CN107609303A - 车辆的悬架优化方法及系统 - Google Patents
车辆的悬架优化方法及系统 Download PDFInfo
- Publication number
- CN107609303A CN107609303A CN201710901252.5A CN201710901252A CN107609303A CN 107609303 A CN107609303 A CN 107609303A CN 201710901252 A CN201710901252 A CN 201710901252A CN 107609303 A CN107609303 A CN 107609303A
- Authority
- CN
- China
- Prior art keywords
- suspension
- mrow
- target
- knuckle
- hard spot
- 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.)
- Pending
Links
Abstract
本发明提出了一种车辆的悬架优化方法及系统。其中,该方法包括:建立悬架数学模型,并求取悬架数学模型中转向节各点运动后的坐标;获取悬架硬点,并根据悬架硬点得到非线性区间的数学转换模型;利用非线性区间序关系将非线性区间的数学转换模型转换为确定性优化的目标;设计悬架硬点和目标的约束区间,并基于设计悬架硬点和目标的约束区间以及确定性优化的目标建立以悬架K&C特性与标准K&C特性变化量最小的目标函数;对目标函数进行求解,以得到优化后的悬架硬点信息。本发明的方法可以使目标悬架的K&C特性具有较强的稳健性。
Description
技术领域
本发明涉及汽车技术领域,特别涉及一种车辆的悬架优化方法及系统。
背景技术
悬架的K&C特性直接影响到汽车的操纵稳定性、行驶平顺性以及轮胎的寿命。悬架设计中一般认为车轮定位参数随车轮跳动越小为最优,通常采用上述理论作为优化目标,但在实车设计当中,该理论并不完全适用,有时为了满足汽车的某些性能而需要适当的增大某些变化量。故在实车设计中,常以一特定K&C特性为标准,使设计悬架的K&C特性尽可能接近标准K&C特性。在生产、制造、安装过程中,由于误差的存在,使实际硬点位置具有一定的波动,存在不确定性,致使样车K&C特性并不满足标准K&C特性。相关技术中确定性优化设计忽略了设计中的不确定因素,从而影响K&C特性。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种车辆的悬架优化方法。该方法可以使目标悬架的K&C特性具有较强的稳健性。
本发明的第二个目的在于提出一种车辆的悬架优化系统。
为了实现上述目的,本发明的第一方面实施例公开了一种车辆的悬架优化方法,包括以下步骤:建立悬架数学模型,并求取所述悬架数学模型中转向节各点运动后的坐标;获取悬架硬点,并根据所述悬架硬点得到非线性区间的数学转换模型;利用非线性区间序关系将所述非线性区间的数学转换模型转换为确定性优化的目标;设计悬架硬点和目标的约束区间,并基于所述设计悬架硬点和目标的约束区间以及所述确定性优化的目标建立以悬架K&C特性与标准K&C特性变化量最小的目标函数;对所述目标函数进行求解,以得到优化后的悬架硬点信息。
根据本发明实施例的车辆的悬架优化方法,建立了悬架数学模型,并考虑了悬架设计中不确定性因素,利用非线性区间序关系,以悬架K&C特性与标准K&C特性变化量最小为目标函数,并基于区间分析进行优化,使目标悬架的K&C特性具有较强的稳健性。
在一些示例中,所述建立悬架数学模型,并求取所述悬架数学模型中转向节各点运动后的坐标,包括:建立悬架数学模型;根据转向节坐标变换矩阵得到转向节各点的关系式;根据所述转向节各点的关系式中的未知参量确定约束方程;根据所述转向节各点的关系式以及所述约束方程得到所述转向节各点运动后的坐标。
在一些示例中,所述确定性优化的目标为:
min(fC(X),fW(X))。
在一些示例中,所述目标函数为:
其中,Di为第i个目标函数,yij为第j个采样点处响应值,Yij为第j个采样点处的标准K&C值,n为采样个数。
在一些示例中,所述对所述目标函数进行求解,以得到优化后的悬架硬点信息,包括:采用基于拥挤距离的多目标粒子群算法进行求解,以得到优化后的悬架硬点信息。
本发明的第二方面的实施例公开了一种车辆的悬架优化系统,包括:悬架数学模型建立模块,用于建立悬架数学模型,并求取所述悬架数学模型中转向节各点运动后的坐标;获取模块,用于获取悬架硬点,并根据所述悬架硬点得到非线性区间的数学转换模型,以及利用非线性区间序关系将所述非线性区间的数学转换模型转换为确定性优化的目标;求解模块,用于设计悬架硬点和目标的约束区间,并基于所述设计悬架硬点和目标的约束区间以及所述确定性优化的目标建立以悬架K&C特性与标准K&C特性变化量最小的目标函数,以及对所述目标函数进行求解,以得到优化后的悬架硬点信息。
根据本发明实施例的车辆的悬架优化系统,建立了悬架数学模型,并考虑了悬架设计中不确定性因素,利用非线性区间序关系,以悬架K&C特性与标准K&C特性变化量最小为目标函数,并基于区间分析进行优化,使目标悬架的K&C特性具有较强的稳健性。
在一些示例中,所述悬架数学模型建立模块用于:建立悬架数学模型;根据转向节坐标变换矩阵得到转向节各点的关系式;根据所述转向节各点的关系式中的未知参量确定约束方程;根据所述转向节各点的关系式以及所述约束方程得到所述转向节各点运动后的坐标。
在一些示例中,所述确定性优化的目标为:
min(fC(X),fW(X))。
在一些示例中,所述目标函数为:
其中,Di为第i个目标函数,yij为第j个采样点处响应值,Yij为第j个采样点处的标准K&C值,n为采样个数。
在一些示例中,所述求解模块用于采用基于拥挤距离的多目标粒子群算法进行求解,以得到优化后的悬架硬点信息。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1是根据本发明一个实施例的车辆的悬架优化方法的流程图;
图2是根据本发明一个实施例的车辆的悬架优化方法中悬架数学模型的几何模型图;
图3是根据本发明一个实施例的车辆的悬架优化方法的优化流程图;
图4-图7分别为根据本发明一个实施例的车辆的悬架优化方法的优化结果中主销内倾角变化量曲线、主销后倾角变化量曲线、车轮外倾角变化量曲线以及车轮前束角变化量曲线的四个硬点的示意图;
图8是根据本发明一个实施例的车辆的悬架优化系统的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
以下结合附图描述根据本发明实施实例的车辆的悬架优化方法及系统。
图1是根据本发明一个实施例的车辆的悬架优化方法的流程图。
如图1所示,根据本发明一个实施例的车辆的悬架优化方法,包括如下步骤:
S101:建立悬架数学模型,并求取悬架数学模型中转向节各点运动后的坐标。例如建立悬架数学模型;根据转向节坐标变换矩阵得到转向节各点的关系式;根据所述转向节各点的关系式中的未知参量确定约束方程;根据所述转向节各点的关系式以及所述约束方程得到所述转向节各点运动后的坐标。
作为一个具体的示例,以麦弗逊悬架的数学模型为例,结合图2所示,几何模型如图1所示,Ai为悬架与车身的连接点,其中A5为A3、A4两球副等效连接点。Bi(i=1,2,3,4)为转向节上初始点,C为轮心点。主参考系oxyz的原点位于车辆质心处,x轴指向车辆前进的方向,z轴指向上方,y轴垂直于xoz平面指向车辆左侧。
转向节坐标求解过程如下:
转向节相对于车身的位置可由3次连续的有限转动即分别绕x、y、z轴旋转α、β、γ角,使转向节坐标与轮心C(Cx,Cy,Cz)重合。转向节坐标变换矩阵为:
m=Ctx-[R(1,1)Cx+R(1,2)Cy+R(1,3)Cz];
n=Ctx-[R(2,1)Cx+R(2,2)Cy+R(2,3)Cz];
l=Ctx-[R(3,1)Cx+R(3,2)Cy+R(3,3)Cz];
其中,cα=cosα,sα=sinα,依此类推。Ct=[Ctx,Cty,Ctz]为轮心C运动后的坐标。在车轮上下跳动时,轮心C的z坐标存在dz输入,即:
Ctz=Cz+dz (2)
则转向节各点应满足:
且
式(3)中有5个未知参量,当以轮心C作为输入时,存在5个未知参量则需要5个约束方程。由于悬架各连杆为刚体,悬架运动前后连杆长度变化不变,转向节杆件间角度变化不变。得到约束方程如下:
当Ctz处于不同位置时,通过式(3)式(4)可得到转向节运动后各点的坐标。通过麦弗逊悬架定位参数定义可得,主销后倾角θ、主销内倾角β、车轮前束角τ、车轮外倾角γ分别为:
以以下硬点为例,下横臂外侧硬点B3、转向拉杆内侧硬点A2、转向横拉杆外侧硬点B2坐标:B3x,B3y,B3z,A2y,A2z,B2x,B2z对目标量的影响程度较大,故选这些点作为优化设计变量,分别记为x1,x2,x3,x4,x5,x6,x7。
S102:获取悬架硬点,并根据悬架硬点得到非线性区间的数学转换模型。
具体地说,依据区间数学,区间被定义为一对有序的实数:
AI=[AL,AR]={x|AL≤x≤AR,x∈R} (9)
式中,I、L、R分别表示区间、区间的下界和区间的上界。
用于区间比较的数学方法一般分为两类;一类称为“区间可能度”,用于定量描述一区间优于另一区间的具体程度;另一类称为“区间序关系”,用于定性判断两区间优劣性。本转换模型中选择“区间序关系”来定性判断某一区间是否优于另一区间。对于最小化优化问题,区间BI优于区间AI的序关系可以表述如下:
式中,AC、AW分别表示区间的中点和半径。
S103:利用非线性区间序关系将非线性区间的数学转换模型转换为确定性优化的目标。
具体地,上述的序关系表达了决策者对区间中点和半径的偏好。由式(10)可知,当区间BI优于区间AI时,必须满足区间BI的中点和半径都小于区间AI的中点和半径。如此,希望找到一个最优的设计变量,使不确定目标函数的区间具有最小的中点值和最小的区间半径,则式(9)中的不确定优化问题可以转换为如下确定性优化问题。
min(fC(X),fW(X)) (12)
S104:设计悬架硬点和目标的约束区间,并基于设计悬架硬点和目标的约束区间以及确定性优化的目标建立以悬架K&C特性与标准K&C特性变化量最小的目标函数。
作为一个具体的示例,悬架硬点的不确定性优化过程:对以上由非线性区间转换模型得到的确定性优化问题是典型的两层嵌套优化问题,其内层优化用于计算不确定目标函数和约束的区间,外层优化用于设计变量的寻优。由于嵌套的存在,使得转换后的确定性优化问题常常是非连续和不可导的。对内层和外层优化都选用基于拥挤距离的多目标粒子群算法(MOPSO-CD)以解决上述问题。该算法是一种随机优化和搜索的算法,寻优时只需知道函数值信息即可,所以将其作为内层外层的求解器是一个很好的选择。对于最优解的选取采用最小距离选解法,避免了选解的主观性。最小距离可表示如下:
式中,n为目标向量中分量的个数;fi为第i个目标分量。
变量和目标的约束区间设定:
设计变量和不确定量取值范围如表1所示。约束区间为标准K&C特性±15%。
表1 设计变量和不确定量取值范围
S105:对目标函数进行求解,以得到优化后的悬架硬点信息。其中,可以采用基于拥挤距离的多目标粒子群算法进行求解,以得到优化后的悬架硬点信息。
建立以悬架K&C特性与标准K&C特性变化量最小的目标函数:
式中,Di为第i个目标函数,yij为第j个采样点处响应值,Yij为第j个采样点处标准K&C值,n为采样个数。
基于区间序关系,将含有区间的不确定优化模型转换为确定性优化模型,并采用MOPSO-CD求解,得到优化后的硬点信息,如表2所示,优化结果如表3所示,优化过程如图3所示。
表2 优化前后设计变量对比
由表4可知优化后目标函数中点值均有减小,说明优化后硬点对应的K&C特性相对标准K&C特性变化均值减小,整体更加接近标准K&C;优化后目标函数半径相对减小,表明优化后硬点对应的K&C特性波动范围减小,优化后的K&C特性具有更强的稳健性。
表3 优化结果对比
为了验证目标的稳健性,分别在初始硬点、优化后硬点的不确定域中随机选取30组参数组合,并对这30组参数进行仿真试验。采用式(14)计算每组的悬架K&C变化量,试验结果如图4~图7所示。
由图4至图7可知,优化后硬点对应的主销内倾角、主销后倾角、车轮外倾角、车轮前束角在轮跳过程中的相对标准K&C特性变化量均值、波动区间均有明显减小,可看出优化后的K&C特性更接近标准K&C特性且具有较强的稳健性。
根据本发明实施例的车辆的悬架优化方法,建立了悬架数学模型,并考虑了悬架设计中不确定性因素,利用非线性区间序关系,以悬架K&C特性与标准K&C特性变化量最小为目标函数,并基于区间分析进行优化,使目标悬架的K&C特性具有较强的稳健性。
图8是根据本发明一个实施例的车辆的悬架优化系统的结构框图。如图8所示,根据本发明一个实施例的车辆的悬架优化系统800,包括:悬架数学模型建立模块810、获取模块820和求解模块830。
其中,悬架数学模型建立模块810用于建立悬架数学模型,并求取所述悬架数学模型中转向节各点运动后的坐标;获取模块820用于获取悬架硬点,并根据所述悬架硬点得到非线性区间的数学转换模型,以及利用非线性区间序关系将所述非线性区间的数学转换模型转换为确定性优化的目标;求解模块830用于设计悬架硬点和目标的约束区间,并基于所述设计悬架硬点和目标的约束区间以及所述确定性优化的目标建立以悬架K&C特性与标准K&C特性变化量最小的目标函数,以及对所述目标函数进行求解,以得到优化后的悬架硬点信息。
在本发明的一个实施例中,所述悬架数学模型建立模块810用于:建立悬架数学模型;根据转向节坐标变换矩阵得到转向节各点的关系式;根据所述转向节各点的关系式中的未知参量确定约束方程;根据所述转向节各点的关系式以及所述约束方程得到所述转向节各点运动后的坐标。
在本发明的一个实施例中,所述确定性优化的目标为:
min(fC(X),fW(X))。
在本发明的一个实施例中,所述目标函数为:
其中,Di为第i个目标函数,yij为第j个采样点处响应值,Yij为第j个采样点处的标准K&C值,n为采样个数。
在本发明的一个实施例中,所述求解模块830用于采用基于拥挤距离的多目标粒子群算法进行求解,以得到优化后的悬架硬点信息。
根据本发明实施例的车辆的悬架优化系统,建立了悬架数学模型,并考虑了悬架设计中不确定性因素,利用非线性区间序关系,以悬架K&C特性与标准K&C特性变化量最小为目标函数,并基于区间分析进行优化,使目标悬架的K&C特性具有较强的稳健性。
需要说明的是,本发明实施例的车辆的悬架优化系统与本发明实施例的车辆的悬架优化方法的具体实现方式类似,具体请参见方法部分的描述,为了减少冗余,此处不做赘述。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种车辆的悬架优化方法,其特征在于,包括以下步骤:
建立悬架数学模型,并求取所述悬架数学模型中转向节各点运动后的坐标;
获取悬架硬点,并根据所述悬架硬点得到非线性区间的数学转换模型;
利用非线性区间序关系将所述非线性区间的数学转换模型转换为确定性优化的目标;
设计悬架硬点和目标的约束区间,并基于所述设计悬架硬点和目标的约束区间以及所述确定性优化的目标建立以悬架K&C特性与标准K&C特性变化量最小的目标函数;
对所述目标函数进行求解,以得到优化后的悬架硬点信息。
2.根据权利要求1所述的车辆的悬架优化方法,其特征在于,所述建立悬架数学模型,并求取所述悬架数学模型中转向节各点运动后的坐标,包括:
建立悬架数学模型;
根据转向节坐标变换矩阵得到转向节各点的关系式;
根据所述转向节各点的关系式中的未知参量确定约束方程;
根据所述转向节各点的关系式以及所述约束方程得到所述转向节各点运动后的坐标。
3.根据权利要求1所述的车辆的悬架优化方法,其特征在于,所述确定性优化的目标为:
min(fC(X),fW(X))。
4.根据权利要求1所述的车辆的悬架优化方法,其特征在于,所述目标函数为:
<mrow>
<mi>min</mi>
<mi> </mi>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>,</mo>
</mrow>
其中,Di为第i个目标函数,yij为第j个采样点处响应值,Yij为第j个采样点处的标准K&C值,n为采样个数。
5.根据权利要求1-4任一项所述的车辆的悬架优化方法,其特征在于,所述对所述目标函数进行求解,以得到优化后的悬架硬点信息,包括:
采用基于拥挤距离的多目标粒子群算法进行求解,以得到优化后的悬架硬点信息。
6.一种车辆的悬架优化系统,其特征在于,包括:
悬架数学模型建立模块,用于建立悬架数学模型,并求取所述悬架数学模型中转向节各点运动后的坐标;
获取模块,用于获取悬架硬点,并根据所述悬架硬点得到非线性区间的数学转换模型,以及利用非线性区间序关系将所述非线性区间的数学转换模型转换为确定性优化的目标;
求解模块,用于设计悬架硬点和目标的约束区间,并基于所述设计悬架硬点和目标的约束区间以及所述确定性优化的目标建立以悬架K&C特性与标准K&C特性变化量最小的目标函数,以及对所述目标函数进行求解,以得到优化后的悬架硬点信息。
7.根据权利要求6所述的车辆的悬架优化系统,其特征在于,所述悬架数学模型建立模块用于:
建立悬架数学模型;
根据转向节坐标变换矩阵得到转向节各点的关系式;
根据所述转向节各点的关系式中的未知参量确定约束方程;
根据所述转向节各点的关系式以及所述约束方程得到所述转向节各点运动后的坐标。
8.根据权利要求6所述的车辆的悬架优化系统,其特征在于,所述确定性优化的目标为:
min(fC(X),fW(X))。
9.根据权利要求6所述的车辆的悬架优化系统,其特征在于,所述目标函数为:
<mrow>
<mi>min</mi>
<mi> </mi>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>,</mo>
</mrow>
其中,Di为第i个目标函数,yij为第j个采样点处响应值,Yij为第j个采样点处的标准K&C值,n为采样个数。
10.根据权利要求6-9任一项所述的车辆的悬架优化系统,其特征在于,所述求解模块用于采用基于拥挤距离的多目标粒子群算法进行求解,以得到优化后的悬架硬点信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710901252.5A CN107609303A (zh) | 2017-09-28 | 2017-09-28 | 车辆的悬架优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710901252.5A CN107609303A (zh) | 2017-09-28 | 2017-09-28 | 车辆的悬架优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107609303A true CN107609303A (zh) | 2018-01-19 |
Family
ID=61059315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710901252.5A Pending CN107609303A (zh) | 2017-09-28 | 2017-09-28 | 车辆的悬架优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107609303A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446528A (zh) * | 2018-06-01 | 2018-08-24 | 上汽通用五菱汽车股份有限公司 | 前悬架优化设计方法、装置及计算机可读存储介质 |
CN109002577A (zh) * | 2018-06-11 | 2018-12-14 | 韶关学院 | 一种悬架的优化方法及系统 |
CN109782605A (zh) * | 2019-02-27 | 2019-05-21 | 南京理工大学 | 一种用于汽车悬架系统的采样控制方法 |
CN110990960A (zh) * | 2020-01-15 | 2020-04-10 | 江铃汽车股份有限公司 | 汽车悬架设计的稳健性评估、优化方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834779A (zh) * | 2015-05-05 | 2015-08-12 | 柳州宏开汽车科技有限公司 | 一种基于灵敏度分析的悬架硬点设计方法 |
CN105718607A (zh) * | 2014-12-02 | 2016-06-29 | 广州汽车集团股份有限公司 | 一种基于k&c特性的悬架硬点优化方法 |
CN106909743A (zh) * | 2017-03-02 | 2017-06-30 | 合肥工业大学 | 基于内外层嵌套多目标粒子群算法的麦弗逊悬架硬点坐标优化方法 |
-
2017
- 2017-09-28 CN CN201710901252.5A patent/CN107609303A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718607A (zh) * | 2014-12-02 | 2016-06-29 | 广州汽车集团股份有限公司 | 一种基于k&c特性的悬架硬点优化方法 |
CN104834779A (zh) * | 2015-05-05 | 2015-08-12 | 柳州宏开汽车科技有限公司 | 一种基于灵敏度分析的悬架硬点设计方法 |
CN106909743A (zh) * | 2017-03-02 | 2017-06-30 | 合肥工业大学 | 基于内外层嵌套多目标粒子群算法的麦弗逊悬架硬点坐标优化方法 |
Non-Patent Citations (1)
Title |
---|
任程远 等: "悬架 K&C 特性响应的参数灵敏度分析及不确定性优化", 《机械科学与技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446528A (zh) * | 2018-06-01 | 2018-08-24 | 上汽通用五菱汽车股份有限公司 | 前悬架优化设计方法、装置及计算机可读存储介质 |
CN109002577A (zh) * | 2018-06-11 | 2018-12-14 | 韶关学院 | 一种悬架的优化方法及系统 |
CN109002577B (zh) * | 2018-06-11 | 2023-01-10 | 韶关学院 | 一种悬架的优化方法及系统 |
CN109782605A (zh) * | 2019-02-27 | 2019-05-21 | 南京理工大学 | 一种用于汽车悬架系统的采样控制方法 |
CN110990960A (zh) * | 2020-01-15 | 2020-04-10 | 江铃汽车股份有限公司 | 汽车悬架设计的稳健性评估、优化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609303A (zh) | 车辆的悬架优化方法及系统 | |
CN109866761B (zh) | 自动泊车路径规划方法、系统及计算机可读存储介质 | |
CN106909743B (zh) | 基于多目标粒子群算法的麦弗逊悬架硬点坐标优化方法 | |
CN105718607B (zh) | 一种基于k&c特性的悬架硬点优化方法 | |
CN103942392B (zh) | 一种基于全生命周期的汽车底盘技术参数稳健设计方法 | |
CN101826125B (zh) | 一种设计麦弗逊悬架的方法 | |
Jin et al. | An adaptive motion planning technique for on-road autonomous driving | |
CN104834779A (zh) | 一种基于灵敏度分析的悬架硬点设计方法 | |
CN102855361B (zh) | 一种制作轮胎包络面的方法 | |
CN112269965A (zh) | 一种非完整约束条件下的连续曲率路径优化方法 | |
CN107330172B (zh) | 基于模块化产品族平台的白车身模块设计方法 | |
CN106202741A (zh) | 一种基于最小实体状态的同轴度评定方法 | |
CN106844862B (zh) | 一种基于cae分析的铝制车身节点刚度评价方法 | |
CN104097477A (zh) | 一种双横臂独立悬架上导向臂和下导向臂长度计算方法 | |
CN104245292B (zh) | 通过离散作用识别来改进均匀性 | |
KR100471240B1 (ko) | 자동차 서스펜션의 롤 지오메트리 예측 방법 | |
CN115298045A (zh) | 车辆控制装置、车辆控制方法以及车辆控制系统 | |
CN107871036A (zh) | 悬架硬点的灵敏度分析方法及系统 | |
Raghavan | Suspension synthesis for N: 1 roll center motion | |
Liang et al. | Simulation analysis and optimization design of front suspension based on ADAMS | |
CN109614658A (zh) | 一种汽车空气悬架系统的多学科优化平台及优化方法 | |
CN111241628A (zh) | 一种悬架定位参数优化的方法 | |
Wang et al. | Parameter Optimization of Anti-Roll Bar Based on Stiffness | |
Chen et al. | Parameter Optimization of Steering Trapezoid Mechanism Based on Hybrid Genetic Algorithm | |
Avi et al. | Multi-objective optimization of the kinematic behaviour in double wishbone suspension systems using genetic algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |