CN110781558B - 基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法 - Google Patents
基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法 Download PDFInfo
- Publication number
- CN110781558B CN110781558B CN201911017184.1A CN201911017184A CN110781558B CN 110781558 B CN110781558 B CN 110781558B CN 201911017184 A CN201911017184 A CN 201911017184A CN 110781558 B CN110781558 B CN 110781558B
- Authority
- CN
- China
- Prior art keywords
- stabilizer bar
- fatigue
- performance
- simulation analysis
- roll
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Vehicle Body Suspensions (AREA)
Abstract
本发明涉及一种基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，包括以下步骤：步骤1，问题识别和P图分析；步骤2，搭建稳定杆疲劳仿真分析模型并对稳定杆进行疲劳仿真分析，搭建前悬架侧倾仿真分析模型并对前悬架进行侧倾仿真分析；步骤3，进行设计变量的参数化建模；步骤4，进行设计变量的DOE采样计算；步骤5，提取DOE样本点和计算结果，基于疲劳性能构造响应面近似模型Ⅰ，基于侧倾性能构造响应面近似模型Ⅱ；步骤6，基于步骤5中的两个近似模型，以侧倾性能为约束条件，以疲劳损伤最小为优化目标，对稳定杆进行优化设计。本发明通过综合运用CAE仿真和MDO技术，以更高效的设计出能够同时满足疲劳和侧倾性能的稳定杆结构。
Description
技术领域
本发明涉及底盘多学科设计优化，具体涉及一种基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法。
背景技术
为维持高速转弯时车身姿态的平稳，汽车设计时通常添加横向稳定杆，以增加车辆的侧倾刚度而不改变垂向刚度。理想的被动悬架设计要求垂向刚度偏软以提高舒适性，侧倾刚度偏硬以提高操纵稳定性。横向稳定杆关联左右车轮的运动，使车辆悬架的垂向模态和侧倾模态解耦，从而改变车辆侧倾刚度，但不影响其垂向性能。所以在稳定杆的设计时要重点关注对悬架系统侧倾刚度影响。
同时，稳定杆在工作中受弯扭、拉压和剪切力综合作用，在长时间历程和循环载荷下可能发生疲劳断裂，所以疲劳性能在设计稳定杆时需要重点关注。
目前，主流汽车厂商在稳定杆的设计开发中主要采用“串行设计”模式，即在每个开发阶段，稳定杆疲劳性能、侧倾性能单独达到“最佳”。然而，由于未能充分考虑各性能之间的耦合、制约及其协同效应，使得这样的设计缺乏系统性和全局性，设计结果难以达到系统“最优”；此外，“串行设计”模式需要各两个学科的性能进行多轮反复验证，导致设计周期增长，设计成本增加。为了克服“串行设计”开发模式的弊端，充分考虑多学科（疲劳耐久、行驶性能等）之间的耦合作用，提高稳定杆结构性能并缩短设计周期，有必要开展基于多学科设计优化的稳定杆结构性能开发，实现“并行设计”。
发明内容
本发明的目的是提出一种基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，以更高效的设计出能够同时满足疲劳和侧倾性能要求的稳定杆结构。
本发明所述的一种基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，包括以下步骤：
步骤1，问题识别和P图分析，确定稳定杆多学科优化设计的相关参数；
步骤2，搭建稳定杆疲劳仿真分析模型并对稳定杆进行疲劳仿真分析，搭建前悬架侧倾仿真分析模型并对前悬架进行侧倾仿真分析；
步骤3，确定稳定杆需要优化设计的设计变量，进行设计变量的参数化建模；
步骤4，进行设计变量的DOE采样计算；
步骤5，提取DOE样本点和计算结果，基于疲劳性能构造满足精度要求的响应面近似模型Ⅰ，基于侧倾性能构造满足精度要求的响应面近似模型Ⅱ；
步骤6，基于步骤5中的两个近似模型，以侧倾性能为约束条件，以疲劳损伤最小为优化目标，对稳定杆进行优化设计，调用稳定杆疲劳仿真分析模型和前悬架侧倾仿真分析模型对优化方案进行验证。
进一步，还包括步骤7，在确定稳定杆优化方案的基础上，基于疲劳性能开展稳定杆支架参数实验，获得稳定杆支架最佳厚度方案。
进一步，所述步骤1具体为：问题识别和P图分析，确定稳定杆多学科优化设计的相关参数：输入信号为疲劳工况下根据稳定杆最大行程进行两端加载、侧倾工况下前悬侧倾±5°，控制因子为稳定杆直径、稳定杆衬套刚度、稳定杆衬套安装位置和稳定杆支架厚度，噪声因子为稳定杆刚度波动偏差，输出状态为稳定杆疲劳损伤值、前悬侧倾刚度和侧倾外倾梯度。
进一步，所述步骤2具体为：在前处理软件Hypermesh下搭建有稳定杆限元模型，基于稳定杆工况，约束和加载稳定杆系统，并利用Abaqus完成稳定杆的强度分析，根据强度分析结果，实现在循环载荷下稳定杆的疲劳损伤仿真分析；在软件Adams中搭建前悬架运动学模型，并对前悬架进行侧倾仿真分析。
进一步，所述步骤3具体为：确定稳定杆需要优化设计的设计变量包括稳定杆直径、稳定杆衬套安装位置、稳定杆衬套刚度以及稳定杆支架厚度，通过前处理软件ANSA的Morpher模块对设计变量进行参数化建模，采用批处理方式后台调用ANSA，实现设计变量的自动更新，进而分别驱动稳定杆疲劳仿真分析模型和前悬架侧倾仿真分析模型进行自动更新。
进一步，所述步骤4具体为：在Optimus集成优化平台下，搭建稳定杆的疲劳工况和侧倾工况的集成开发工作流，采用最优拉丁超方试验设计方法分别开展设计变量的DOE采样计算，基于DOE采样计算结果，完成设计变量对设计目标的相关性分析，识别影响疲劳性能和侧倾性能最主要的设计变量。
进一步，所述步骤5具体为：提取DOE样本点和计算结果，基于疲劳性能构造响应面近似模型Ⅰ，基于侧倾性能构造响应面近似模型Ⅱ；当近似模型的精度低于90%时，增加DOE采样的样本点并更新近似模型，直到近似模型精度大于90%。
进一步，所述步骤6具体为：基于步骤5中的两个近似模型，以侧倾性能为约束条件，以疲劳损伤最小为优化目标，采用全局搜索算法完成设计变量的确定性优化，获得一组最佳的匹配参数，调用稳定杆疲劳仿真分析模型和前悬架侧倾仿真分析模型对最佳的匹配参数进行验证。
本发明通过稳定杆疲劳工况和前悬架（包含稳定杆）侧倾工况的精准仿真，执行DOE分析；再分别对疲劳性能和侧倾性能构造近似模型，代替高精度分析模型，解决了优化迭代耗时大的问题；最后基于近似模型，开展基于疲劳性能和侧倾性能的多学科多目标优化，进而实现在降低稳定杆疲劳风险的同时，又控制前悬侧倾性能在合理空间。本发明能够在汽车产品研发过程中改善稳定杆系统设计手段，相较于传统的“串行设计”开发方法，本发明能够充分考虑多学科（例如疲劳耐久和行驶性能）之间的耦合作用，通过对稳定杆直径、稳定杆衬套刚度、稳定杆衬套硬点位置等设计变量进行确定性优化，可同时满足与稳定杆相关的各项性能，一次性设计对；基于疲劳性能开展稳定杆支架参数实验，获得稳定杆支架最佳厚度方案，可实现稳定杆支架的轻量化，降低成本；本发明成本低、效率高、能够在汽车产品开发前期实现稳定杆正向设计，降低后期设计变更带来的研发周期加长、研发费用增加的风险。
附图说明
图1为基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法流程图；
图2为稳定杆疲劳分析约束和加载示意图；
图3为稳定杆集成开发分析工作流；
图4为设计变量与关注性能相关散点图；
图5为设计变量与关注性能相关系数图；
图6为近似模型残差图；
图7为设计变量优化结果；
图8为稳定杆支架厚度与疲劳损伤相关系数图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示的一种基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，包括以下步骤：
步骤1，问题识别和P图分析，确定稳定杆多学科优化设计的相关参数；
影响稳定杆疲劳性能和前悬侧倾性能的因素众多，如：时间影响、外部环境温度、整车各系统之间的交互影响（悬架系统变化、胎压变化）、系统误差（硬点尺寸误差等）以及用户使用情况。本发明主要从稳定杆结构设计出发，通过P图分析，确定三个输入状态（输入信号、控制因子、噪声因子）与两个输出状态（理想状态、失效状态）确定基于稳定杆结构优化设计的相关参数如下：
输入信号：疲劳工况下根据稳定杆最大行程进行两端加载，侧倾工况前悬侧倾±5°；
控制因子：稳定杆直径、稳定杆衬套刚度、稳定杆衬套安装位置、稳定杆支架厚度；
噪声因子：稳定杆刚度波动偏差；
输出状态：稳定杆疲劳损伤值、前悬侧倾刚度、侧倾外倾梯度。
步骤2，搭建稳定杆疲劳仿真分析模型并对稳定杆进行疲劳仿真分析，搭建前悬架侧倾仿真分析模型并对前悬架进行侧倾仿真分析；
具体为，在前处理软件Hypermesh环境下搭建稳定杆有限元模型，约束稳定杆支架安装点1-6自由度，根据稳定杆设计技术要求规定的稳定杆最大行程，在稳定杆两端进行加载（稳定杆一端加载强制位移31.7mm，则另一端加载-31.7mm），稳定杆约束及加载示意图如图2所示；然后利用Abaqus完成稳定杆的强度分析，根据强度分析结果，实现在200000次循环载荷下稳定杆的疲劳损伤仿真分析；在软件Adams中搭建前悬架运动学模型，并完成前悬架在侧倾±5°情况下的侧倾工况仿真分析。从而完成初始设计状态下稳定杆疲劳和前悬架侧倾仿真分析。
步骤3，确定稳定杆需要优化设计的设计变量，进行设计变量的参数化建模；
具体的，确定稳定杆需要优化设计的设计变量，包括稳定杆直径、稳定杆衬套安装位置、稳定杆衬套刚度以及稳定杆支架厚度。通过前处理软件ANSA的Morpher模块对设计变量进行参数化建模，其中稳定杆衬套安装位置参数只控制沿整车Y向移动，采用批处理方式后台调用ANSA，实现设计变量的自动更新，进而分别驱动稳定杆疲劳仿真分析模型和前悬架侧倾仿真分析模型进行自动更新。
步骤4，进行设计变量的DOE采样计算；
具体的，如图3所示，在Optimus集成优化平台下，搭建稳定杆的疲劳工况和侧倾工况的集成开发工作流。选择最优拉丁超方试验设计方法进行150组样本采样，其中，稳定杆直径、稳定杆衬套刚度、稳定杆衬套安装位置同时用于疲劳和侧倾两个工况，稳定杆支架厚度单独用于疲劳工况，完成样本计算。进一步，基于DOE采样计算结果，对设计变量（控制因子）和关注性能（输出状态）进行相关性分析，得到如图4所示的相关性散点图和如图5所示的相关系数图，结合图4和图5可知：各设计变量中，稳定杆直径与关注性能的相关性最为显著，其中稳定杆直径与疲劳损伤值呈正相关，稳定杆直径与侧倾刚度呈负相关，后期优化时可重点考虑关键设计变量对关注性能的影响。
步骤5，提取DOE样本点和计算结果，基于疲劳性能构造满足精度要求的响应面近似模型Ⅰ，基于侧倾性能构造满足精度要求的响应面近似模型Ⅱ；
具体的，提取DOE样本点和计算结果，基于疲劳性能构造响应面近似模型Ⅰ，基于侧倾性能构造响应面近似模型Ⅱ；当近似模型的精度低于90%时，增加DOE采样的样本点并更新近似模型，直到近似模型精度大于90%。根据如图6所示的残差分析图和R2_adj值对近似模型精度进行验证，结果表明侧倾工况三个性能的平均误差低于1%，疲劳工况误差低于10%，均满足精度要求。
步骤6，基于步骤5中的两个近似模型，以侧倾性能为约束条件，以疲劳损伤最小为优化目标，对稳定杆进行优化设计，调用稳定杆疲劳仿真分析模型和前悬架侧倾仿真分析模型对优化方案进行验证。
具体的，基于步骤5中的两个近似模型，以侧倾性能、侧倾刚度为约束条件，以疲劳损伤最小为优化目标，采用全局搜索算法完成设计变量的确定性优化，获得一组最佳的匹配参数，调用稳定杆疲劳仿真分析模型和前悬架侧倾仿真分析模型对最佳的匹配参数进行验证，优化结果如图7所示。可看出，满足设计要求（侧倾刚度和侧倾外倾梯度在合理范围），并且疲劳损伤值最小时，需要将稳定杆直径增加3.7mm，衬套硬点位置（安装位置）外移4.99mm。
步骤7，在确定稳定杆优化方案的基础上，基于疲劳性能开展稳定杆支架参数实验，获得稳定杆支架最佳厚度方案。计算稳定杆支架厚度与损失值之间相关性，结果参考图8：稳定杆支架厚度与疲劳损伤值符合分段函数。稳定杆支架厚度小于3mm，稳定杆系统疲劳损伤值明显增大，疲劳损伤值与稳定杆支架厚度呈负相关，疲劳损伤发生在稳定杆支架上；稳定杆支架厚度大于3mm，稳定杆系统疲劳损伤值与稳定杆支架厚度无关，疲劳损伤出现在稳定杆上。为了规避疲劳损伤，同时使稳定杆支架轻量化，稳定杆轻量化方案为：最小厚度取损伤值变化的临界厚度，即3mm，比初始设计降低0.5mm。
Claims (7)
1.一种基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，其特征在于，包括以下步骤：
步骤1，问题识别和P图分析，确定稳定杆多学科优化设计的相关参数：输入信号为疲劳工况下根据稳定杆最大行程进行两端加载、侧倾工况下前悬侧倾±5°，控制因子为稳定杆直径、稳定杆衬套刚度、稳定杆衬套安装位置和稳定杆支架厚度，噪声因子为稳定杆刚度波动偏差，输出状态为稳定杆疲劳损伤值、前悬侧倾刚度和侧倾外倾梯度；
步骤2，搭建稳定杆疲劳仿真分析模型并对稳定杆进行疲劳仿真分析，搭建前悬架侧倾仿真分析模型并对前悬架进行侧倾仿真分析；
步骤3，确定稳定杆需要优化设计的设计变量，进行设计变量的参数化建模；
步骤4，进行设计变量的DOE采样计算；
步骤5，提取DOE样本点和计算结果，基于疲劳性能构造满足精度要求的响应面近似模型Ⅰ，基于侧倾性能构造满足精度要求的响应面近似模型Ⅱ；
步骤6，基于步骤5中的两个近似模型，以侧倾性能为约束条件，以疲劳损伤最小为优化目标，对稳定杆进行优化设计，调用稳定杆疲劳仿真分析模型和前悬架侧倾仿真分析模型对优化方案进行验证。
2.根据权利要求1所述的基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，其特征在于，还包括步骤7，在确定稳定杆优化方案的基础上，基于疲劳性能开展稳定杆支架参数实验，获得稳定杆支架最佳厚度方案。
3.根据权利要求1所述的基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，其特征在于，所述步骤2具体为：在前处理软件Hypermesh下搭建有稳定杆限元模型，基于稳定杆工况，约束和加载稳定杆系统，并利用Abaqus完成稳定杆的强度分析，根据强度分析结果，实现在循环载荷下稳定杆的疲劳损伤仿真分析；在软件Adams中搭建前悬架运动学模型，并对前悬架进行侧倾仿真分析。
4.根据权利要求1所述的基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，其特征在于，所述步骤3具体为：确定稳定杆需要优化设计的设计变量包括稳定杆直径、稳定杆衬套安装位置、稳定杆衬套刚度以及稳定杆支架厚度，通过前处理软件ANSA的Morpher模块对设计变量进行参数化建模，采用批处理方式后台调用ANSA，实现设计变量的自动更新，进而分别驱动稳定杆疲劳仿真分析模型和前悬架侧倾仿真分析模型进行自动更新。
5.根据权利要求1所述的基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，其特征在于，所述步骤4具体为：在Optimus集成优化平台下，搭建稳定杆的疲劳工况和侧倾工况的集成开发工作流，采用最优拉丁超方试验设计方法分别开展设计变量的DOE采样计算，基于DOE采样计算结果，完成设计变量对设计目标的相关性分析，识别影响疲劳性能和侧倾性能最主要的设计变量。
6.根据权利要求1所述的基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，其特征在于，所述步骤5具体为：提取DOE样本点和计算结果，基于疲劳性能构造响应面近似模型Ⅰ，基于侧倾性能构造响应面近似模型Ⅱ；当近似模型的精度低于90%时，增加DOE采样的样本点并更新近似模型，直到近似模型精度大于90%。
7.根据权利要求1所述的基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法，其特征在于，所述步骤6具体为：基于步骤5中的两个近似模型，以侧倾性能为约束条件，以疲劳损伤最小为优化目标，采用全局搜索算法完成设计变量的确定性优化，获得一组最佳的匹配参数，调用稳定杆疲劳仿真分析模型和前悬架侧倾仿真分析模型对最佳的匹配参数进行验证。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911017184.1A CN110781558B (zh) | 2019-10-24 | 2019-10-24 | 基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911017184.1A CN110781558B (zh) | 2019-10-24 | 2019-10-24 | 基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110781558A CN110781558A (zh) | 2020-02-11 |
| CN110781558B true CN110781558B (zh) | 2021-04-06 |
Family
ID=69387400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911017184.1A Active CN110781558B (zh) | 2019-10-24 | 2019-10-24 | 基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110781558B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380622A (zh) * | 2020-11-13 | 2021-02-19 | 西藏宁算科技集团有限公司 | 一种基于云计算技术的车身轻量化参数优化方法 |
| CN113515810B (zh) * | 2021-05-17 | 2022-08-26 | 中车长春轨道客车股份有限公司 | 基于可靠性和安全性分析的动车组转向架设计开发方法 |
| CN113111562B (zh) * | 2021-05-19 | 2022-12-23 | 中国船舶重工集团海装风电股份有限公司 | 基于变形技术的风电机组主机架优化设计方法 |
| CN113255187B (zh) * | 2021-06-01 | 2024-01-16 | 开沃新能源汽车集团股份有限公司 | 一种基于测试和有限元仿真的客车后视镜疲劳耐久分析方法 |
| CN114282301A (zh) * | 2021-11-22 | 2022-04-05 | 东风汽车集团股份有限公司 | 一种汽车悬架k&c仿真分析方法及装置 |
| CN117010259B (zh) * | 2023-10-07 | 2024-02-20 | 中国船舶集团风电发展有限公司 | 风电机组门洞结构的优化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013049930A1 (en) * | 2011-10-06 | 2013-04-11 | Cae Inc. | Method of developing a mathematical model of dynamics of a vehicle for use in a computer-controlled vehicle simulator |
| CN109063389A (zh) * | 2018-09-28 | 2018-12-21 | 重庆长安汽车股份有限公司 | 一种基于多性能约束的汽车结构轻量化正向设计方法及系统 |
| CN109711061A (zh) * | 2018-12-28 | 2019-05-03 | 重庆长安汽车股份有限公司 | 基于整车怠速振动性能的动力总成悬置稳健性优化方法 |
-
2019
- 2019-10-24 CN CN201911017184.1A patent/CN110781558B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013049930A1 (en) * | 2011-10-06 | 2013-04-11 | Cae Inc. | Method of developing a mathematical model of dynamics of a vehicle for use in a computer-controlled vehicle simulator |
| CN109063389A (zh) * | 2018-09-28 | 2018-12-21 | 重庆长安汽车股份有限公司 | 一种基于多性能约束的汽车结构轻量化正向设计方法及系统 |
| CN109711061A (zh) * | 2018-12-28 | 2019-05-03 | 重庆长安汽车股份有限公司 | 基于整车怠速振动性能的动力总成悬置稳健性优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110781558A (zh) | 2020-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110781558B (zh) | 基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法 | |
| CN105718607B (zh) | 一种基于k&c特性的悬架硬点优化方法 | |
| Donders et al. | A reduced beam and joint concept modeling approach to optimize global vehicle body dynamics | |
| CN109711061B (zh) | 基于整车怠速振动性能的动力总成悬置稳健性优化方法 | |
| Wang et al. | A hybrid method of modified NSGA-II and TOPSIS for lightweight design of parameterized passenger car sub-frame | |
| CN111291445B (zh) | 基于制动抖动和路噪性能的悬架系统多学科优化设计方法 | |
| CN111581730A (zh) | 一种基于Hyperstudy集成平台的汽车车架多学科优化方法 | |
| CN110096844B (zh) | 非光滑车表汽车的气动特性优化设计方法 | |
| Kang et al. | Robust design optimization of the McPherson suspension system with consideration of a bush compliance uncertainty | |
| CN113408055A (zh) | 一种汽车车架结构优化方法 | |
| CN111310380A (zh) | 一种电动车动力总成悬置橡胶衬套结构的设计开发方法 | |
| CN115169167A (zh) | 汽车板簧运动行程参数优化匹配方法及系统 | |
| CN113946911B (zh) | 一种基于灰色关联分析法的驾驶室结构优化方法 | |
| CN111291446A (zh) | 基于前悬颤振和怠速振动的悬置系统多学科优化设计方法 | |
| CN110532701B (zh) | 一种基于平台化白车身下车体灵敏度分析方法 | |
| CN116522475A (zh) | 悬架系统多学科优化设计方法及存储介质 | |
| Aulig et al. | Preference-based topology optimization of body-in-white structures for crash and static loads | |
| Choi et al. | Torsion beam axle system design with a multidisciplinary approach | |
| CN114936424A (zh) | 一种车辆橡胶件多自由度分析方法和相关装置 | |
| CN113919080A (zh) | 一种基于机器学习的汽车发动机罩力学性能快速评估方法 | |
| CN112131664B (zh) | 一种汽车底盘零件的优化与设计方法 | |
| CN115292982A (zh) | 一种汽车前摆臂多学科优化设计方法 | |
| Li et al. | Optimization of suspension elastomeric bushing compliance under constraints of handling, ride and durability | |
| Quan et al. | The Research Design Calculations and Optimization of Control Arms in Mac Pherson Suspensions in Automobile | |
| CN115329457A (zh) | 车辆结构确定方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |