CN116522475A - 悬架系统多学科优化设计方法及存储介质 - Google Patents

悬架系统多学科优化设计方法及存储介质 Download PDF

Info

Publication number
CN116522475A
CN116522475A CN202310330210.6A CN202310330210A CN116522475A CN 116522475 A CN116522475 A CN 116522475A CN 202310330210 A CN202310330210 A CN 202310330210A CN 116522475 A CN116522475 A CN 116522475A
Authority
CN
China
Prior art keywords
characteristic
performance
road noise
model
suspension system
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
Application number
CN202310330210.6A
Other languages
English (en)
Inventor
陈鹏
李志杰
梁兴凯
李学亮
张松波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202310330210.6A priority Critical patent/CN116522475A/zh
Publication of CN116522475A publication Critical patent/CN116522475A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明涉及一种悬架系统多学科优化设计方法，包括以下步骤：问题识别和P控制图分析；建立整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型；确定悬架系统需要优化的设计变量，对各个设计变量进行参数化处理；进行各个设计变量的DOE采样计算；提取DOE样本点和计算结果，构造整车路噪性能近似模型和行驶性能C特性近似模型；进行整车路噪性能和行驶性能C特性的多学科优化并获得优化方案；调用整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，对优化方案进行验证。本发明还提出了一种存储介质。本发明能够提升悬架系统优化设计的效率，能够同时基于整车路噪性能和行驶性能C特性对悬架系统进行优化设计。

Description

悬架系统多学科优化设计方法及存储介质
技术领域
本发明涉及多学科设计优化，具体涉及一种悬架系统多学科优化设计方法及存储介质。
背景技术
随着汽车技术的迅猛发展，汽车的NVH性能和操控性能作为汽车品质的重要属性，越来越被消费者重视。在新能源汽车的潮流驱动下，车内噪声缺乏发动机噪声的掩盖，路噪变得尤为凸显。设计合理的悬架参数，提升路噪性能，同时兼顾行驶等其它性能，对产品开发具有重要意义。
路噪，即汽车在行驶过程中，由于轮胎与路面的碰撞、摩擦等相互作用，产生的车辆内部可听到的噪声。从产生的机理来看，路噪一般分为低频结构路噪和高频空气路噪，轮胎与路面之间相互作用产生的噪声通过空气传入车内的中高频噪声称为高频空气路噪；路面对轮胎的激励通过悬架系统传递到车身，引起车体振动，从而向车内辐射的中低频噪声称为低频结构路噪。
行驶性能C特性，即悬架弹性运动学，由轮胎和路面之间的力和力矩引起的车轮定位参数的变化。行驶性能C特性对整车的操稳、转向以及单项冲击平顺性等性能有较大影响，主要由悬架几何、弹性元件刚度、接附点局部刚度等因素决定。
低频结构路噪和行驶性能C特性均与悬架系统参数相关，且对悬架系统参数的要求往往是相互冲突的。目前，在产品开发过程中，业界主要采用“串行设计”模式，即对低频结构路噪和行驶性能C特性单独分析优化，导致悬架系统的设计需要反复迭代验证，且难以解决存在的性能冲突问题。
例如申请号为CN202011581735.X的专利申请所提出一种汽车车内结构噪声诊断及优化方法，确定发动机扭矩频域载荷和车轮轮心频域载荷，分别进行发动机噪声仿真计算和路噪仿真计算，当发动机噪声或路噪大于设计标准时，根据传递路径噪声贡献度确定车内噪声的主要传递路径，对每个主要传递路径的传递力进行底盘模态分析和衬套隔振率分析，当主要传递路径的传递函数大于设定传递函数值时，还对每个主要传递路径进行接附点动刚度分析和车身面板噪声贡献度及模态分析，根据分析结果确定结构优化对象并进行结构优化，通过传递路径贡献度分析确定主要传递路径，再对主要传递路径进行传递力和传递函数分析，从而确定噪声超标的根本原因，并根据该原因确定结构优化的对象和方法。其根据噪声传递路径分析、车身面板贡献量及模态分析，对底盘结构、衬套刚度、接附点刚度以及主要传递面板进行优化。但底盘结构、衬套刚度等不仅仅影响低频结构噪声，对行驶性能C特性也有较大影响，单一的考虑低频结构噪声，存在行驶等其它性能变差的可能。
发明内容
本发明的目的是提出一种悬架系统多学科优化设计方法及存储介质，以提升悬架系统优化设计的效率，能够同时基于整车路噪性能和行驶性能C特性对悬架系统进行优化设计。
本发明所述的一种悬架系统多学科优化设计方法，包括以下步骤：
S1：问题识别和P控制图分析，基于整车路噪性能和行驶性能C特性，确定悬架系统多学科优化设计的相关参数；
S2：建立整车路噪性能仿真分析模型并进行整车路噪性能仿真分析，建立行驶性能C特性仿真分析模型并进行行驶性能C特性仿真分析；在建立所述整车路噪性能仿真分析模型时以动刚度作为弹性元件的刚度的表征，在建立所述行驶性能C特性仿真分析模型时以力位移曲线作为弹性元件的刚度的表征；
S3：根据S1中确定的相关参数，确定悬架系统需要优化的设计变量，对各个设计变量进行参数化处理；对各个设计变量进行参数化处理包括以下步骤：在所述力位移曲线和所述动刚度中均引入无量纲比例因子，以无量纲比例因子作为设计变量；
S4：进行各个设计变量的DOE采样计算；
S5：提取DOE样本点和计算结果，构造满足精度要求的整车路噪性能近似模型和行驶性能C特性近似模型；
S6：基于S5中的两个近似模型，进行整车路噪性能和行驶性能C特性的多学科优化并获得优化方案；
S7：调用S2中的整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，对S6中获得的优化方案进行验证。
可选的，所述S1中的相关参数如下：
输入信号包括：整车路噪工况下的道路谱，行驶性能C特性工况下的载荷状态和硬点对应状态；
控制因子包括：前悬架各衬套刚度及阻尼，后悬架各衬套刚度及阻尼，前悬弹簧弹性模量，后悬弹簧弹性模量；
噪声因子包括：衬套刚度波动偏差，硬点位置偏差；
输出信号包括：驾驶员右耳处声压级，悬架纵向柔度，悬架横向柔度，侧向力变形转向系数，回正力矩转向系数。
可选的，所述建立整车路噪性能仿真分析模型并进行整车路噪性能仿真分析包括以下步骤：采集原始道路谱PSD数据，经过数据处理后，转化为整车路面激励作为输入信号，建立整车NVH有限元模型作为仿真的对象，整车NVH有限元模型由模态轮胎模型、底盘模型、声腔及TB内饰车身模型构成，以驾驶员右耳处声压级作为输出信号，进行整车路噪性能仿真分析。
可选的，所述建立行驶性能C特性仿真分析模型并进行行驶性能C特性仿真分析包括以下步骤：以实车测试的载荷状态作为行驶性能C特性仿真分析的输入信号，在Adams软件搭建悬架系统多体模型作为仿真的对象，以悬架纵向柔度、悬架横向柔度、侧向力变形转向系数以及回正力矩转向系数作为输出信号，进行行驶性能C特性仿真分析。
可选的，所述S3中确定的设计变量包括：前悬架各衬套刚度及阻尼，后悬架各衬套刚度及阻尼，前悬弹簧弹性模量，后悬弹簧弹性模量。
可选的，所述进行各个设计变量的DOE采样计算之前还包括以下步骤：在Optimus平台搭建整车路噪性能和行驶性能C特性的集成开发工作流。
可选的，所述进行各个设计变量的DOE采样计算包括以下步骤：设置各个设计变量的设计空间和输出信号的约束条件，采用最优拉丁超方试验设计方法分别开展各个设计变量的DOE采样计算，基于DOE采样计算结果，对设计变量和关注性能进行相关性分析，筛选出与关注性能的相关性较为显著的显著性设计变量，然后开展对显著性设计变量的DOE采样计算。
可选的，所述S5包括以下步骤：提取DOE样本点与计算结果，构造整车路噪性能近似模型和行驶性能C特性近似模型，当整车路噪性能近似模型或行驶性能C特性近似模型的精度低于95%时，则返回S4增加DOE采样点或更改近似模型类型，直到整车路噪性能近似模型和行驶性能C特性近似模型的精度均大于或等于95％。
可选的，所述S6包括以下步骤：基于S5中的两个近似模型，以“行驶性能C特性各输出信号处于目标区间”为约束条件，以“最小化驾驶员右耳处声压级”为目标，采用全局搜索算法进行多目标优化，获得一组最佳的悬架系统匹配参数作为优化方案。
可选的，所述S7包括以下步骤：调用S2中的整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，对S6中获得的优化方案进行验证，若不满足整车路噪性能和行驶性能C特性的要求，则返回S4重新进行各个设计变量的DOE采样计算。
可选的，所述弹性元件为衬套。
本发明还提出了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，能够实现上述任一项所述的悬架系统多学科优化设计方法。
本发明提出了一种基于整车路噪性能和行驶性能C特性的悬架系统多学科优化设计方法，通过近似模型技术取代仿真分析，进行多工况的联合优化，大幅提升了优化效率。相较于传统的“串行设计”开发方法，本发明充分考虑了整车路噪性能和行驶性能C特性之间的性能冲突，通过对多个设计变量进行确定性优化，可同时满足多项性能，大幅缩短设计周期；该方法成本低、效率高、能够在汽车产品开发早期实现悬架系统正向设计，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。本发明提升了悬架系统优化设计的效率，能够同时基于整车路噪性能和行驶性能C特性对悬架系统进行优化设计。
附图说明
图1为具体实施方式中所述的悬架系统多学科优化设计方法的流程图；
图2为不同工况下衬套刚度参数化处理的示意图；
图3为整车路噪性能和行驶性能C特性的集成开发工作流；
图4为近似模型残差图；
图5为贡献量分析图；
图6为优化效果图。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图1所示的一种悬架系统多学科优化设计方法，包括以下步骤：
S1：问题识别和P控制图分析，基于整车路噪性能和行驶性能C特性，确定悬架系统多学科优化设计的相关参数；
S2：建立整车路噪性能仿真分析模型并进行整车路噪性能仿真分析，建立行驶性能C特性仿真分析模型并进行行驶性能C特性仿真分析；在建立所述整车路噪性能仿真分析模型时以动刚度作为弹性元件的刚度的表征，在建立所述行驶性能C特性仿真分析模型时以力位移曲线作为弹性元件的刚度的表征；
S3：根据S1中确定的相关参数，确定悬架系统需要优化的设计变量，对各个设计变量进行参数化处理；对各个设计变量进行参数化处理包括以下步骤：在所述力位移曲线和所述动刚度中均引入无量纲比例因子，以无量纲比例因子作为设计变量；
S4：进行各个设计变量的DOE采样计算；
S5：提取DOE样本点和计算结果，构造满足精度要求的整车路噪性能近似模型和行驶性能C特性近似模型；
S6：基于S5中的两个近似模型，进行整车路噪性能和行驶性能C特性的多学科优化并获得优化方案；
S7：调用S2中的整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，对S6中获得的优化方案进行验证。
采用上述的技术方案，通过近似模型技术取代仿真分析，进行多工况的联合优化，大幅提升了优化效率，通过在所述力位移曲线和所述动刚度中均引入无量纲比例因子，以无量纲比例因子作为设计变量，为实现基于整车路噪性能和行驶性能C特性的联合仿真提供了可能性和便利，可同时满足多项性能，大幅缩短设计周期；该方法成本低、效率高、能够在汽车产品开发早期实现悬架系统正向设计，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。
在一些实施例中，所述S1中的相关参数如下：
输入信号包括：整车路噪工况下的道路谱，行驶性能C特性工况下的载荷状态和硬点对应状态；
控制因子包括：前悬架各衬套刚度及阻尼，后悬架各衬套刚度及阻尼，前悬弹簧弹性模量，后悬弹簧弹性模量；
噪声因子包括：衬套刚度波动偏差，硬点位置偏差；
输出信号包括：驾驶员右耳处声压级，悬架纵向柔度，悬架横向柔度，侧向力变形转向系数，回正力矩转向系数。
在一些实施例中，所述建立整车路噪性能仿真分析模型并进行整车路噪性能仿真分析包括以下步骤：采集原始道路谱PSD数据，经过数据处理后，转化为整车路面激励作为输入信号，建立整车NVH有限元模型作为仿真的对象，整车NVH有限元模型由模态轮胎模型、底盘模型、声腔及TB内饰车身模型构成，以驾驶员右耳处声压级作为输出信号，进行整车路噪性能仿真分析。
在一些实施例中，所述建立行驶性能C特性仿真分析模型并进行行驶性能C特性仿真分析包括以下步骤：以实车测试的载荷状态作为行驶性能C特性仿真分析的输入信号，在Adams软件搭建悬架系统多体模型作为仿真的对象，以悬架纵向柔度、悬架横向柔度、侧向力变形转向系数以及回正力矩转向系数作为输出信号，进行行驶性能C特性仿真分析。
在一些实施例中，所述S3中确定的设计变量包括：前悬架各衬套刚度及阻尼，后悬架各衬套刚度及阻尼，前悬弹簧弹性模量，后悬弹簧弹性模量。
在一些实施例中，所述进行各个设计变量的DOE采样计算之前还包括以下步骤：在Optimus平台搭建整车路噪性能和行驶性能C特性的集成开发工作流。
在一些实施例中，所述进行各个设计变量的DOE采样计算包括以下步骤：设置各个设计变量的设计空间和输出信号的约束条件，采用最优拉丁超方试验设计方法分别开展各个设计变量的DOE采样计算，基于DOE采样计算结果，对设计变量和关注性能进行相关性分析，筛选出与关注性能的相关性较为显著的显著性设计变量，然后开展对显著性设计变量的DOE采样计算。
在一些实施例中，所述S5包括以下步骤：提取DOE样本点与计算结果，构造整车路噪性能近似模型和行驶性能C特性近似模型，当整车路噪性能近似模型或行驶性能C特性近似模型的精度低于95%时，则返回S4增加DOE采样点或更改近似模型类型，直到整车路噪性能近似模型和行驶性能C特性近似模型的精度均大于或等于95％。
在一些实施例中，所述S6包括以下步骤：基于S5中的两个近似模型，以“行驶性能C特性各输出信号处于目标区间”为约束条件，以“最小化驾驶员右耳处声压级”为目标，采用全局搜索算法进行多目标优化，获得一组最佳的悬架系统匹配参数作为优化方案。
在一些实施例中，所述S7包括以下步骤：调用S2中的整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，对S6中获得的优化方案进行验证，若不满足整车路噪性能和行驶性能C特性的要求，则返回S4重新进行各个设计变量的DOE采样计算。
在一些实施例中，所述弹性元件为衬套。
作为一种具体实施例，一种悬架系统多学科优化设计方法，包括以下步骤：
S1：问题识别和P控制图分析，基于整车路噪性能和行驶性能C特性，确定悬架系统多学科优化设计的相关参数；
具体的，影响整车路噪性能和行驶性能C特性的因素众多，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)、系统误差以及用户使用情况等。通过P控制图分析，确定了，基于整车路噪性能和行驶性能C特性的悬架系统多学科优化设计的相关参数如下：输入信号包括：整车路噪工况下的道路谱，行驶性能C特性工况下的载荷状态和硬点对应状态；控制因子包括：前悬架各衬套刚度及阻尼，后悬架各衬套刚度及阻尼，前悬弹簧弹性模量，后悬弹簧弹性模量；噪声因子包括：衬套刚度波动偏差，硬点位置偏差；输出信号包括：驾驶员右耳处声压级，悬架纵向柔度，悬架横向柔度，侧向力变形转向系数，回正力矩转向系数。
S2：建立整车路噪性能仿真分析模型并进行整车路噪性能仿真分析，建立行驶性能C特性仿真分析模型并进行行驶性能C特性仿真分析；在建立所述整车路噪性能仿真分析模型时以动刚度作为弹性元件的刚度的表征，在建立所述行驶性能C特性仿真分析模型时以力位移曲线作为弹性元件的刚度的表征；
具体的，所述建立整车路噪性能仿真分析模型并进行整车路噪性能仿真分析包括以下步骤：采集原始道路谱PSD数据，经过数据处理后，转化为整车路面激励作为输入信号，建立整车NVH有限元模型作为仿真的对象，整车NVH有限元模型由模态轮胎模型、底盘模型、声腔及TB内饰车身模型构成，以驾驶员右耳处声压级作为输出信号，进行整车路噪性能仿真分析。所述建立行驶性能C特性仿真分析模型并进行行驶性能C特性仿真分析包括以下步骤：以实车测试的载荷状态作为行驶性能C特性仿真分析的输入信号，在Adams软件搭建悬架系统多体模型作为仿真的对象，分别考察悬架系统在制动力或驱动力、同向或异向侧向力以及同向或异向回正力的作用下轮心位置和定位参数的变化情况，以悬架纵向柔度、悬架横向柔度、侧向力变形转向系数以及回正力矩转向系数作为输出信号，进行行驶性能C特性仿真分析。
S3：根据S1中确定的相关参数，确定悬架系统需要优化的设计变量，对各个设计变量进行参数化处理；对各个设计变量进行参数化处理包括以下步骤：在所述力位移曲线和所述动刚度中均引入无量纲比例因子，以无量纲比例因子作为设计变量；
具体的，根据S1中的相关参数，确定悬架系统多学科优化设计的设计变量，对各个设计变量进行参数化处理，设计变量包括：前悬架各衬套刚度及阻尼，后悬架各衬套刚度及阻尼，前悬弹簧弹性模量，后悬弹簧弹性模量。由于衬套刚度在整车路噪工况和行驶性能C特性工况下的表征形式不一致，在整车路噪仿真分析模型中，以某一频率下的刚度值作为的衬套刚度的表征，即以动刚度作为的衬套刚度的表征；在行驶性能C特性仿真分析模型中，以力位移曲线作为的衬套刚度的表征。如图2所示，为了达到整车路噪和行驶性能C特性联合仿真的目的，在所述力位移曲线和所述动刚度中均引入无量纲比例因子𝛼作为设计变量，力位移曲线为：𝛼F/L；动刚度为𝛼K；从而实现整车路噪分析工况与行驶性能C特性分析工况下衬套刚度的同步更新。
在具体实施时，对各个设计变量进行参数化处理包括以下步骤：可以通过Optimus软件的Excel、文本参数化接口参数化整车路噪性能仿真分析和行驶性能C特性仿真分析所包含的模型文件，实现所有设计变量的自动更新，进而驱动上述整车路噪性能仿真分析和行驶性能C特性仿真分析的模型文件的自动更新。
S4：在Optimus平台搭建整车路噪性能和行驶性能C特性的集成开发工作流，进行各个设计变量的DOE采样计算；
所述进行各个设计变量的DOE采样计算包括以下步骤：设置各个设计变量的设计空间和输出信号的约束条件，采用最优拉丁超方试验设计方法分别开展各个设计变量的DOE采样计算，基于DOE采样计算结果，对设计变量和关注性能进行相关性分析，筛选出与关注性能的相关性较为显著的显著性设计变量，然后开展对显著性设计变量的DOE采样计算，实现降维的目的。
在Optimus集成优化平台下，搭建如图3所示的整车路噪性能和行驶性能C特性的集成开发工作流。集成S3中的参数化的模型和设计变量，设置设计变量的设计空间，通过批处理方式，调用相应求解软件，提取结果文件中的响应信息即可得到输出信号。通过集成开发工作流，能够提升工作效率。
具体到整车路噪工况，调用Nastran软件进行整车路噪工况分析，提取pch文件中的关键信息，进行声压级转换，输出关重频段的驾驶员右耳处声压级，同时设置约束条件。
具体到行驶性能C特性分析，则是调用Adams软件进行行驶性能C特性分析，基于Matlab提取结果文件中的关键信息，进行相应的数据处理，输出悬架纵向柔度、横向柔度，侧向力变形转向系数，回正力矩转向系数，同时设置约束条件。
S5：提取DOE样本点和计算结果，构造满足精度要求的整车路噪性能近似模型和行驶性能C特性近似模型；
具体的，提取DOE样本点与计算结果，构造整车路噪性能近似模型和行驶性能C特性近似模型，当整车路噪性能近似模型或行驶性能C特性近似模型的精度低于95%时，则返回S4增加DOE采样点或更改近似模型类型，直到整车路噪性能近似模型和行驶性能C特性近似模型的精度均大于或等于95％
在具体实施时，依据S4中降维后的DOE样本点和计算结果，构造整车路噪性能近似模型和行驶性能C特性近似模型。当近似模型的精度大于或等于95%时，则执行S6；当近似模型的精度低于95%时，则返回S4，增加DOE采样的样本点或更改近似模型类型，直到近似模型精度大于或等于95%。在本实施例中，根据残差分析对近似模型进行精度验证，在构建近似模型的DOE样本之外，再计算10至20组样本，计算其与近似模型预测值的相对误差，要求相对误差在5%以内，近似模型残差图如图4所示，结果表明近似模型的精度均在95%以上，满足精度要求。
S6：基于S5中的两个近似模型，进行整车路噪性能和行驶性能C特性的多学科优化并获得优化方案；
在具体实施时，通过贡献量分析，找出对响应贡献较大的设计变量，特别是同时对多个响应有贡献的设计变量，后续着重优化此类设计变量，贡献量分析结果如图5所示。基于S5中的两个近似模型，以“行驶性能C特性各输出信号处于目标区间”为约束条件，以“最小化驾驶员右耳处声压级”为目标，采用全局搜索算法进行多目标优化，获得一组最佳的悬架系统匹配参数作为优化方案。
S7：调用S2中的整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，对S6中获得的优化方案进行验证。
具体的，调用S2中的整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，对S6中获得的优化方案进行验证，若不满足整车路噪性能和行驶性能C特性的要求，则返回S4重新进行各个设计变量的DOE采样计算。
在具体实施时，将S6中的优化方案代入S2中的整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，得出最优解对应的实际结果。若实际结果与近似模型优化结果的偏差小于5%，且行驶性能C特性各输出信号处于目标区间，则认为优化方案合格；若优化方案不合格，则返回S4在最优解附近增加DOE样本点或调整设计变量的设计空间，重新进行整车路噪和行驶性能C特性的多学科优化。本实施例最终优化结果如图6所示，在保证行驶性能C特性指标要求下，降低关重频段(75-140Hz)的路噪响应1.4dB(A)。
本发明提出了一种基于整车路噪性能和行驶性能C特性的悬架系统多学科优化设计方法，通过近似模型技术取代仿真分析，进行多工况的联合优化，大幅提升了优化效率。相较于传统的“串行设计”开发方法，本发明充分考虑了整车路噪性能和行驶性能C特性之间的性能冲突，通过对多个设计变量进行确定性优化，可同时满足多项性能，大幅缩短设计周期；该方法成本低、效率高、能够在汽车产品开发早期实现悬架系统正向设计，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。本发明提升了悬架系统优化设计的效率，能够同时基于整车路噪性能和行驶性能C特性对悬架系统进行优化设计。
本发明提出的悬架系统多学科优化设计方法在某车型开发过程中已得到验证，常规的串行优化方式，按迭代3次找到同时满足两项性能的最优解，应用本发明提出的悬架系统多学科优化设计方法，一次即可找到最优解，缩短三分之二的优化时间，且常规优化方式存在找不到最优解的可能。
本发明建立了整车路噪与行驶性能C特性联合优化的悬架系统多学科优化设计方法，有效地克服了“串行设计”模式带来的反复迭代验证，效率低下的问题，能够用于整车路噪与行驶性能C特性的性能平衡优化。
在一些实施例中，本发明还提出了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的悬架系统多学科优化设计方法。
其中，存储器至少包括一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是计算机的内部存储单元，例如该计算机的硬盘。存储器在另一些实施例中也可以是外部存储装置，例如插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器还可以既包括计算机的内部存储单元也包括外部存储装置。存储器不仅可以用于存储安装于计算机的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
其中，处理器在一些实施例中可以是电子控制单元(Electronic ControlUnit，简称ECU，又称行车电脑)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器中存储的程序代码或处理数据，例如执行访问限制程序等。
在一些实施例中，本发明还提出了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，能够实现上述任一项所述的悬架系统多学科优化设计方法。
本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
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它们的组合来实现：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。
以上实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。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必须针对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。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。

Claims (12)

1.一种悬架系统多学科优化设计方法，其特征在于，包括以下步骤：
S1：问题识别和P控制图分析，基于整车路噪性能和行驶性能C特性，确定悬架系统多学科优化设计的相关参数；
S2：建立整车路噪性能仿真分析模型并进行整车路噪性能仿真分析，建立行驶性能C特性仿真分析模型并进行行驶性能C特性仿真分析；在建立所述整车路噪性能仿真分析模型时以动刚度作为弹性元件的刚度的表征，在建立所述行驶性能C特性仿真分析模型时以力位移曲线作为弹性元件的刚度的表征；
S3：根据S1中确定的相关参数，确定悬架系统需要优化的设计变量，对各个设计变量进行参数化处理；对各个设计变量进行参数化处理包括以下步骤：在所述力位移曲线和所述动刚度中均引入无量纲比例因子，以无量纲比例因子作为设计变量；
S4：进行各个设计变量的DOE采样计算；
S5：提取DOE样本点和计算结果，构造满足精度要求的整车路噪性能近似模型和行驶性能C特性近似模型；
S6：基于S5中的两个近似模型，进行整车路噪性能和行驶性能C特性的多学科优化并获得优化方案；
S7：调用S2中的整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，对S6中获得的优化方案进行验证。
2.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述S1中的相关参数如下：
输入信号包括：整车路噪工况下的道路谱，行驶性能C特性工况下的载荷状态和硬点对应状态；
控制因子包括：前悬架各衬套刚度及阻尼，后悬架各衬套刚度及阻尼，前悬弹簧弹性模量，后悬弹簧弹性模量；
噪声因子包括：衬套刚度波动偏差，硬点位置偏差；
输出信号包括：驾驶员右耳处声压级，悬架纵向柔度，悬架横向柔度，侧向力变形转向系数，回正力矩转向系数。
3.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述建立整车路噪性能仿真分析模型并进行整车路噪性能仿真分析包括以下步骤：采集原始道路谱PSD数据，经过数据处理后，转化为整车路面激励作为输入信号，建立整车NVH有限元模型作为仿真的对象，整车NVH有限元模型由模态轮胎模型、底盘模型、声腔及TB内饰车身模型构成，以驾驶员右耳处声压级作为输出信号，进行整车路噪性能仿真分析。
4.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述建立行驶性能C特性仿真分析模型并进行行驶性能C特性仿真分析包括以下步骤：以实车测试的载荷状态作为行驶性能C特性仿真分析的输入信号，在Adams软件搭建悬架系统多体模型作为仿真的对象，以悬架纵向柔度、悬架横向柔度、侧向力变形转向系数以及回正力矩转向系数作为输出信号，进行行驶性能C特性仿真分析。
5.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述S3中确定的设计变量包括：前悬架各衬套刚度及阻尼，后悬架各衬套刚度及阻尼，前悬弹簧弹性模量，后悬弹簧弹性模量。
6.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述进行各个设计变量的DOE采样计算之前还包括以下步骤：在Optimus平台搭建整车路噪性能和行驶性能C特性的集成开发工作流。
7.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述进行各个设计变量的DOE采样计算包括以下步骤：设置各个设计变量的设计空间和输出信号的约束条件，采用最优拉丁超方试验设计方法分别开展各个设计变量的DOE采样计算，基于DOE采样计算结果，对设计变量和关注性能进行相关性分析，筛选出与关注性能的相关性较为显著的显著性设计变量，然后开展对显著性设计变量的DOE采样计算。
8.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述S5包括以下步骤：提取DOE样本点与计算结果，构造整车路噪性能近似模型和行驶性能C特性近似模型，当整车路噪性能近似模型或行驶性能C特性近似模型的精度低于95%时，则返回S4增加DOE采样点或更改近似模型类型，直到整车路噪性能近似模型和行驶性能C特性近似模型的精度均大于或等于95％。
9.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述S6包括以下步骤：基于S5中的两个近似模型，以“行驶性能C特性各输出信号处于目标区间”为约束条件，以“最小化驾驶员右耳处声压级”为目标，采用全局搜索算法进行多目标优化，获得一组最佳的悬架系统匹配参数作为优化方案。
10.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述S7包括以下步骤：调用S2中的整车路噪性能仿真分析模型和行驶性能C特性仿真分析模型，对S6中获得的优化方案进行验证，若不满足整车路噪性能和行驶性能C特性的要求，则返回S4重新进行各个设计变量的DOE采样计算。
11.根据权利要求1所述的悬架系统多学科优化设计方法，其特征在于，所述弹性元件为衬套。
12.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，能够实现权利要求1-11任一项所述的悬架系统多学科优化设计方法。
CN202310330210.6A 2023-03-30 2023-03-30 悬架系统多学科优化设计方法及存储介质 Pending CN116522475A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310330210.6A CN116522475A (zh) 2023-03-30 2023-03-30 悬架系统多学科优化设计方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310330210.6A CN116522475A (zh) 2023-03-30 2023-03-30 悬架系统多学科优化设计方法及存储介质

Publications (1)

Publication Number Publication Date
CN116522475A true CN116522475A (zh) 2023-08-01

Family

ID=87389453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310330210.6A Pending CN116522475A (zh) 2023-03-30 2023-03-30 悬架系统多学科优化设计方法及存储介质

Country Status (1)

Country Link
CN (1) CN116522475A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117725765A (zh) * 2024-02-07 2024-03-19 中汽研汽车检验中心（天津）有限公司 基于响应分析的车辆悬架多目标优化方法、设备和介质
CN117875095A (zh) * 2024-03-13 2024-04-12 西安航天动力研究所 一种发动机频域仿真模型的建模方法、装置及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117725765A (zh) * 2024-02-07 2024-03-19 中汽研汽车检验中心（天津）有限公司 基于响应分析的车辆悬架多目标优化方法、设备和介质
CN117725765B (zh) * 2024-02-07 2024-05-31 中汽研汽车检验中心（天津）有限公司 基于响应分析的车辆悬架多目标优化方法、设备和介质
CN117875095A (zh) * 2024-03-13 2024-04-12 西安航天动力研究所 一种发动机频域仿真模型的建模方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN116522475A (zh) 悬架系统多学科优化设计方法及存储介质
CN102867075B (zh) 基于加速度频率响应分析的车身地板优化设计方法
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
CN111310380B (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
CN112287551B (zh) 一种基于整车概念模型的行驶性能系统级指标分解方法
CN101916322A (zh) 基于cae结构分析的汽车车门下垂问题的优化设计方法
CN111993847A (zh) 基于整车路噪性能提升的轮胎参数优化方法
CN108920735A (zh) 汽车车身刚度优化方法及系统
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
CN115169167A (zh) 汽车板簧运动行程参数优化匹配方法及系统
CN113239458B (zh) 一种基于虚拟路面的整车路噪仿真对标方法
CN110110374A (zh) 概念阶段汽车车身正向设计方法、装置及系统
CN111159906A (zh) 基于adams二次开发的汽车悬架动态模型搭建方法
CN116090155A (zh) 一种整车冲击噪音的仿真方法、装置、计算机设备及介质
Jung et al. Optimization of bushing stiffness using numerical approximation model to improve automotive NVH performance
Keshavarz et al. Improving vehicle nvh behavior via tuning the engine mount stiffness using doe method
Choi et al. A Conceptual Analysis in the Early Design Stage for the Road-Noise Reduction using FRF-Based Substructuring
CN115292982A (zh) 一种汽车前摆臂多学科优化设计方法
Reichart et al. How Virtual Points, Component TPA, and Frequency-Based Substructuring Disrupted the Vehicle Suspension Development Process
Sharma CAE driven multi disciplinary optimization of vehicle systems and sub systems
CN117113762A (zh) 一种车辆怠速振动优化方法、系统及存储介质
CN115964800A (zh) 用于车辆aeb标定的方法、装置、电子设备及存储介质
Van der Auweraer et al. New approaches enabling NVH analysis to lead design in body development
CN114429000B (zh) 一种传动系统动不平衡整车响应预测方法、系统及设备
CN113673128B (zh) 动力总成设计方法及相关设备

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