CN115640713A - 一种基于疲劳耐久性的商用车驾驶室轻量化方法 - Google Patents

Abstract

本发明公开了一种基于疲劳耐久性的商用车驾驶室轻量化方法，主要由数据的采集和处理、模型的建立及验证、虚拟迭代、疲劳仿真分析、轻量化设计与验证组成。本发明综合了样车耐久性道路试验、有限元疲劳仿真和物理台架试验三种疲劳研究方法，并将其应用于工程实践，为今后汽车系统级耐久性和轻量化研究提供了重要参考。

Description

一种基于疲劳耐久性的商用车驾驶室轻量化方法

技术领域

本发明涉及到车辆疲劳耐久分析和轻量化领域，具体涉及到一种基于疲劳耐久性的商用车驾驶室轻量化方法。

背景技术

汽车的轻量化并非简单地降低汽车质量，其前提是建立在汽车的整体品质、性能和造价不变甚至优化的基础之上的。这意味着，要通过先进的设计方法、外观和结构改进、零部件替换或使用新材料最大限度的减轻整车重量，从而提高汽车的动力性，减少燃料消耗，降低排气污染。

耐久性和轻量化作为汽车设计领域的主要课题，如何在保证车辆耐久性的前提下对车辆进行轻量化设计是如今汽车设计中面临的一个主要问题。目前，驾驶室的轻量化设计通常以白色车身的质量、强度或刚度为优化目标，综合考虑驾驶室性能指标的多目标轻量化较少。

发明内容

有鉴于此，本发明的目的是提供一种基于疲劳耐久性的商用车驾驶室轻量化方法。

本发明采取的具体技术方案是：

一种基于疲劳耐久性的商用车驾驶室轻量化方法，主要由数据的采集和处理、模型的建立及验证、虚拟迭代、疲劳仿真分析、轻量化设计与验证组成。

数据的采集与处理。道路谱采集的目的是在试验场地上获取驾驶室气囊支架位移和加速度信号。然后将其作为虚拟迭代的期望信号，从而得到疲劳分析载荷谱。选择某国产商用车为研究对象，根据企业用户相关试验规范对车辆进行传感器的安装以及测试强化路面的选择。利用动态数据采集器采集道路频谱数据，保证每种强化路面采集到三组有效数据，选择卵石路、扭曲路、石板路、波形路等试验场强化路面进行试验，采用HBM Somat EDAQ动态数据采集器采集道路载荷谱，根据测试规范，将采样频率设置为512Hz，每种路况采集三组有效数据，基于Rossow采样原理选择出最稳定的一组作为虚拟迭代的期望信号。由于试验场路面不平度冲击振动以及车辆相关线束的电磁干扰，选择的采集数据不能直接用于虚拟迭代，需要利用nCode对数据进行 Trend Remove消除数据漂移处理，从而保证疲劳试验的有效性。

模型的建立与验证。模型的建立包括有限元模型和刚柔耦合多体动力学模型，有限元模型精度是影响疲劳分析的关键因素。为准确模拟试验场耐久路面驾驶室满载工况下的疲劳耐久表现，充分考虑试验场路试时车内驾乘人员、行李的重量，对模型进行配重加载。驾驶室有限元模型的建立及其网格划分在HyperMesh中完成，并将模型的质心、转动惯量计算值与转动惯量试验台实测值对比从而验证有限元模型的精确性。驾驶室有限元模型的建立是为了利用惯性释放法求解其应力场分布，当在外力作用下，若忽视结构体阻尼，惯性释放分析的平衡方程为：

式中：F为模型节点的外部载荷矩阵；M是模型的质量矩阵；

是模型节点的及速度矩阵。

X、Y和Z三向单元力和力矩应用于驾驶室支座和车架之间的连接处，应力响应由Optistruct解算器计算。应力时程计算公式如下：

式中：式中σ_ij，a(t)是应力时程；k为荷载数量；σ_ij，a，k是ij点静载荷的应力响应；P_k，FEA是静载荷力的大小。

具体而言，X、Y和Z单位力和单位力矩应用于驾驶室的四个悬置点。每个单位载荷设置为一个工况，共24个负荷工况。所建立的这些单位载荷条件对应于虚拟迭代的疲劳载荷谱通道。

建立刚柔耦合多体动力学模型，根据载荷传递路径，路面激励经由车架、橡胶衬套传至驾驶室，在试验场路面激励下，与气囊悬置相连的前半部分车架对驾驶室动力学响应影响较大，因此取前半部分车架。对截取后的车架进行网格划分并基于Craig-Bampton模态综合法输出车架MNF柔性体文件。再将生成的MNF文件导入到Adams/car生成刚柔耦合多体动力学模型，对应于试验场测试传感器的安装位置设置好输入输出通道，为后续虚拟迭代做准备。车架的柔性化处理在Adams中基于第二类拉格朗日方程获得的柔性体动力学微分方程可表示为：

式中：M、K、D分别为柔性体的质量矩阵、模态刚度矩阵和模态阻尼矩阵；ζ为广义坐标向量；Q为附加载荷向量；G为重力；ψ为约束方程向量；λ为对应于ψ的拉氏乘子向量。

虚拟迭代及验证。虚拟迭代的本质是由已知反求未知，通过线性传递函数近似模拟非线性系统，以试验场采集的响应信号反求出外部激励载荷。求解载荷谱的流程为：首先，生成随机白噪声信号驱动多体动力学模型，结合相应通道的响应信号，推导出系统的频率响应传递函数。

其中x(t)、x(ω)分别表示白噪声的时域信号和频域信号；y(t)、y (ω)分别表示白噪声激励下的时域响应信号和频域响应信号；H(ω)是多体动力学的频率响应传递函数。

根据经典控制理论，外部激励可以通过试验场的响应信号和系统的频率响应传递函数来计算。然而，多体动力学系统是非线性的，传递函数是线性的，通过反求计算得到的外部激励与实际载荷之间存在误差，因此引入迭代步骤来减小误差。

式中：k为修正值。使用初始激励信号x⁰(t)驱动多体动力学系统，以获得响应信号y⁰(t)，并将其与测试采集信号y_Des(t)进行比较。用响应偏差校正激励信号，获得激励信号x¹(t)的下一次迭代。

e⁰(t)＝y_Des(t)-y⁰(t) (10)

x¹(t)＝x⁰(t)+a·△⁰(t) (13)

其中e⁰(t)是响应偏差值；Δ⁰为励磁信号校正量；a是多体系统修正系数。通过多次迭代，使响应信号与期望信号无限接近，最终得到系统的外部激励。

虚拟迭代的精度将直接影响疲劳载荷谱的可靠性，其精度从相对损伤值、时域、频域三个方面来判断。相对损伤值是指两种不同载荷谱对同一结构造成疲劳损伤的近似程度。通过计算迭代信号与实测信号之间的伪损伤比，如果每个通道的相对损伤接近1，则表明迭代质量较高。认为相对损伤值在0.5～ 2之间基本可以满足工程要求。

疲劳仿真分析。商用车驾驶室主要由薄金属板件组成，在运输过程中承受道路的交变载荷。疲劳失效时，不仅包括弹性应变，还包括塑性应变，因此采用应力应变疲劳分析方法。应力应变法基于雨流计数法，该方法是从 Coffin-Manson理论发展而来，用于预测单轴载荷下系统的疲劳寿命。材料总应变与疲劳寿命之间的关系为：

式中：ε_a为总应变幅值；σ_f和b分别表示材料的强度系数与强度指数； E为材料的弹性模量，N_f为疲劳寿命。ε_f和c分别表示材料的耐久系数与耐久指数。但Coffin-Manson只适用于单轴载荷下材料应变，在多轴载荷工况时需要根据第四强度理论对函数进行等效处理，处理后的总应变ε_qa为：

式中：e₁a，e₂a和e₃a分别表示第一、第二和第三主应变；μ表示材料的泊松比。由于材料在弹、塑性形变阶段具有不同的泊松比，分别采用μ_e和μ_p来表示。等效总应变ε_qa由弹性应变ε_eqa和塑性应变ε_pqa两部分构成，其表达式为：

通过积分上述方程，部件应变和疲劳寿命之间的关系可以修改为：

当结构的应力幅值为σ_i时，疲劳失效发生在N_i循环中，则每个循环造成的损伤为D＝1/N_i。如果循环次数为n₁，则结构损坏为D₁＝n₁/N_i。当结构承受σ₁，σ₂…，σn，每个应力幅度对应的循环次数为n₁，n₂…，n_n，在上述作用下产生的损伤可分别表示为：

根据线性叠加准则，可以看出，在上述应力幅值作用下的总损伤可表示为

一旦总损伤值D达到1，结构将发生疲劳破坏。结合疲劳载荷谱、单位载荷下的应力分析结果和材料ε-N曲线，在nCode中建立了疲劳计算模拟块进行仿真。与耐久性道路试验结果进行对比，验证仿真结果的真实性。结果表明，仿真失效部分与道路试验基本一致。

轻量化设计与验证。基于敏感度分析理论筛选出设计参数，为满足基于疲劳耐久的轻量化要求，以车身零件材料的厚度为设计变量。车身结构性能参数对部件厚度变量的敏感性表示为：

其中S是灵敏度，f(x)是目标函数，x_i是钣金厚度变量。

选择车身钣金件的厚度为一组筛选数据变量，计算结果为弯曲刚度(BS)、扭转刚度(TS)、一阶弯曲模态(BMS)和扭转模态(TMS)对厚度变量的灵敏度。通过灵敏度计算，确定20个构件的厚度为优化设计变量。这些部件对目标函数的敏感性较高，对疲劳性能的敏感性较低。在满足轻量化的要求的同时又不会以牺牲太多性能为代价，因此选择它们作为轻量级设计的设计变量。

为了提高优化效率，用克里格近似模型代替原仿真模型来表达优化变量与响应之间的关系。根据最优拉丁超立方体实验设计方法，在每个设计变量的值范围内，结合拟合精度的需要，通过均匀随机抽样，共选取100个样本点。

每个近似模型的精度通过确定系数R²进行测试，其表示为：

其中n是采样点的数量，

y_i和y分别表示近似模型的预测值、采样点 i的实际值和y_i的平均值。R²越接近1，近似模型越可靠。

以灵敏度分析筛选出的20个钣金件厚度为设计变量，综合考虑质量、疲劳损伤、刚度和模态性能指标，采用粒子群优化算法对驾驶室进行轻量化多目标优化设计。优化数学模型可描述如下：

其中，d(x)表示驾驶室的疲劳损伤值，m(x)表示驾驶室的质量；k_b (x)和k_b0是弯曲刚度值及其初始值；k_t(x)、k_t0为扭转刚度值及其初值；f_b (x)、f_b0为一阶弯曲模态及其初值；f_t(x)、f_t0为一阶扭转模态及其初值；X_L和X_U分别是设计变量值的上限和下限。

本发明的有益效果是：本发明综合了样车耐久性道路试验、有限元疲劳仿真和物理台架试验三种疲劳研究方法，并将其应用于工程实践，为今后汽车系统级耐久性和轻量化研究提供了重要参考。

此方法与现有方案对比，具有以下优点：

1、针对目前基于随机道路谱的疲劳分析与试车场耐久性道路试验相关性较差的问题，提出了一种将实测道路谱与虚拟仿真相结合的疲劳耐久性分析策略，提高了疲劳仿真解算的速度，同时最大限度地再现了真实用户的道路状况。疲劳模拟结果与强化道路耐久性试验结果基本一致，验证了该方法具有良好的工程实用性；

2、以质量和疲劳损伤值为优化目标，弯扭刚度和一阶弯扭振型为约束条件，基于灵敏度分析对厚度进行筛选，结合克里格近似模型和粒子群算法，对驾驶室进行多目标优化设计，获得最优解集，确定最终的轻量方案；

3、在七轴道路模拟试验台上对耐久性性能进行了验证。结果表明，驾驶室的轻量化设计可以兼顾轻量化和耐久性。

附图说明

图1是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的试验车辆的传感器布置；

图2是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的安全气囊悬置位移信号；

图3是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的驾驶室有限元模型；

图4是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的刚柔耦合多体动力学模型；

图5是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的虚拟迭代各通道相对损伤值；

图6是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的仿真值与实测值的时域和频域比较；

图7是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的试验结果与仿真结果的比较；

图8是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的驾驶室轻量化多目标优化模型；

图9是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的驾驶室台架验证；

图10是本发明实施例提供的一种基于疲劳耐久性的商用车驾驶室轻量化方法的轻量化设计后台架试验结果。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

一种基于疲劳耐久性的商用车驾驶室轻量化方法，主要由数据的采集和处理、模型的建立及验证、虚拟迭代、疲劳仿真分析、轻量化设计与验证组成。

数据的采集与处理。如图1所示，在试验车辆上安装传感器，利用HBM 采集器进行多种强化路面上的数据采集，由于采集路面冲击以及相关线束的电磁干扰，因此要对采集的数据进行预处理，如图2为处理后的气囊悬置位移信号；道路谱采集的目的是在试验场地上获取驾驶室气囊支架位移和加速度信号。然后将其作为虚拟迭代的期望信号，从而得到疲劳分析载荷谱。选择某国产商用车为研究对象，根据企业用户相关试验规范对车辆进行传感器的安装以及测试强化路面的选择。利用动态数据采集器采集道路频谱数据，保证每种强化路面采集到三组有效数据，选择卵石路、扭曲路、石板路、波形路等试验场强化路面进行试验，采用HBM Somat EDAQ动态数据采集器采集道路载荷谱，根据测试规范，将采样频率设置为512Hz，每种路况采集三组有效数据，基于Rossow采样原理选择出最稳定的一组作为虚拟迭代的期望信号。由于试验场路面不平度冲击振动以及车辆相关线束的电磁干扰，选择的采集数据不能直接用于虚拟迭代，需要利用nCode对数据进行Trend Remove消除数据漂移处理，从而保证疲劳试验的有效性。

模型的建立与验证。模型的建立包括有限元模型和刚柔耦合多体动力学模型，有限元模型精度是影响疲劳分析的关键因素。为准确模拟试验场耐久路面驾驶室满载工况下的疲劳耐久表现，充分考虑试验场路试时车内驾乘人员、行李的重量，对模型进行配重加载。驾驶室有限元模型的建立及其网格划分在HyperMesh中完成，并将模型的质心、转动惯量计算值与转动惯量试验台实测值对比从而验证有限元模型的精确性。利用HyperMesh建立商用车驾驶室模型、并进行网格划分，再通过与实车测试的质心、转动惯量值比较验证模型的精确性。如图3为驾驶室有限元模型，为了简化约束和加载条件的应力分析，利用惯性释放法平衡外力，消除静力分析中约束反力引起的误差。

驾驶室有限元模型的建立是为了利用惯性释放法求解其应力场分布，当在外力作用下，若忽视结构体阻尼，惯性释放分析的平衡方程为：

式中：F为模型节点的外部载荷矩阵；M是模型的质量矩阵；

是模型节点的及速度矩阵。

X、Y和Z三向单元力和力矩应用于驾驶室支座和车架之间的连接处，应力响应由Optistruct解算器计算。应力时程计算公式如下：

式中：式中σ_ij，a(t)是应力时程；k为荷载数量；σ_ij，a，k是ij点静载荷的应力响应；P_k，FEA是静载荷力的大小。

具体而言，X、Y和Z单位力和单位力矩应用于驾驶室的四个悬置点。每个单位载荷设置为一个工况，共24个负荷工况。所建立的这些单位载荷条件对应于虚拟迭代的疲劳载荷谱通道。

建立刚柔耦合多体动力学模型，根据载荷传递路径，路面激励经由车架、橡胶衬套传至驾驶室，在试验场路面激励下，与气囊悬置相连的前半部分车架对驾驶室动力学响应影响较大，因此取前半部分车架，如图4所示，对截取后的车架进行网格划分并基于Craig-Bampton模态综合法输出车架MNF柔性体文件。再将生成的MNF文件导入到Adams/car生成刚柔耦合多体动力学模型，对应于试验场测试传感器的安装位置设置好输入输出通道，为后续虚拟迭代做准备。车架的柔性化处理在Adams中基于第二类拉格朗日方程获得的柔性体动力学微分方程可表示为：

式中：M、K、D分别为柔性体的质量矩阵、模态刚度矩阵和模态阻尼矩阵；ζ为广义坐标向量；Q为附加载荷向量；G为重力；ψ为约束方程向量；λ为对应于ψ的拉氏乘子向量。

虚拟迭代及验证。虚拟迭代的本质是由已知反求未知，通过线性传递函数近似模拟非线性系统，以试验场采集的响应信号反求出外部激励载荷。求解载荷谱的流程为：首先，生成随机白噪声信号驱动多体动力学模型，结合相应通道的响应信号，推导出系统的频率响应传递函数。

其中x(t)、x(ω)分别表示白噪声的时域信号和频域信号；y(t)、y (ω)分别表示白噪声激励下的时域响应信号和频域响应信号；H(ω)是多体动力学的频率响应传递函数。

根据经典控制理论，外部激励可以通过试验场的响应信号和系统的频率响应传递函数来计算。然而，多体动力学系统是非线性的，传递函数是线性的，通过反求计算得到的外部激励与实际载荷之间存在误差，因此引入迭代步骤来减小误差。

式中：k为修正值。使用初始激励信号x⁰(t)驱动多体动力学系统，以获得响应信号y⁰(t)，并将其与测试采集信号y_Des(t)进行比较。用响应偏差校正激励信号，获得激励信号x¹(t)的下一次迭代。

e⁰(t)＝y_Des(t)-y⁰(t) (10)

x¹(t)＝x⁰(t)+a·△⁰(t) (13)

其中e⁰(t)是响应偏差值；Δ⁰为励磁信号校正量；a是多体系统修正系数。通过多次迭代，使响应信号与期望信号无限接近，最终得到系统的外部激励。

虚拟迭代的精度将直接影响疲劳载荷谱的可靠性，其精度从相对损伤值、时域、频域三个方面来判断。相对损伤值是指两种不同载荷谱对同一结构造成疲劳损伤的近似程度。通过计算迭代信号与实测信号之间的伪损伤比，如果每个通道的相对损伤接近1，则表明迭代质量较高。认为相对损伤值在0.5～ 2之间基本可以满足工程要求。如图5为试验信号与目标信号的相对损伤值，可以看到相对损伤值都在0.5～2之间，满足工程实际需求。图6则为测试值与仿真值的时域对比，整体趋势一致；

疲劳仿真分析。商用车驾驶室主要由薄金属板件组成，在运输过程中承受道路的交变载荷。疲劳失效时，不仅包括弹性应变，还包括塑性应变，因此采用应力应变疲劳分析方法。应力应变法基于雨流计数法，该方法是从 Coffin-Manson理论发展而来，用于预测单轴载荷下系统的疲劳寿命。材料总应变与疲劳寿命之间的关系为：

式中：ε_a为总应变幅值；σ_f和b分别表示材料的强度系数与强度指数； E为材料的弹性模量，N_f为疲劳寿命。ε_f和c分别表示材料的耐久系数与耐久指数。但Coffin-Manson只适用于单轴载荷下材料应变，在多轴载荷工况时需要根据第四强度理论对函数进行等效处理，处理后的总应变ε_qa为：

式中：e₁a，e₂a和e₃a分别表示第一、第二和第三主应变；μ表示材料的泊松比。由于材料在弹、塑性形变阶段具有不同的泊松比，分别采用μ_e和μ_p来表示。等效总应变ε_qa由弹性应变ε_eqa和塑性应变ε_pqa两部分构成，其表达式为：

通过积分上述方程，部件应变和疲劳寿命之间的关系可以修改为：

当结构的应力幅值为σ_i时，疲劳失效发生在N_i循环中，则每个循环造成的损伤为D＝1/N_i。如果循环次数为n₁，则结构损坏为D₁＝n₁/N_i。当结构承受σ₁，σ₂…，σn，每个应力幅度对应的循环次数为n₁，n₂…，n_n，在上述作用下产生的损伤可分别表示为：

根据线性叠加准则，可以看出，在上述应力幅值作用下的总损伤可表示为

一旦总损伤值D达到1，结构将发生疲劳破坏。结合疲劳载荷谱、单位载荷下的应力分析结果和材料ε-N曲线，在nCode中建立了疲劳计算模拟块进行仿真。与耐久性道路试验结果进行对比，验证仿真结果的真实性。如图7 为实车强化路实车试验部件疲劳破坏图及其疲劳仿真云图对比，结果表明，仿真失效部分与道路试验基本一致。

轻量化设计与验证。基于敏感度分析理论筛选出设计参数，为满足基于疲劳耐久的轻量化要求，以车身零件材料的厚度为设计变量。车身结构性能参数对部件厚度变量的敏感性表示为：

其中S是灵敏度，f(x)是目标函数，x_i是钣金厚度变量。

选择车身钣金件的厚度为一组筛选数据变量，计算结果为弯曲刚度(BS)、扭转刚度(TS)、一阶弯曲模态(BMS)和扭转模态(TMS)对厚度变量的灵敏度。通过灵敏度计算，确定20个构件的厚度为优化设计变量。这些部件对目标函数的敏感性较高，对疲劳性能的敏感性较低。在满足轻量化的要求的同时又不会以牺牲太多性能为代价，因此选择它们作为轻量级设计的设计变量。

为了提高优化效率，用克里格近似模型代替原仿真模型来表达优化变量与响应之间的关系。根据最优拉丁超立方体实验设计方法，在每个设计变量的值范围内，结合拟合精度的需要，通过均匀随机抽样，共选取100个样本点。

每个近似模型的精度通过确定系数R²进行测试，其表示为：

其中n是采样点的数量，

y_i和y分别表示近似模型的预测值、采样点 i的实际值和y_i的平均值。R²越接近1，近似模型越可靠。弯曲刚度、扭转刚度、一阶弯曲模态频率和一阶扭转模态频率对应的确定系数R²分别为0.957、 0.968、0.949和0.963，检验结果表明，所有近似模型均满足精度要求。

以灵敏度分析筛选出的20个钣金件厚度为设计变量，综合考虑质量、疲劳损伤、刚度和模态性能指标，采用粒子群优化算法对驾驶室进行轻量化多目标优化设计。优化数学模型可描述如下：

其中，d(x)表示驾驶室的疲劳损伤值，m(x)表示驾驶室的质量；k_b (x)和k_b0是弯曲刚度值及其初始值；k_t(x)、k_t0为扭转刚度值及其初值；f_b (x)、f_b0为一阶弯曲模态及其初值；f_t(x)、f_t0为一阶扭转模态及其初值； X_L和X_U分别是设计变量值的上限和下限。

优化结果显示，一阶弯曲和扭转频率分别提高了1.82％和1.13％，驾驶室弯曲和扭转刚度分别降低了0.11％和0.23％，质量降低了53kg。通过优化迭代，在减轻质量的同时，性能变化在可接受的范围内，表明该方法在车身轻量化优化设计中是有效的。驾驶室轻量化多目标优化模型如图8所示。最后将轻量化设计后的驾驶室放在设计的台架上进行试验，如图9所示。利用台架试验再现驾驶室在试验道路上的状态，根据道路试验与台架试验的等效换算进行试验。结果如图10显示，可知在满足驾驶室进行轻量化设计的前提下任然可以保证驾驶室零部件的疲劳耐久性。

尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。

Claims (6)

1.一种基于疲劳耐久性的商用车驾驶室轻量化方法，其特征在于，包括数据的采集和处理、模型的建立及验证、虚拟迭代、疲劳仿真分析和轻量化设计与验证。

2.根据权利要求1所述一种基于疲劳耐久性的商用车驾驶室轻量化方法，其特征在于，所述数据采集的目的是在试验场地上获取驾驶室气囊支架位移和加速度信号，然后将其作为虚拟迭代的期望信号；采集数据不能直接用于虚拟迭代，需要利用nCode对数据进行Trend Remove消除数据漂移处理，从而保证疲劳试验的有效性。

3.根据权利要求2所述一种基于疲劳耐久性的商用车驾驶室轻量化方法，其特征在于，所述模型的建立包括驾驶室有限元模型的建立和刚柔耦合多体动力学模型的建立；

驾驶室有限元模型的建立是为了利用惯性释放法求解其应力场分布，当在外力作用下，若忽视结构体阻尼，惯性释放分析的平衡方程为：

式中：F为模型节点的外部载荷矩阵；M是模型的质量矩阵；

是模型节点的及速度矩阵；

X、Y和Z三向单元力和力矩应用于驾驶室支座和车架之间的连接处，应力响应由Optistruct解算器计算，应力时程计算公式如下：

式中：式中σ_ij，a(t)是应力时程；k为荷载数量；σ_ij，a，k是ij点静载荷的应力响应；P_k，FEA是静载荷力的大小。

具体而言，X、Y和Z单位力和单位力矩应用于驾驶室的四个悬置点，每个单位载荷设置为一个工况，共24个负荷工况，所建立的这些单位载荷条件对应于虚拟迭代的疲劳载荷谱通道。

建立刚柔耦合多体动力学模型，取前半部分车架，对截取后的车架进行网格划分并基于Craig-Bampton模态综合法输出车架MNF柔性体文件，再将生成的MNF文件导入到Adams/car生成刚柔耦合多体动力学模型，对应于试验场测试传感器的安装位置设置好输入输出通道，为后续虚拟迭代做准备；车架的柔性化处理在Adams中基于第二类拉格朗日方程获得的柔性体动力学微分方程可表示为：

式中：M、K、D分别为柔性体的质量矩阵、模态刚度矩阵和模态阻尼矩阵；ζ为广义坐标向量；Q为附加载荷向量；G为重力；ψ为约束方程向量；λ为对应于ψ的拉氏乘子向量。

4.根据权利要求3所述一种基于疲劳耐久性的商用车驾驶室轻量化方法，其特征在于，所述虚拟迭代的目的是根据实测路谱反求出驾驶室零部件位置的疲劳载荷谱，其是否收敛将直接影响疲劳载荷谱的精度，虚拟迭代的精度则通过时域和频域来判断；求解疲劳载荷谱的流程为：首先，生成随机白噪声信号驱动多体动力学模型，结合相应通道的响应信号，推导出系统的频率响应传递函数：

其中x(t)、x(ω)分别表示白噪声的时域信号和频域信号；y(t)、y(ω)分别表示白噪声激励下的时域响应信号和频域响应信号；H(ω)是多体动力学的频率响应传递函数；

引入迭代步骤来减小误差：

式中：k为修正值，使用初始激励信号x⁰(t)驱动多体动力学系统，以获得响应信号y⁰(t)，并将其与测试采集信号y_Des(t)进行比较，用响应偏差校正激励信号，获得激励信号x¹(t)的下一次迭代：

e⁰(t)＝y_Des(t)-y⁰(t) (10)

x¹(t)＝x⁰(t)+a·△⁰(t) (13)

其中e⁰(t)是响应偏差值；Δ⁰为励磁信号校正量；a是多体系统修正系数。通过多次迭代，使响应信号与期望信号无限接近，最终得到系统的外部激励。

5.根据权利要求4所述一种基于疲劳耐久性的商用车驾驶室轻量化方法，其特征在于，所述疲劳仿真分析基于nCode疲劳分析软件，采用应力应变疲劳分析方法，在nCode软件中建立疲劳计算模拟块进行仿真，将仿真结果与实车试验结果对比验证仿真结果的准确性；材料总应变与疲劳寿命之间的关系为：

式中：ε_a为总应变幅值；σ_f和b分别表示材料的强度系数与强度指数；E为材料的弹性模量，N_f为疲劳寿命；ε_f和c分别表示材料的耐久系数与耐久指数；Coffin-Manson只适用于单轴载荷下材料应变，在多轴载荷工况时需要根据第四强度理论对函数进行等效处理，处理后的总应变ε_qa为：

式中：e₁a，e₂a和e₃a分别表示第一、第二和第三主应变；μ表示材料的泊松比；由于材料在弹、塑性形变阶段具有不同的泊松比，分别采用μ_e和μ_p来表示；等效总应变ε_qa由弹性应变ε_eqa和塑性应变ε_pqa两部分构成，其表达式为：

通过积分上述方程，部件应变和疲劳寿命之间的关系可以修改为：

当结构的应力幅值为σ_i时，疲劳失效发生在N_i循环中，则每个循环造成的损伤为D＝1/N_i。如果循环次数为n₁，则结构损坏为D₁＝n₁/N_i；当结构承受σ₁，σ₂…，σn，每个应力幅度对应的循环次数为n₁，n₂…，n_n，在上述作用下产生的损伤可分别表示为：

根据线性叠加准则，在上述应力幅值作用下的总损伤表示为

一旦总损伤值D达到1，结构将发生疲劳破坏，结合疲劳载荷谱、单位载荷下的应力分析结果和材料ε-N曲线，在nCode中建立了疲劳计算模拟块进行仿真，与耐久性道路试验结果进行对比，验证仿真结果的真实性。

6.根据权利要求5所述一种基于疲劳耐久性的商用车驾驶室轻量化方法，其特征在于，基于克里格近似模型对驾驶室进行了轻量化设计；首先，利用灵敏度分析筛选出驾驶室20个构件的厚度为优化设计变量，然后采用粒子群优化算法对建立的克里格驾驶室模型进行多目标优化设计，在满足疲劳耐久性的前提下达到轻量化的效果；

以车身零件材料的厚度为设计变量，车身结构性能参数对部件厚度变量的敏感性表示为：

其中S是灵敏度，f(x)是目标函数，x_i是钣金厚度变量；

选择车身钣金件的厚度为一组筛选数据变量，计算结果为弯曲刚度(BS)、扭转刚度(TS)、一阶弯曲模态(BMS)和扭转模态(TMS)对厚度变量的灵敏度；

用克里格近似模型代替原仿真模型来表达优化变量与响应之间的关系，根据最优拉丁超立方体实验设计方法，在每个设计变量的值范围内，结合拟合精度的需要，通过均匀随机抽样，共选取100个样本点；

每个近似模型的精度通过确定系数R²进行测试，其表示为：

其中n是采样点的数量，

y_i和y分别表示近似模型的预测值、采样点i的实际值和y_i的平均值；

以灵敏度分析筛选出的20个钣金件厚度为设计变量，综合考虑质量、疲劳损伤、刚度和模态性能指标，采用粒子群优化算法对驾驶室进行轻量化多目标优化设计，优化数学模型可描述如下：

其中，d(x)表示驾驶室的疲劳损伤值，m(x)表示驾驶室的质量；k_b(x)和k_b0是弯曲刚度值及其初始值；k_t(x)、k_t0为扭转刚度值及其初值；f_b(x)、f_b0为一阶弯曲模态及其初值；f_t(x)、f_t0为一阶扭转模态及其初值；X_L和X_U分别是设计变量值的上限和下限。

Images