CN105718607A - 一种基于k&c特性的悬架硬点优化方法 - Google Patents

Abstract

本发明提供一种基于K&C特性的悬架硬点优化方法，包括：根据三坐标扫描仪逆向的硬点数据，建立ADAMS悬架模型并进行仿真，得到K&C特性仿真数据；在MATLAB中对比分析所述K&C特性仿真数据和K&C特性试验数据，获得有差异的K&C特性指标，并将其作为优化目标；利用MATLAB编制优化目标函数矩阵及约束条件矩阵；将前述步骤集成到ISIGHT软件中实现；将所述优化目标函数矩阵通过DOE试验设计进行试验，并结合所述约束条件矩阵，分析获得对K&C特性指标影响最大的硬点；将所述获得的对K&C特性指标影响最大的硬点重新作为ISIGHT的设计输入变量，并结合所述约束条件矩阵，采用多岛遗传算法进行优化。

Description

一种基于K&C特性的悬架硬点优化方法

技术领域

本发明涉及汽车技术领域，尤其涉及一种基于K&C特性的悬架硬点优化方法。

背景技术

汽车底盘设计是汽车设计中的核心模块，而底盘设计的关键在于悬架设计。悬架是汽车底盘中最重要、也是车辆改型设计中经常需要重新设计的部件，悬架的性能直接影响到操纵稳定性、乘坐舒适性和制动安全性等整车性能。悬架K&C（Kinematics&Compliance）特性即悬架运动学与弹性运动学特性。所谓悬架运动学（简称K特性）描述的是车轮在悬架弹簧变形过程和汽车转向时车轮姿态的变化；所谓悬架弹性运动学（简称C特性）描述的是由于轮胎和路面之间的力和力矩引起的车轮姿态的变化。在整车项目开发中，运用底盘动力学分析方法，设计和优化悬架K&C特性和转向特性，对保证车辆动力学性能、减少设计更改、缩短开发周期、降低开发成本等方面具有重要意义。

在整车项目前期开发阶段，底盘硬点方案是设计开发的关键，对标车硬点逆向扫描和K&C试验是常用的设计手段。但是由于逆向三坐标扫描仪的精度、人为误差、空间限制等因素，造成逆向扫描硬点不全和准确度不够，而以此逆向硬点数据建立的ADAMS（全称AutomaticDynamicAnalysisofMechanicalSystems，是美国MDI公司开发的一款虚拟样机分析软件）模型仿真结果跟对标车K&C试验结果不完全吻合。造成这种差异的主要来源在于逆向扫描硬点数据有误差，因此有必要得到与K&C试验结果一致的底盘硬点。

目前解决这个问题的途径主要是利用多体动力学方法建立悬架系统的数学模型，通过不同的优化方法来得到满足K&C试验的硬点。但是这种方法要求工程师具备力学、数学以及编程方面的能力，而且需要验证数学模型的准确度，时间成本高、工作效率低。而目前尚未有一种方法，能够有效地整合各种设计手段，建立一个统一和高效的分析流程，方便快速地解决逆向扫描硬点数据与K&C试验结果不符的问题，以及得到逆向未能扫描的硬点。

发明内容

本发明所要解决的技术问题在于，提供一种基于K&C特性的悬架硬点优化方法，能够快速准确地得到符合对标车K&C特性的底盘优化硬点，特别是逆向未能扫描的硬点，节省研发时间，提高工作效率。

为了解决上述技术问题，本发明提供一种基于K&C特性的悬架硬点优化方法，包括：

步骤S1，根据三坐标扫描仪逆向的硬点数据，建立ADAMS悬架模型并进行仿真，得到K&C特性仿真数据；

步骤S2，在MATLAB中对比分析所述K&C特性仿真数据和K&C特性试验数据，获得有差异的K&C特性指标，并将其作为优化目标；

步骤S3，利用MATLAB编制优化目标函数矩阵及约束条件矩阵；

步骤S4，将步骤S1-S3集成到ISIGHT软件中实现；

步骤S5，将所述优化目标函数矩阵通过DOE试验设计进行试验，并结合所述约束条件矩阵，分析获得对K&C特性指标影响最大的硬点；

步骤S6，将所述获得的对K&C特性指标影响最大的硬点重新作为ISIGHT的设计输入变量，并结合所述约束条件矩阵，采用多岛遗传算法进行优化。

其中，所述步骤S1具体包括：

在CATIA中建立所需的整车坐标系，与三坐标扫描仪逆向数据坐标对齐，测量各个扫描硬点坐标；

在ADAMS中建立悬架、转向和稳定杆的动力学模型，并完成整个悬架装配体；

创建ADAMS悬架模型仿真的命令文件；

建立调用ADAMS后台运行的bat后处理文件并运行。

其中，所述命令文件包括仿真的装配模型、仿真条件以及仿真输出结果。

其中，所述K&C特性仿真数据构成n×m的矩阵，其中m=K&C特性指标的个数+1，n=仿真步数+1。

其中，所述步骤S2具体包括：

在MATLAB中分别对所述K&C特性仿真数据和K&C试验数据进行目标函数拟合，得到K&C特性仿真数据拟合曲线和K&C试验数据拟合曲线；

比较所述K&C特性仿真数据拟合曲线和K&C试验数据拟合曲线的趋势，以及零点梯度值，找出有差异的K&C特性指标。

其中，所述步骤S3中，单个所述优化目标为三元多次函数，所述优化目标的目标值设为所述K&C试验数据拟合曲线的零点梯度值、零点值以及各自最大值与最小值的差值。

其中，所述步骤S3中，所述约束条件矩阵由所述优化目标函数的约束条件构成，所述约束条件至少包括零部件各硬点相对位置的关系、空间布置约束。

其中，所述步骤S3还包括：以所述步骤S1中逆向扫描的硬点作为优化因素，根据工程实际经验，确定不同硬点坐标的变化范围。

其中，所述步骤S4具体包括：

将设计输入变量通过调用ADAMS命令反馈给ADAMS悬架模型，在ADAMS后台进行仿真，仿真结果作为设计输出，再输入给MATLAB中的所述优化目标矩阵。

其中，所述步骤S4还包括：

定义设计输入和设计输出边界，约束以及优化设计目标，所述设计输入为所述ADAMS悬架模型的子系统文件，所述设计输出为所述K&C特性数据文件，所述优化设计目标为所述优化目标函数矩阵。

实施本发明所带来的有益效果是：不需要工程师掌握力学、数学等方面深厚的理论知识，针对逆向扫描硬点数据与K&C试验结果不符的问题，根据工程实际经验，编制优化目标函数矩阵和约束条件矩阵，联合ADAMS、MATLAB和ISIGHT软件，基于对标车的K&C特性，能够快速准确地得到符合对标车K&C特性指标的底盘优化硬点，特别是逆向未能扫描的硬点，大大节省研发时间，提高工作效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一种车内平均混响时间的计算方法的流程示意图。

图2是本发明实施例中ISIGHT集成优化的一般过程示意图。

图3是本发明实施例中ADAMS模型的子系统文件示意图。

图4是本发明实施例中ADAMS模型仿真数据文件示意图。

图5是本发明实施例中通过DOE分析所得结果示意图。

具体实施方式

以下结合附图对本发明实施例进行详细说明。

请参照图1所示，本发明实施例提供一种基于K&C特性的悬架硬点优化方法，包括：

步骤S1，根据三坐标扫描仪逆向的硬点数据，建立ADAMS悬架模型并进行仿真，得到K&C特性仿真数据；

步骤S2，在MATLAB中对比分析K&C特性仿真数据和K&C特性试验数据，获得有差异的K&C特性指标，并将其作为优化目标；

步骤S3，利用MATLAB编制优化目标函数矩阵及约束条件矩阵；

步骤S4，将步骤S1-S3集成到ISIGHT软件中实现；

步骤S5，将优化目标函数矩阵通过DOE试验设计进行试验，并结合约束条件矩阵，分析获得对K&C特性指标影响最大的硬点；

步骤S6，将获得的对K&C特性指标影响最大的硬点重新作为ISIGHT的设计输入变量，并结合约束条件矩阵，采用多岛遗传算法进行优化。

以下对各步骤进行具体说明。

步骤S1中，在CATIA（法国达索公司开发的一种三维CAD设计软件）中建立所需的整车坐标系，与三坐标扫描仪逆向数据坐标对齐，测量各个扫描硬点坐标，对于未能扫描的硬点，根据逆向时的粗糙数据进行合理估值，整理出整个悬架的硬点坐标。在ADAMS中建立悬架、转向和稳定杆的动力学模型，并完成整个悬架装配体。

创建ADAMS模型仿真的命令文件，其后缀名为cmd，里面包含仿真的装配模型、仿真条件以及仿真输出结果，根据工程实际经验来选择需要的仿真输出结果；建立调用ADAMS后台运行的bat后处理文件；双击所建立的bat文件，在后台进行ADAMS模型仿真，包括平行轮跳、反向轮跳、同向回正力矩、反向回正力矩、同向侧向力、反向侧向力、制动力和转向的仿真试验，就可以输出所选择的K&C特性仿真结果，得到K&C特性仿真数据文件，为n×m的矩阵，其中m=K&C特性指标的个数+1（其中有一列是车轮跳动量，其它的是K&C特性指标，所以要+1），n=仿真步数+1，以后缀名txt格式保存。需要说明的是，利用bat文件调用ADAMS软件后台运行仿真模型，可以省略ADAMS的操作过程，而且仿真输出结果易于辨识和处理，同时使仿真过程自动化，减少了工作量，提高了工作效率。

步骤S2中，在MATLAB（美国MathWorks公司出品的商业数学软件）中分别对K&C特性仿真数据和K&C试验数据进行目标函数拟合，得到K&C特性仿真数据拟合曲线和K&C试验数据拟合曲线。在MATLAB中对仿真数据和K&C试验数据进行对比分析，主要分析两种拟合曲线的趋势和零点的梯度值，找出有差异的K&C特性指标。下面以平行轮跳前束toe目标为例，利用MATLAB对仿真和试验的toe数据进行目标函数拟合，自变量为车轮跳动量，根据经验，采用三次函数拟合，目标拟合函数为f_toe=ax³+bx²+cx+d，然后再对其进行一阶求导，其函数为df_toe=3ax²+2bx+c，其中a、b、c、d为拟合系数，x为车轮跳动量，最后算出在零点的一阶导数值即为toe零点的梯度值。一般麦弗逊悬架的toe的经验值范围为df_toe≤3deg/m，对比上述仿真和K&C试验数据拟合的零点梯度值，再结合经验值，最后判断toe指标是否为差异指标。其它K&C特性指标的差异性参照此方法进行确定。确定的存在差异性的K&C特性指标，将作为后续优化目标。

步骤S3中，单个优化目标为三元多次函数，根据工程实际经验，优化目标值可设为K&C试验数据拟合曲线的零点梯度值、零点值以及各自最大值与最小值的差值，总共有m个单目标优化函数，利用MATLAB编制优化目标函数矩阵程序。以平行轮跳前束toe为例，单个优化目标函数矩阵如下：

最后m个平行轮跳前束toe单目标优化函数矩阵为n×m的矩阵：f_nxm=[toe_nx1…toe_nxm]。其它K&C特性指标的优化目标函数矩阵参照此方法进行确定。利用MATLAB软件编制优化目标函数矩阵，可以根据实际需要任意选取K&C特性目标，可以使优化范围扩大，增强设计灵活性。例如，根据项目的需要，有可能只需要调整某个K&C特性指标，优化某个硬点，则可以针对性的编制优化目标函数矩阵。

为引入工程实际经验，使优化工作跟实际项目相结合，本实施例中还将根据工程实际经验，增加优化目标函数的约束条件，例如零部件各硬点相对位置的关系，硬点变动范围、空间布置约束等，最后编制成MATLAB约束条件矩阵。仍然以平行轮跳前束toe为例，考虑转向拉杆与转向节、轮辋以及稳定杆空间布置约束，可将其约束函数设为toe_constant=ax³+by³+cz³+d，其中a、b、c、d为多项式系数，x、y和z为硬点坐标。

编制的MATLAB约束条件矩阵为：

。

本发明实施例将工程实际经验写进MATLAB程序中，比如考虑零部件沿用时，将零部件硬点的相对位置关系设置权重，空间布置约束等作为优化约束条件，编制MATLAB约束条件矩阵，从而使实用性更强，更有工程应用价值。

此外，本实施例还以步骤S1中逆向扫描的硬点作为优化因素，根据工程实际经验，确定不同硬点x、y和z的变化范围。优化因素是指影响优化目标的影响因素。硬点x、y和z的变化范围跟零部件空间布置有关，每个硬点都可能不一样，一般不超过正负5mm，确定变化范围是为了使优化效率更快，以及反映工程实际问题。

步骤S4涉及ISIGHT软件，其工作原理是：ISIGHT通过一种搭积木的方式快速集成和耦合各种仿真软件，将所有设计流程组织到一个统一、有机和逻辑的框架中，自动运行仿真软件，并自动重启设计流程，在实际操作中，按照指定的优化算法ISIGHT对所集成软件的输入文件进行修改，在调用软件进行求解计算后读取目标函数的值，然后判别目标函数值是否达到最优，如果最优则优化结束，否则对输入文件再次进行修改计算，如此循环直至取得理想的目标函数值。其典型过程如图2所示。

在ISIGHT软件中建立流程框架，包括设计输入、调用ADAMS命令、设计输出以及优化目标和DOE（DesignofExperiment，试验设计）模块。其集成过程如下：将设计输入变量通过调用ADAMS命令反馈给ADAMS模型，在ADAMS后台进行仿真，仿真结果作为设计输出，再输入给MATLAB中优化目标矩阵，最后进入DOE模块进行试验设计，如此迭代计算。步骤S1中在CATIA中测量得到的逆向扫描硬点，作为前述初始设计输入变量。

完成过程集成操作以后，需要定义设计输入和设计输出边界，约束以及优化设计目标。设计输入为步骤S1中ADAMS模型的子系统文件，如图3所示；设计输出为步骤S1中的ADAMS仿真数据文件，如图4所示；优化设计目标为步骤S3中的优化目标函数矩阵。

步骤S5涉及DOE，DOE试验设计是以概率论和数理统计为理论基础，是研究和处理多因子与响应变量关系的一种科学方法。采用正交数组策略合理地安排试验，结合步骤S3中的约束条件矩阵，并通过对试验数据的分析，就可以发现关键参数，探索设计空间，从而找出总体最优的改进方案。以优化目标前束toe为例，结果如图5所示，图中内容即为各个硬点对前束梯度（gtoe）的敏感度，条形越长，表示影响越大。图中右侧的柱状数据表示K&C特性指标将随着硬点数值增大而增大，左侧的柱状数据表示K&C特性指标将随着硬点数值增大而减小，分析这个趋势就可以判断硬点对K&C特性指标的敏感度，从而可以确定不同硬点对K&C特性指标的影响程度，找出对K&C特性指标影响最大的硬点，为后面的优化做好准备。

在步骤S5获得对K&C特性指标影响最大的硬点，则需要在步骤S6中对其进行优化设计。优化设计的目的是寻找满足约束条件（即约束条件矩阵）和目标函数（即优化目标函数矩阵）的最好设计方案。本发明实施例采用多岛遗传算法的优化策略，多岛遗传算法与传统遗传算法的最大区别在于，每个种群都被分为若干个子种群，也称为岛，分别在各自的子种群中进行传统的遗传算法。一些个体被选出来周期的“移民”到其他的岛上。这种操作成为“移民”。有两个参数控制着移民过程：移民间隔（每次移民之后繁殖后代的个数）；移民率（移民个体所占的百分比），从而增加个体的多样性，提高了全局的搜寻能力并改进了收敛效率。将步骤S5中判断得出的几个影响最大的硬点重新作为ISIGHT的设计输入变量，结合步骤S3中的约束条件矩阵，采用多岛遗传算法进行优化就可以得到满足K&C特性指标的优化硬点。

本发明基于K&C特性的悬架硬点优化方法尤其适用于麦弗逊悬架。

综上所述，本发明基于K&C特性的悬架硬点优化方法所带来的有益效果是：不需要工程师掌握力学、数学等方面深厚的理论知识，针对逆向扫描硬点数据与K&C试验结果不符的问题，根据工程实际经验，编制优化目标函数矩阵和约束条件矩阵，联合ADAMS、MATLAB和ISIGHT软件，基于对标车的K&C特性，能够快速准确地得到符合对标车K&C特性指标的底盘优化硬点，特别是逆向未能扫描的硬点，大大节省研发时间，提高工作效率。

此外，实施本发明的悬架硬点优化方法还将产生以下有益效果：

第一，在逆向扫描对标车过程中，根据K&C试验数据可以修正某些由于人为因素或者空间限制而不精确的扫描硬点，提高了逆向工作的效率。

第二，在骡车（汽车研发阶段的测试车）改制过程中，可以准确地预判骡车硬点的改进方向，指导骡车改制，节约了开发成本。

第三，在正向设计中，可以根据K&C优化设计目标和优化设计约束条件，优化出满足K&C特性指标、零部件结构和空间布置的硬点方案，提高开发设计水平。

第四，在整车调校过程中，可以根据设计的K&C优化目标范围，得到某些硬点的允许变动范围，比如转向横拉杆的调整，从而可以指导调校工作，缩短调校工作时间，提高了整车调校的效率。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种基于K&C特性的悬架硬点优化方法，包括：

步骤S1，根据三坐标扫描仪逆向的硬点数据，建立ADAMS悬架模型并进行仿真，得到K&C特性仿真数据；

步骤S2，在MATLAB中对比分析所述K&C特性仿真数据和K&C特性试验数据，获得有差异的K&C特性指标，并将其作为优化目标；

步骤S3，利用MATLAB编制优化目标函数矩阵及约束条件矩阵；

步骤S4，将步骤S1-S3集成到ISIGHT软件中实现；

步骤S5，将所述优化目标函数矩阵通过DOE试验设计进行试验，并结合所述约束条件矩阵，分析获得对K&C特性指标影响最大的硬点；

步骤S6，将所述获得的对K&C特性指标影响最大的硬点重新作为ISIGHT的设计输入变量，并结合所述约束条件矩阵，采用多岛遗传算法进行优化。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包括：

在CATIA中建立所需的整车坐标系，与三坐标扫描仪逆向数据坐标对齐，测量各个扫描硬点坐标；

在ADAMS中建立悬架、转向和稳定杆的动力学模型，并完成整个悬架装配体；

创建ADAMS悬架模型仿真的命令文件；

建立调用ADAMS后台运行的bat后处理文件并运行。

3.根据权利要求2所述的方法，其特征在于，所述命令文件包括仿真的装配模型、仿真条件以及仿真输出结果。

4.根据权利要求1所述的方法，其特征在于，所述K&C特性仿真数据构成n×m的矩阵，其中m=K&C特性指标的个数+1，n=仿真步数+1。

5.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：

在MATLAB中分别对所述K&C特性仿真数据和K&C试验数据进行目标函数拟合，得到K&C特性仿真数据拟合曲线和K&C试验数据拟合曲线；

比较所述K&C特性仿真数据拟合曲线和K&C试验数据拟合曲线的趋势，以及零点梯度值，找出有差异的K&C特性指标。

6.根据权利要求5所述的方法，其特征在于，所述步骤S3中，单个所述优化目标为三元多次函数，所述优化目标的目标值设为所述K&C试验数据拟合曲线的零点梯度值、零点值以及各自最大值与最小值的差值。

7.根据权利要求5所述的方法，其特征在于，所述步骤S3中，所述约束条件矩阵由所述优化目标函数的约束条件构成，所述约束条件至少包括零部件各硬点相对位置的关系、空间布置约束。

8.根据权利要求7所述的方法，其特征在于，所述步骤S3还包括：以所述步骤S1中逆向扫描的硬点作为优化因素，根据工程实际经验，确定不同硬点坐标的变化范围。

9.根据权利要求5所述的方法，其特征在于，所述步骤S4具体包括：

将设计输入变量通过调用ADAMS命令反馈给ADAMS悬架模型，在ADAMS后台进行仿真，仿真结果作为设计输出，再输入给MATLAB中的所述优化目标矩阵。

10.根据权利要求9所述的方法，其特征在于，所述步骤S4还包括：

定义设计输入和设计输出边界，约束以及优化设计目标，所述设计输入为所述ADAMS悬架模型的子系统文件，所述设计输出为所述K&C特性数据文件，所述优化设计目标为所述优化目标函数矩阵。