CN104573277B - 一种车辆悬架系统性能分解方法 - Google Patents
一种车辆悬架系统性能分解方法 Download PDFInfo
- Publication number
- CN104573277B CN104573277B CN201510044528.3A CN201510044528A CN104573277B CN 104573277 B CN104573277 B CN 104573277B CN 201510044528 A CN201510044528 A CN 201510044528A CN 104573277 B CN104573277 B CN 104573277B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- performance
- suspension
- objective
- subjective
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种车辆悬架系统性能分解方法,包括整车主观性能量化、整车客观指标重构以及悬架特性分解及优化,所述的整车主观性能量化用数学模型描述和量化整车性能评价师的主观评价结果;所述的整车客观指标重构根据实车试验数据建立车辆的动力学模型并进行仿真计算,利用主成分分析方法提取新的客观评价指标来判断悬架特性是否满足整车要求,对客观评价指标重新提取以构建客观指标函数值,通过权值大小提取或重构指标;所述的悬架特性分解及优化通过优化方法确定需要的悬架特性,搭建优化平台;本发明将主观评价、客观评价以及CAE分析集成车辆的前期开发流程中,为车辆模块化、数字化开发奠定了基础。
Description
技术领域
本发明属于车辆悬架技术领域,具体涉及一种集成车辆的主客观评价的车辆悬架性能分解方法。
背景技术
客观评价、主观评价和CAE分析是车辆开发过程三要素,客观提出明确的量化指标,作为CAE仿真及优化的依据;CAE通过结构优化及性能仿真缩短了开发流程,主观评价代表用户对车辆性能主观感受和描述。三者之间相互依赖,在实际的车辆开发过程中如何协调好三者之间的关系,决定了产品开发的成败。但是,主观评价的离散性较大,需要专业的整车性能评价师,不易量化,与客观评价之间的关联性较弱。
现有设计方法中,在概念设计和前期开发阶段,主观评价并不能与CAE和客观评价有效地有机结合,不便于指导车辆的概念设计和性能分解。
发明内容
本发明的目的是利用数据挖掘方法实现车辆主观评价的量化,集成主客观评价并利用主成分分析重构客观评价指标,参数化悬架特性并建立悬架性能分解和优化方法及流程。
本发明为解决上述技术问题,通过以下技术方案实现:
一种车辆悬架系统性能分解方法,包括整车主观性能量化1、整车客观指标重构2以及悬架特性分解及优化3,所述的整车主观性能量化1用数学模型描述和量化整车性能评价师的主观评价结果;根据车辆性能的主观评价对客观评价指标形成的特征空间进行分类;
所述的整车客观指标重构2根据实车试验数据建立车辆的动力学模型并进行仿真计算,利用主成分分析方法提取新的客观评价指标来判断悬架特性是否满足整车要求,对客观评价指标重新提取以构建客观指标函数值,通过权值大小提取或重构指标;
所述的悬架特性分解及优化3通过优化方法确定需要的悬架特性,搭建优化平台:包括悬架特性预处理模块、面向特性的车辆动力学仿真模块、整车性能评价模块;其中,整车性能评价模块评价车辆性能,并且控制是否触发悬架特性预处理模块;悬架特性预处理模块对悬架性能优化的设计变量、约束条件及优化算法进行选择;然后调用面向特性的车辆动力学仿真模块,并给整车性能评价模块输入数据。
所述的整车主观性能量化1具体分为以下四步:
第一步:根据对标车的主客观试验得到客观数据和主观打分;
第二步:对客观数据进行归一化处理,以克服客观试验数据量纲和数值尺度变化的影响,一种常见的归一化方法为:将所有的客观指标化归至[-1,1]:
其中,yscale为某一客观评价指标归一化后的数值,y为该客观评价指标归一化之前的值,ymax和ymin分别为归一化之前该指标所有样本点中的最大值和最小值。
第三步:利用数据挖掘方法对主观打分以及上述归一化处理后的数据进行数据挖掘;构建数据挖掘模型,然后利用主成分分析理论进行属性约简,以对数据进行分块,通过多属性决策方法得到决策表,并根据决策表推导出权值,即权系数矩阵;
第四步:对权值、归一化处理后的数据及核函数进行集成;将权值、归一化处理后的数据引入核函数,通过线性组合得到量化后主观评价分值表达式:
其中,H为主观评价分值,l为属性约简后主属性的个数,ωi由多属性决策表权值决定,ai和b由核函数最优参数决定,K(x,xi)为核函数,x,xi为特征空间变量,核函数K(x,xi)为高维空间Φ(x)和Φ(xi)的内积运算,i=1,2,…,l。
所述的整车客观指标重构2具体步骤如下:
第一步:计算方差贡献率:根据主成分分析方法的结果,通过相应的线性变换,得到各综合客观指标Hi在车辆性能中的方差贡献率,根据方差贡献率大小,确定指标量;
第二步:推导得分系数矩阵;将权系数矩阵进行斜交旋转,得到指标载荷矩阵,即新指标与原各试验指标间的内在联系;将载荷矩阵逆变换,得到得分系数矩阵,即原指标与新指标之间的系数关系;
第三步:相关性分析;对构造的新指标进行相关性分析,当互相关系数小于临界值时,即新指标之间相互独立。
所述的悬架特性分解及优化3的具体步骤如下:
第一步是悬架特性预处理,即实现悬架特性参数化及设计变量,并建议新的悬架特性;
第二步是面向特性的车辆动力学仿真,车辆模型调用新的悬架特性数表,进行设定工况的车辆性能的仿真计算;
第三步是整车性能评估,利用整车客观指标重构2得到的客观评价指标判断悬架特性是否能满足车辆性能要求,若不满足要求则返回第一步悬架特性预处理,继续运算;若满足要求,则生成悬架系统特性要求,指导悬架结构设计。
本发明的有益效果在于:
本发明提供了一种整车性能向悬架系统性能分解的方法,将主观评价、客观评价以及CAE分析集成车辆的前期开发流程中,包括了整车主观性能客观化方法、集成主客观评价的客观指标的提取和重构方法,也包括了悬架系统特的分解和优化流程及实施方法。本发明的悬架特性分解方法可以为悬架结构的优化和设计提供目标,为车辆模块化、数字化的开发奠定基础。
附图说明
图1为悬架系统性能分解方法的流程图;
图2为整车主观性能量化的流程图。
图中:1、整车主观性能量化;2、整车客观指标重构;
3、悬架特性分解及优化
具体实施方式
下面结合附图对本发明进行详细介绍。
图1是本发明的一种车辆悬架系统性能分解方法的流程图,包括以下步骤:整车主观性能量化1、整车客观指标重构2以及悬架特性分解及优化3。
所述的整车主观性能量化1步骤之前需要根据待开发车辆的市场定位,对其整车性能进行对标及定标。整车主观性能量化1的目的是量化整车性能评价师的主观感受,即用数学模型描述和量化整车性能评价师的主观评价结果。主观性能量化过程实际上是一个分类或者回归问题,即根据车辆性能的主观评价对客观评价指标形成的特征空间进行分类,或者是对主观评价与客观指标进行回归分析。具体地,如图2所示,整车主观性能量化1分为以下四步:
第一步:根据对标车的主客观试验得到客观数据和主观打分;
第二步:对客观数据进行归一化处理。对于主观性能量化来讲,主要是根据对标车主客观试验的客观数据和主观打分进行规律挖掘。车辆性能客观指标的量纲经常不同,输出数据之间存在较大的尺度变化,导致数据计算困难,而且数值较大的数据淹没较小的数据,故首先采用归一化的处理方式,将所有的客观指标化归至[-1,1],一种归一化方法如下式所示:
其中,yscale为某一客观评价指标归一化后的数值,y为该客观评价指标归一化之前的值,ymax和ymin分别为归一化之前该指标所有样本点中的最大值和最小值。
第三步:利用数据挖掘方法对主观打分以及上述归一化处理后的数据进行数据挖掘。构建数据挖掘模型,然后利用主成分分析(Principal components analysis,PCA)理论进行属性约简,以对数据进行分块,通过多属性决策(Multiple attribute decisionmaking,MADM)方法得到决策表,并根据决策表推导出权值,即权系数矩阵。
第四步:对权值、归一化处理后的数据及核函数进行集成。将权值、归一化处理后的数据引入核函数,引入核函数是为了解决“维数灾难”问题,通过合理构造核函数避免内积运算。核函数的选取根据具体的问题具体分析。最后通过线性组合得到量化后主观评价分值表达式:
其中,H为主观评价分值,i=1,2,…l;l为属性约简后主属性的个数,ωi由多属性决策表权值决定,ai和b由核函数最优参数决定,K(x,xi)为核函数,x,xi为特征空间变量,核函数K(x,xi)为高维空间Φ(x)和Φ(xi)的内积运算。
所述的整车客观指标重构2即根据实车试验数据建立车辆的动力学模型并进行仿真计算,利用主成分分析方法提取新的客观评价指标来判断悬架特性是否满足整车要求。在整车主观性能量化1的过程中已经利用主成分分析的方法对各个评价指标进行了敏感性分析,这里需要对客观评价指标重新提取以构建客观指标函数值,以解决主观量化过程中,函数赋权叠加繁琐,计算极其复杂的问题。通过权值大小提取或重构指标,可以使计算简便准确,整车客观指标重构2具体步骤如下:
第一步:计算方差贡献率。根据主成分分析方法的结果,通过相应的线性变换,即可得到各综合客观指标Hi在车辆性能中的方差贡献率,根据方差贡献率大小,确定指标量。
第二步:推导得分系数矩阵。将权系数矩阵进行斜交旋转,得到指标载荷矩阵,反映了新指标与原各试验指标间的内在联系。将载荷矩阵逆变换,得到得分系数矩阵,即原指标与新指标之间的系数关系。
第三步:相关性分析。车辆的性能与客观评价指标之间不是简单的一对一或者线性关系,各个客观评价指标之间可能存在着相互耦合,需要对构造的新指标进行相关性分析,当互相关系数小于临界值时,可认为新指标之间相互独立。
以上的整车主观性能量化1和整车客观指标重构2为本发明的前处理部分,主要目的是提取与主观一致的客观评价指标,为下一步确定理想悬架系统特性提供优化目标。下面的步骤为本发明的后处理部分,其主要目的是通过优化手段将整车性能分解到悬架系统特性。
所述的悬架特性分解及优化3即通过优化方法确定需要的悬架特性,主要是优化平台的搭建,优化平台包括悬架特性预处理模块、面向特性的车辆动力学仿真模块、整车性能评价模块。整车性能评价模块评价车辆性能,并且控制是否触发悬架特性预处理模块;悬架特性预处理模块需要完成悬架性能优化的设计变量、约束条件及优化算法选择;然后调用面向特性的车辆动力学仿真模块,并给整车性能评价模块输入数据。具体方式如下:
第一步是悬架特性预处理,即实现悬架特性参数化及设计变量,并建议新的悬架特性。以车辆的操纵稳定性和优化平台Isight为例来说明:车辆的操纵稳定性的一个主要影响因素是悬架的K&C(Kinematics and Compliance)特性,悬架的K&C特性是指随着轮跳或者力变化的车轮定位参数的变化,首先需要用数学模型来描述悬架的K&C特性,优选的用二次曲线来参数化悬架的K&C特性,即用下式来代表悬架的K&C特性:
y=ax2+bx+c (3)
其中y代表悬架的K&C特性,x代表悬架轮跳或者悬架受力,系数a,b,c是参数化系数。这样,在优化过程中,我们将用以表示悬架K&C特性的二维数表转化成多项式,优化参数就变成了a,b,c。
对于优化参数a,b,c来讲,c表征车辆在设计载荷下车轮的定位参数,一般不变,这样优化变量就只有a,b,最后进行优化参数设置:初始值就是待开发车辆的初始悬架特性参数化后的a0,b0,c,约束条件即为a,b变化范围。在Isight中提供的优化算法包括数值优化算法、探索优化算法和专家系统优化。对于悬架特性优化,一种实施方案是选择遗传算法,在选定优化算法后,系统确定优化迭代步数及各参数的步长,对于参数a,b,为了更好的说明优化过程,假设a在约束范围内有m种取值,b在约束范围内有n种取值,这样最后的组合结果将是m×n种,则优化算法将会迭代计算,最终在这些组合中找到满足悬架特性要求的一组或者多组。
优化过程中优化变量是a,b,车辆动力学模型仿真时将其转化为悬架特性文件。一种可实施的方案是利用数表表示悬架特性;另外一种可实施方案是生成整车模型脚本文件,在仿真时利用宏命令调用脚本文件进行批处理,提高效率,亦可便于各种软件间的交互调用。
第二步是面向特性的车辆动力学仿真,车辆模型调用新的悬架特性数表或者脚本文件,进行设定工况的车辆性能的仿真计算。
第三步是整车性能评估,利用整车客观指标重构2得到的客观评价指标判断悬架特性是否能满足车辆性能要求,若不满足要求则返回第一步悬架特性预处理模块,继续运算;若满足要求,则生成悬架系统特性要求,用于指导悬架结构设计。
Claims (3)
1.一种车辆悬架系统性能分解方法,包括整车主观性能量化(1)、整车客观指标重构(2)以及悬架特性分解及优化(3),其特征在于:
所述的整车主观性能量化(1)用数学模型描述和量化整车性能评价师的主观评价结果;根据车辆性能的主观评价对客观评价指标形成的特征空间进行分类;
所述的整车客观指标重构(2)根据实车试验数据建立车辆的动力学模型并进行仿真计算,利用主成分分析方法提取新的客观评价指标来判断悬架特性是否满足整车要求,对客观评价指标重新提取以构建客观指标函数值,通过权值大小提取或重构指标;
所述的悬架特性分解及优化(3)通过优化方法确定需要的悬架特性,搭建优化平台:包括悬架特性预处理模块、面向特性的车辆动力学仿真模块、整车性能评价模块;其中,整车性能评价模块评价车辆性能,并且控制是否触发悬架特性预处理模块;悬架特性预处理模块对悬架性能优化的设计变量、约束条件及优化算法进行选择;然后调用面向特性的车辆动力学仿真模块,并给整车性能评价模块输入数据;
所述的整车主观性能量化(1)具体分为以下四步:
第一步:根据对标车的主客观试验得到客观数据和主观打分;
第二步:对客观数据进行归一化处理;
第三步:利用数据挖掘方法对主观打分以及上述归一化处理后的数据进行数据挖掘;构建数据挖掘模型,然后利用主成分分析理论进行属性约简,以对数据进行分块,通过多属性决策方法得到决策表,并根据决策表推导出权值,即权系数矩阵;
第四步:对权值、归一化处理后的数据及核函数进行集成;将权值、归一化处理后的数据引入核函数,通过线性组合得到量化后主观评价分值表达式:
<mrow>
<mi>H</mi>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>l</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>b</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,H为主观评价分值,l为属性约简后主属性的个数,ωi由多属性决策表权值决定,ai和b由核函数最优参数决定,K(x,xi)为核函数,x,xi为特征空间变量,核函数K(x,xi)为高维空间Φ(x)和Φ(xi)的内积运算,i=1,2,…,l。
2.根据权利要求1所述的一种车辆悬架系统性能分解方法,其特征在于:
所述的整车客观指标重构(2)具体步骤如下:
第一步:计算方差贡献率:根据主成分分析方法的结果,通过相应的线性变换,得到各综合客观指标Hi在车辆性能中的方差贡献率,根据方差贡献率大小,确定指标量;
第二步:推导得分系数矩阵;将权系数矩阵进行斜交旋转,得到指标载荷矩阵,即新指标与原各试验指标间的内在联系;将载荷矩阵逆变换,得到得分系数矩阵,即原指标与新指标之间的系数关系;
第三步:相关性分析;对构造的新指标进行相关性分析,当互相关系数小于临界值时,即新指标之间相互独立。
3.根据权利要求1所述的一种车辆悬架系统性能分解方法,其特征在于:
所述的悬架特性分解及优化(3)的具体步骤如下:
第一步是悬架特性预处理,即实现悬架特性参数化及设计变量,并建议新的悬架特性;
第二步是面向特性的车辆动力学仿真,车辆模型调用新的悬架特性数表,进行设定工况的车辆性能的仿真计算;
第三步是整车性能评估,利用整车客观指标重构(2)得到的客观评价指标判断悬架特性是否能满足车辆性能要求,若不满足要求则返回第一步悬架特性预处理,继续运算;若满足要求,则生成悬架系统特性要求,指导悬架结构设计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510044528.3A CN104573277B (zh) | 2015-01-28 | 2015-01-28 | 一种车辆悬架系统性能分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510044528.3A CN104573277B (zh) | 2015-01-28 | 2015-01-28 | 一种车辆悬架系统性能分解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104573277A CN104573277A (zh) | 2015-04-29 |
CN104573277B true CN104573277B (zh) | 2017-12-01 |
Family
ID=53089330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510044528.3A Active CN104573277B (zh) | 2015-01-28 | 2015-01-28 | 一种车辆悬架系统性能分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573277B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105351424A (zh) * | 2015-11-17 | 2016-02-24 | 华晨汽车集团控股有限公司 | 汽车动力总成液阻悬置动态特性的优化设计系统 |
CN109033650A (zh) * | 2018-08-01 | 2018-12-18 | 中国北方车辆研究所 | 车辆电控空气悬挂优化特性评价方法 |
CN109190936A (zh) * | 2018-08-16 | 2019-01-11 | 北京汽车股份有限公司 | 用于质量功能展开的转化分析方法及装置 |
CN109657393B (zh) * | 2018-12-28 | 2024-01-12 | 上汽通用五菱汽车股份有限公司 | 用于轮胎与底盘电控系统匹配的仿真平台及匹配仿真方法 |
CN110631905B (zh) * | 2019-08-16 | 2022-07-26 | 中信金属股份有限公司 | 一种汽车车身常用材料的归一化处理方法及处理系统 |
CN112287551B (zh) * | 2020-10-30 | 2022-04-08 | 重庆长安汽车股份有限公司 | 一种基于整车概念模型的行驶性能系统级指标分解方法 |
CN112464381B (zh) * | 2020-11-27 | 2023-04-07 | 中汽研汽车检验中心(天津)有限公司 | 一种新能源车辆性能自动化仿真构建方法 |
CN116361919B (zh) * | 2023-04-03 | 2023-11-21 | 小米汽车科技有限公司 | 副车架数据的处理方法、装置、存储介质及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118620A (zh) * | 2007-09-18 | 2008-02-06 | 吉林大学 | 基于神经网络的车辆换档品质评价方法 |
CN103471709A (zh) * | 2013-09-17 | 2013-12-25 | 吉林大学 | 乘用车车内噪声声品质预测方法 |
-
2015
- 2015-01-28 CN CN201510044528.3A patent/CN104573277B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104573277A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573277B (zh) | 一种车辆悬架系统性能分解方法 | |
US20220076154A1 (en) | Control pulse generation method, system, device and storage medium | |
Drozd et al. | Models, methods and means as resources for solving challenges in co-design and testing of computer systems and their components | |
CN104461881A (zh) | 一种面向icd的arinc429总线信号仿真测试组件 | |
CN113343427B (zh) | 一种基于卷积神经网络的结构拓扑构型预测方法 | |
CN105893669A (zh) | 一种基于数据挖掘的全局仿真性能预测方法 | |
CN106055827A (zh) | 一种油藏数值模拟参数敏感性分析装置及方法 | |
CN107038297A (zh) | 全球能源互联网运行特性仿真的自适应变步长积分方法 | |
CN105825269A (zh) | 一种基于并行自动编码机的特征学习方法及系统 | |
CN110110406B (zh) | 一种基于Excel计算平台实现LS-SVM模型的边坡稳定性预测方法 | |
CN110705080B (zh) | 一种数字孪生模型精准组装方法及装置 | |
CN113158292A (zh) | 构件匹配方法、工程量计算方法、装置及电子设备 | |
CN104090995B (zh) | 一种ABAQUS轮胎模型中rebar单元网格的自动生成方法 | |
Lopez | MATLAB control systems engineering | |
CN105426279A (zh) | 基于元胞机的伺服系统故障传播分析方法 | |
CN104699901A (zh) | 基于差量采样解的GappyPOD翼型反设计方法 | |
WO2023206281A1 (zh) | 一种模拟电路的快速仿真优化方法及其系统 | |
CN105893667A (zh) | 一种异构仿真数据的统一集成可视方法 | |
CN115758911A (zh) | 融合点云残差网络和考虑滑移的流场和压力场预测方法 | |
CN113642147B (zh) | 一种支持复杂系统设计和仿真的统一建模方法 | |
CN104794010A (zh) | 一种系统内信息交互优化方法 | |
US20210182685A1 (en) | Neural network batch normalization optimization method and apparatus | |
CN103049615A (zh) | 基于图形化的工程机械控制逻辑实时仿真建模方法 | |
Jeong et al. | Filter combination learning for CNN model compression | |
Cen et al. | Application of the building information model in the design of marine architectural structures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |