验中确定。

在这项研究中，8个特性，这是众所周知的最大幅度影响R＆H表现，被选择为要优化的目标。如表2中列出，其中4个是运动学和它们的其余4个是符合特性。

表2.在K＆C的特性列表进行优化

第一设计阶段 - 敏感性分析

设计过程的第一阶段是灵敏度分析。许多全局优化算法，如遗传算法不需要灵敏度分析。即使施加基于梯度的优化算法，灵敏度的计算是隐藏在迭代步骤和所计算的值不从外部显示。因此，悬挂设计师通常倾向于很少关注的敏感性本身。然而，在灵敏度分析结果研究有助于更彻底地理悬挂的特性，并找到目标悬挂中有效的方式改进关键线索。

试验设计（DOE）

为了更有效地分析灵敏度，DoE被采用。方差分析的分析也进行了考察设计变量之间的非线性和交互。L81（340）正交表中选择了18设计变量（6个地点times;3维坐标）。而3级的方差（初始位置和plusmn;10mm）的每个设计变量考虑。

在一些以往的研究[2,3]，Pearson相关系数被视为敏感指标。但是，它们代表仅输入和输出变量之间的线性度和不显示任何定量信息指标。即使设计变量对某种性质的影响是非常小的，相关系数可能会非常大（近）仅当它们的关系是足够线性。

在另一方面，方差分析可以显示通过分割平方的总和成由设计变量[4]的变化所产生的组件的每个设计变量的定量贡献。从这个观点出发，方差分析得多
有效和充分的工具，各设计变量的影响的理解。

敏感性分析结果

灵敏度分析结果示于表3。表3中的每个小区的数字表示的相应的设计变量的效果在平方的总和而言的百分比比例，从而大量装置更大的效果。具有相对大的数目（超过10％）的细胞被阴影灰色的颜色。回顾表，两个主要的观察可以发现。第一个是，只有26单元在总144单元（8特征times;18设计变量）之间的阴影。这意味着，仅设计变量的几个数有大部分的影响，我们并不需要考虑在优化过程中的所有设计变量作为一个结果。如果优化处理用更少的设计变量进行的，它可以被更多加速。

另一种是更有趣。如果表3被分成前4行和最后4行的两部分，有两个部件之间以灰色阴影没有共同的列。这意味着，在运动学特性最有影响力的设计变量不影响合规性的特点多，反之亦然。因此，对于8悬架特性的原始优化问题可以分为两个部分的独立的问题，即一个用于运动和其他遵守。需要注意的是运动学和一致性特性之间的完全独立，不能总是期望。为了进一步研究，我们正试图采用同样的设计过程中对其他悬挂系统，如后轴悬挂多重。

为了检查是否存在设计变量之间的任何相互作用，与L₁₆另一方差分析（2¹⁵）的正交阵列再次主要5设计变量分别进行两部分的问题。遵守特性的结果示于表4，它可以很容易地发现，没有大的相互作用。为运动特征的结果显示了相同的结果，但在本文中省略了空间不足。

第二设计阶段 - 优化

设计过程的第二阶段是优化。为了有效地找到最佳，梯度为基础的
优化算法被应用于这两个部分的问题。

表3.敏感性分析结果从方差分析百分比表示。 （A~ F：如图1,1~8硬点的位置：K＆amp; C的特性为表2中列出）。较大量（超过10％）的灰色被遮蔽

表4.关于暂停遵守特点设计变量的相互作用

设定目标

悬浮式设计的最终目标是实现正在开发中的车辆的行驶和操控性能指标。虽然最好，最直观的方法来估计目标能否实现与否是预测各种实物，而这直接评估车辆的性能指标，如从步骤转向测试的响应时间和超调比例，由稳态循环圈试验不足梯度，从冲击严苛测试的等弗洛尔加速度的变化，这是非常难以准确预测他们由于如此多的不确定性和非线性未在仿真模型考虑。此外，由于有各种试验和度量，它是低效和费时使用这些量度作为优化过程的目标。

而不是使用直接的指标，被选K＆C特性目标，在这项研究进行优化。如前面部分所述，不仅车辆性能的许多方面可以被估计，而且预测的由MBS精度
工具是非常好的。 K＆C特性模拟的这些功能使优化过程更加高效和稳定。

还有就是如何确定每个特征目标值的问题。要解决这个问题，主观对比评估和竞争对手的车，原来的原型车的基准标记结果被使用。每辆车的K＆C特性在同一个测试平台的测量和主观评价是由几个专家测试车手进行。我们试图找出什么是指通过在K＆C特性测量数据在评价结果差异的主要原因。然后，对于每个特征的特定目标值一起设置以充分使用较长时间的经历。

最终目标的清单示于表5。注意，特定值是由用于保密的相对值所替代。

表5列出每个K＆C特性的目标值。（类别- N：标称的非最佳，C：约束，S：小 - 中 - 最好的。 1~8：K＆C特性列于表2）

目标函数

要优化每一个K＆C特性有不同的功能。也就是说，他们中的一些应当具有特定的值和其他的应最小化或最大化。此外，由于分别存在4个靶目标的每个部分问题中，目标函数应所谓“多目标”

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[149921]，资料为PDF文档或Word文档，PDF文档可免费转换为Word