CN116522510B - 一种用于车轮性能仿真的轮胎材料参数的反演方法及系统 - Google Patents
一种用于车轮性能仿真的轮胎材料参数的反演方法及系统 Download PDFInfo
- Publication number
- CN116522510B CN116522510B CN202310768624.7A CN202310768624A CN116522510B CN 116522510 B CN116522510 B CN 116522510B CN 202310768624 A CN202310768624 A CN 202310768624A CN 116522510 B CN116522510 B CN 116522510B
- Authority
- CN
- China
- Prior art keywords
- tire
- test
- simulation
- material parameters
- displacement
- 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
- 239000000463 material Substances 0.000 title claims abstract description 104
- 238000004088 simulation Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012360 testing method Methods 0.000 claims abstract description 136
- 238000009863 impact test Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000003062 neural network model Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 239000011324 bead Substances 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000011056 performance test Methods 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 25
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009661 fatigue test Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910001234 light alloy Inorganic materials 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- 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)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Tires In General (AREA)
Abstract
本发明提供一种用于车轮性能仿真的轮胎材料参数的反演方法及系统,基于轮胎径向刚度和侧向刚度试验所获得的多组试验数据,建立轮胎径向刚度和侧向刚度试验有限元仿真模型,对比仿真结果进行误差计算;之后,通过优化平台,结合误差分析的结果优化轮胎材料参数,循环仿真流程,直至误差最小即为试验曲线和仿真曲线贴合。通过可用于轮胎材料参数预测的神经网络模型,仅使用非破坏性的轮胎刚度试验数据,即可利用神经网络模型来实现对轮胎材料参数的快速反演。本发明还可根据车轮90度冲击试验中轮胎发生的大变形历程对轮胎材料参数进行修正。由此,可有利于提高车轮台架性能试验的仿真精度,为车轮结构性能评估以及结构轻量化设计奠定基础。
Description
技术领域
本发明涉及汽车仿真技术领域,更具体地涉及一种反演可用于车轮性能仿真的材料参数的方法及系统。
背景技术
随着汽车行业的高速发展,汽车逐渐成为了当今社会的最主要的代步工具之一,但汽车行业所需的日益增加的能源消耗量带来了严重的环境问题,汽车与环境保护之间的矛盾日益增加。车辆轻量化作为车辆节能减排的重要手段,逐渐变成了各个汽车企业提升市场竞争力的关键,亦是车辆发展的主流趋势之一。车轮作为底盘的核心,既是车辆系统的唯一接地部件,也是车辆系统簧下质量的旋转件。车轮轻量化不仅能节能减排,还能提升汽车的操纵性和平顺性等性能,具有重要意义。减轻车轮质量带来的效益是减轻相同大小的簧载质量的数倍。
但在对车轮进行轻量化设计时,必须建立在准确评估其力学性能的基础上。由于车轮结构属于关键安全件,要求通过径向疲劳、弯曲疲劳、双轴疲劳等疲劳试验,对于轻质合金材料车轮还需通过13度冲击、90度冲击等冲击试验。其中径向疲劳、双轴疲劳以及13度冲击、90度冲击试验均是针对车轮轮胎总成进行的,其中轮胎的结构以及力学性能直接影响上述试验时的车轮性能。因此要准确预测车轮在各项台架试验中的受力状态,需采用准确的轮胎模型。
由于轮胎结构比较复杂,且材料多样化,构建一个精确的轮胎模型难度较大。其中影响轮胎模型精度的一个重要因素就是轮胎材料的具体参数,由于轮胎材料作为轮胎企业的机密很难直接提供,而通过试验测试来获得轮胎中各部分材料的具体参数,需破坏轮胎,且材料试样样本获得困难,试验耗时长,不适宜使用。故许多科研人员在进行车轮台架性能的有限元仿真时,选择使用同一橡胶材质的等效轮胎有限元模型或者对轮胎内部结构进行较大简化。譬如,仅使用单层橡胶材质的3D网格单元来表示轮胎,忽略了轮胎内部的结构和材料;或者仅将轮胎分为胎面、两胎侧、胎体和内衬层5个部分建模,忽视了其他结构。以上这些轮胎模型简化措施都会影响轮胎模型的精度,进而影响到车轮台架试验仿真的精度。
发明内容
为了避免由于不精确的轮胎材料参数而导致车轮台架性能仿真精度下降的问题,本发明提供一种适用于车轮台架性能仿真的轮胎材料参数的反演方法,基于反演所获轮胎材料参数建立的轮胎模型,既可以满足疲劳载荷作用下轮胎发生小变形时车轮抗疲劳性能预测的要求,又能够满足冲击载荷作用下轮胎发生大变形时车轮抗冲击性能预测的要求。并针对不同型号的轮胎,提供一种神经网络预测模型以实现对轮胎参数的快速预测,为车轮研发提供支持。
根据本发明的一方面,提供一种用于车轮性能仿真的轮胎材料参数的反演方法,其包括如下步骤:轮胎刚度试验步骤,其中,通过进行轮胎刚度试验,获取作为轮胎试验曲线的位移-载荷曲线;轮胎有限元建模步骤,其中,通过绘制2D轮胎截面网格,绕轮胎中心轴旋转360°,形成3D网格的轮胎有限元模型;轮胎刚度试验有限元建模步骤,其中,以保留试验台中的接触面作为刚性面并对该接触面施加载荷与位移的方式进行载荷试验仿真,建立轮胎刚度试验有限元模型;轮胎材料参数的反演步骤,其中,建立轮胎材料参数的反演模型,优化所选的轮胎材料参数,进行轮胎刚度试验有限元模型的仿真得到作为仿真曲线的位移-载荷曲线,通过对比轮胎试验曲线和仿真曲线而反演轮胎材料参数,其中,所述轮胎刚度试验包括轮胎的径向刚度试验和轮胎的侧向刚度试验。
优选地,该反演方法还包括如下步骤:90度冲击试验步骤,其中,对车轮轮胎总成进行90度冲击试验,获得冲击过程中的轮胎变形历程;90度冲击试验仿真步骤,其中,基于在轮胎材料参数的反演步骤所获得的轮胎材料参数建立轮胎模型,通过仿真获得车轮90度冲击试验过程中的仿真变形历程;轮胎材料参数修正步骤,其中,将轮胎变形历程与仿真变形历程对比,根据对比结果对在轮胎材料参数的反演步骤所获得的轮胎材料参数进行修正。
优选地,通过使计算机执行程序构成神经网络,所述神经网络为BP神经网络,包含一个输入层,输入层节点数目为7个,一个隐含层,隐含层节点数目为10个,一个输出层,输出层节点为6个,输入层的7个节点分别代表输入的变量,即为轮胎的内径、轮胎断面宽度、轮胎扁平率、轮胎在三种不同气压下径向位移-载荷曲线以及轮胎在450KPa下的侧向位移-载荷曲线,输入层到隐含层的传递函数为双曲正切函数,隐含层到输出层的传递函数为非线性sigmoid传递函数。
根据本发明的又一方面,提供一种用于车轮性能仿真的轮胎材料参数的反演系统,用于实现以上所述的轮胎材料参数的反演方法。
根据本发明,可以基于轮胎径向刚度和侧向刚度试验所获得的多组试验数据,建立轮胎径向刚度和侧向刚度试验有限元仿真模型,对比仿真结果进行误差计算;之后,通过结合误差分析的结果优化轮胎材料参数,循环仿真流程,直至试验曲线和仿真曲线贴合;最后,本发明涉及神经网络领域,提供可用于轮胎材料参数预测的神经网络模型。使得其仅使用轮胎刚度试验数据,利用神经网络模型来实现对轮胎材料参数的快速反演。
因此,本发明的优势是,可以无需复杂的轮胎材料测试,而是依靠非破坏性也容易进行的轮胎刚度试验结果来反演可以表征轮胎整体力学性能的轮胎材料参数,并根据车轮90度冲击试验中轮胎发生的大变形历程对轮胎材料参数进行修正。使所获得的轮胎材料参数不但能够满足轮胎发生较小变形的车轮疲劳试验工况仿真的要求,也能够满足轮胎发生大变形的车轮冲击工况仿真的要求,有利于提高车轮台架性能试验的仿真精度,从而为车轮结构性能评估以及结构轻量化设计奠定基础。此外,本发明建立的轮胎材料参数的神经网络预测模型,对于新的轮胎结构,不需要通过有限元仿真迭代反演,即可快速地预测出轮胎中的材料参数,并使其能比较准确地表征轮胎整体力学性能,从而有利于加快车轮研发的进程。
附图说明
图1示意性地示出根据本发明的轮胎材料参数反演方法的流程图;
图2示意性地示出轮胎截面轮廓及材料分布图;
图3为轮胎截面2D有限元网络图;
图4为按材料分区的轮胎3D有限元模型;
图5为轮胎径向-侧向刚度试验的3D有限元模型;
图6示出用于分析轮胎径向刚度试验以及侧向刚度试验所得的位移-载荷的试验曲线和仿真曲线吻合程度的情况;
图7示意性地示出Isight循环进行轮胎材料参数反演的流程图;
图8为BP神经网络示意图。
具体实施方式
下面结合附图详细描述本发明的示例性实施例。下文描述的和附图示出的示例性实施例旨在教导本发明的原理,使本领域技术人员能够在若干不同环境中和对于若干不同应用实施和使用本发明。因此,本发明的保护范围由所附的权利要求来限定,示例性实施例并不意在、并且不应该被认为是对本发明保护的范围的限制性描述。除非另外具体说明,否则在实施例中阐述的部件和步骤的顺序以及数值不限制本发明的范围。本文中所陈述的任何数值范围旨在包括其中包含的所有子范围,使用“数值A~数值B”表示的数值范围是指包含端点数值A、B的范围。本领域技术人员可以理解,本发明中的“第一”、“第二”、“步骤”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序,例如某两个步骤可以对调或并行。
根据本发明的轮胎材料参数反演方法的实现流程,如图1所示,具体包括如下步骤:
步骤一、进行轮胎刚度试验,获取作为轮胎试验曲线的位移-载荷曲线。
具体地,可根据汽车常用车轮尺寸,选择配装不同尺寸车轮的不同规格的轮胎,其中针对某一尺寸的车轮至少选择3-5种可以与其配装的轮胎规格。针对所选不同尺寸规格(亦称为款式)的轮胎进行径向刚度试验和侧向刚度试验,得出轮胎在不同胎压、不同载荷等工况下的位移-载荷曲线。
例如,根据轮胎额定数据,每款轮胎设计六种工况,径向三种,侧向三种。侧向三种工况气压都为200kPa、标准气压、450kPa,径向载荷分别为120%、150%、180%额定载荷;侧向三种工况气压都为450kPa,侧向载荷分别为60%、100%、120%额定载荷。
由于在轮胎刚度实验中,轮胎受到的载荷较小,故轮胎的变形也相对较小,由此得到的轮胎位移-载荷曲线,可以视为轮胎小变形阶段得到的曲线。由于轮胎刚度试验得到的仅有轮胎刚度数值以及位移-载荷曲线图,不提供曲线具体数据。为了获得轮胎在不同工况下的位移-载荷数据,需要对位移-载荷曲线图进行预处理,以提取轮胎刚度试验中的位移-载荷曲线数据。
步骤二、建立轮胎有限元模型。
具体地,为适当简化轮胎结构,可于CAD中根据主要构成材料分成多个主要区域;绘制2D轮胎截面网格,调整网格单元类型,使其可以支持Abaqus运算;将2D轮胎截面网格绕轮胎中心轴旋转360°形成轮胎3D网格,即为轮胎有限元模型。
例如,根据本发明的一实施例,为了便于轮胎仿真,对轮胎结构合理简化,于CAD中将轮胎截面轮廓图根据主要构成材料分成钢丝圈1、帘布层2、带束层3和橡胶层4这四个主要区域,具体如图2所示。
其次,可将轮廓图导入Hypermesh中绘制网格,为了减少后期仿真的运算时间,可适当调整网格大小,例如可将网格按照3-10mm为边长划分,或者具体如图3所示,胎冠部位网格的边长大小可选为5-8mm,胎侧部位网格边长大小可选为4mm左右,胎趾部位网格边长大小可选为3mm左右。
接着,将网格导入Abaqus中,建立约束将钢丝网格镶嵌入帘布层2和带束层3中,并为每一个区域的网格赋予材料,为了减少后期的反演变量,轮胎橡胶材料选取Neo模型。
最后,将2D轮胎截面网格绕轮胎中心轴旋转360°形成轮胎3D网格,即为轮胎有限元模型,具体如图4所示。
步骤三、建立轮胎径向刚度试验和侧向刚度试验有限元模型,并进行仿真。
具体地,可建立轮胎刚度试验有限元模型,采用abaqus软件进行仿真,完成轮胎径向刚度试验和侧向刚度试验有限元模型的建立,并输出inp文件。
例如,根据本发明的一实施例,为了减少后续反演轮胎材料参数的时间,在建立轮胎刚度试验有限元模型时,对车轮和试验台进行了一定的简化。具体如图5所示,在轮胎刚度试验有限元仿真中,简化车轮结构,将车轮替换为刚性轮辋;简化试验台,保留试验台中的接触面,并将其设定为刚性面,在车轮中心建立固定约束,简化其余部分(例如轮胎支架)。如此,在轮胎刚度试验时,试验台面对轮胎的约束即为胎面与台面的接触,采用刚性接触。按照试验流程进行仿真,先进行径向载荷试验仿真,根据径向刚度试验条件,为接触面施加载荷与位移。之后,在进行完试验载荷的基础上,进行侧向载荷试验仿真,根据侧向刚度试验条件,为接触面施加载荷与位移,由此完成轮胎径向刚度试验和侧向刚度试验有限元模型的建立,并输出inp文件。
步骤四、建立轮胎材料参数的反演模型。
具体地,可于Isight集成平台中建立轮胎材料参数的反演模型,使用多岛遗传算法优化所选的轮胎材料参数,进行轮胎刚度试验仿真,将仿真结果与试验数据进行对比,直至二者差距最小。由此,即可通过反演获得体现轮胎性能的材料参数。
例如,根据本发明的一实施例,于Isight集成平台中建立轮胎材料参数的反演模型,具体如图7所示的Isight循环流程,轮胎材料参数经由计算器(Caiculator)模块计算,再通过数据输入(DATA input)模块修改inp文件,以达到更改轮胎刚度试验有限元模型的目的。之后在径向载荷运行(RA-LOAD-RUN)模块进行轮胎径向刚度试验模型的仿真,并通过径向结果(RA-RESULT)模块提取轮胎径向位移-载荷的仿真数据;在侧向载荷运行(LA-LOAD-RUN)模块进行轮胎侧向刚度试验模型的仿真,并通过侧向结果(LA-RESULT)模块提取轮胎侧向位移-载荷的仿真数据。于分析(Analy)模块判断轮胎试验的位移-载荷曲线和仿真的位移-载荷曲线的吻合程度,参见图6所示,其中图6(A)示出用于分析轮胎径向刚度试验所得的位移-载荷的试验曲线和仿真曲线吻合程度的情况,图6(B)示出用于分析轮胎侧向刚度试验所得的位移-载荷的试验曲线和仿真曲线吻合程度的情况。根据本发明,为了更加直观判断上述两条曲线是否吻合,计算二者之间的方差作为判断两条曲线是否吻合的依据,采用对比试验和仿真两曲线在相同位移时,所对应的试验和仿真载荷之间的方差。然后,经数据交换(Data Exchanger)模块将方差返回优化(Optimization)模块作为之后参数优化的依据。
更具体地,可使用模块内自带优化算法的优化模块,在此采用多岛遗传算法优化所选的轮胎材料参数,轮胎材料参数的选取范围如以下表1所示。
表1:
如此,可使用数据交换模块将优化后的轮胎材料参数输入到轮胎径向刚度试验和侧向刚度试验的inp文件中,以达到更改轮胎刚度试验有限元模型的目的。之后,使用Simcode模块(未示出)来直接运行轮胎径向刚度试验和侧向刚度试验的inp文件。最后,使用Simcode模块计算轮胎试验位移-载荷曲线和仿真位移-载荷曲线的方差,并经数据交换模块将方差返回优化模块作为之后参数优化的依据。
步骤五、对车轮轮胎总成进行90度冲击(即径向冲击)试验,获得冲击过程中轮胎变形历程。
具体地,可根据汽车行业标准,将各车轮轮胎总成安装于90度冲击试验台,进行冲击试验,采用拉绳传感器测量冲击过程中轮胎的变形历程作为试验结果。
步骤六、基于轮胎在冲击载荷下的大变形情况对其材料参数进行修正。
建立车轮90度冲击试验的有限元仿真模型,首先基于步骤四所获轮胎材料参数建立轮胎模型,仿真获得车轮90度冲击试验过程中轮胎的变形历程。将仿真所得轮胎的变形历程与试验结果对比,根据对比结果对步骤四所得的轮胎材料参数进行修正,从而得到可以满足在大变形条件下的体现轮胎性能的材料参数。
步骤七、整理数据,搭建轮胎材料数据库。
具体地,可基于各款轮胎的刚度试验数据、通过反演以及修正所得的轮胎材料参数,构建轮胎数据库,并将数据集划分为训练集和测试集。
例如,根据本发明的一实施例,按照步骤二到步骤四,反演各款进行刚度试验测试的轮胎的材料参数。处理位移-载荷曲线(考虑到数据样本较少,可同时包括作为轮胎试验曲线的位移-载荷曲线和作为仿真曲线的接触面的位移-载荷曲线),使用matlab编写数值拟合程序,数值拟合程序可以将数值点自动拟合为13阶多项式曲线,每条曲线选取12个点的数据作为构建神经网络数据库,并将数据集划分为训练集和测试集。
步骤八、神经网络的训练。
本发明选择的神经网络类型为BP神经网络,包含一个输入层,输入层节点数目为7个,一个隐含层,隐含层节点数目为10个,一个输出层,输出层节点为6个(参见表1),其结构示意图如图8所示。输入层的7个节点分别代表输入的变量,即为轮胎的内径、轮胎断面宽度、轮胎扁平率、轮胎在三种不同气压下径向位移-载荷曲线以及轮胎在450KPa下的侧向位移-载荷曲线。输入层到隐含层的传递函数为双曲正切函数,隐含层到输出层的传递函数为非线性(sigmoid)传递函数。
将步骤七得到的训练集,即轮胎型号、试验条件、位移-载荷曲线以及反演结果作为BP神经网络的训练参数,输入至BP神经网络中训练,得到轮胎材料参数反演BP神经网络模型。
步骤九、神经网络的验证。
将步骤七得到的测试集输入至BP神经网络中,将轮胎型号、试验条件、位移-载荷曲线作为BP神经网络的输入参数,BP神经网络运行后,得到网络输出值。如BP神经网络的输出值与相对应的轮胎材料参数的输入值的之间的误差≤0.5-1%时,即为完成神经网络的验证。
此外,本实施例提供的用于车轮性能仿真的轮胎材料参数的反演系统,用于实现前述的反演方法,相应地包括如下模块:轮胎刚度试验模块,其中,通过进行轮胎刚度试验,获取作为轮胎试验曲线的位移-载荷曲线;轮胎有限元建模模块,其中,通过绘制2D轮胎截面网格,绕轮胎中心轴旋转360°,形成3D网格的轮胎有限元模型;轮胎刚度试验有限元建模模块,其中,以保留试验台中的接触面作为刚性面并对该接触面施加载荷与位移的方式进行载荷试验仿真,建立轮胎刚度试验有限元模型;轮胎材料参数的反演模块,其中,建立轮胎材料参数的反演模型,优化所选的轮胎材料参数,进行轮胎刚度试验有限元模型的仿真得到作为仿真曲线的位移-载荷曲线,通过对比轮胎试验曲线和仿真曲线而反演轮胎材料参数,该系统的工作过程与上述用于车轮性能仿真的轮胎材料参数反演方法的工作过程相同,这里就不再赘述。由此,能实现轮胎材料参数反演与现实情况保持一致,提高仿真模型的输入精度和轮胎材料参数的反演速度,更准确地预测车轮性能,并可能以许多方式来实现本公开的方法和系统。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质,如移动磁盘、硬盘等,其上存储有计算机程序,计算机程序被处理器执行时,执行包括如图1所示方法的实施例中所执行的方法的步骤。还需要指出的是,在本公开的系统和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
在本申请的描述中,“若干”的含义是两个或两个以上,除非另有明确具体的限定。本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。尽管已经参考各种具体实施例描述了本发明,但是应当理解,可以在所描述的发明构思的精神和范围内做出变形。因此,意图是本发明不限于所描述的实施例,而是将具有由所附权利要求的语言所定义的全部范围。
Claims (9)
1.一种用于车轮性能仿真的轮胎材料参数的反演方法,其特征在于,包括如下步骤:
轮胎刚度试验步骤,其中,通过进行轮胎刚度试验,获取作为轮胎试验曲线的位移-载荷曲线;
轮胎有限元建模步骤,其中,通过绘制2D轮胎截面网格,绕轮胎中心轴旋转360°,形成3D网格的轮胎有限元模型;
轮胎刚度试验有限元建模步骤,其中,以保留试验台中的接触面作为刚性面并对该接触面施加载荷与位移的方式进行载荷试验仿真,建立轮胎刚度试验有限元模型;
轮胎材料参数的反演步骤,其中,建立轮胎材料参数的反演模型,优化所选的轮胎材料参数,进行轮胎刚度试验有限元模型的仿真得到作为仿真曲线的位移-载荷曲线,通过对比轮胎试验曲线和仿真曲线而反演轮胎材料参数,
其中,所述轮胎刚度试验包括轮胎的径向刚度试验和轮胎的侧向刚度试验,
所述轮胎材料参数的反演方法还包括如下步骤:
90度冲击试验步骤,其中,对车轮轮胎总成进行90度冲击试验,获得冲击过程中的轮胎变形历程;
90度冲击试验仿真步骤,其中,基于在轮胎材料参数的反演步骤所获得的轮胎材料参数建立轮胎模型,通过仿真获得车轮90度冲击试验过程中的仿真变形历程;
轮胎材料参数修正步骤,其中,将轮胎变形历程与仿真变形历程对比,根据对比结果对在轮胎材料参数的反演步骤所获得的轮胎材料参数进行修正。
2.根据权利要求1所述的轮胎材料参数的反演方法,其特征在于,在轮胎刚度试验步骤中,针对所选择的能够与车轮配装的多种规格的轮胎,分别进行径向刚度试验和侧向刚度试验,得出轮胎在不同胎压、不同载荷工况下的位移-载荷曲线,对该位移-载荷曲线进行预处理以提取对应的位移-载荷曲线数据。
3.根据权利要求1所述的轮胎材料参数的反演方法,其特征在于,在轮胎有限元建模步骤中,根据轮胎截面轮廓图中由钢丝圈、帘布层、带束层和橡胶层所划分的四个区域绘制2D轮胎截面网格;和/或,网格按照3-10mm为边长划分。
4.根据权利要求1所述的轮胎材料参数的反演方法,其特征在于,在轮胎刚度试验有限元建模步骤中,将车轮替换为刚性轮辋,试验台面对轮胎的约束设为轮胎胎面与试验台面的刚性接触,在车轮中心建立固定约束,以建立轮胎的径向刚度试验有限元模型和侧向刚度试验有限元模型。
5.根据权利要求1所述的轮胎材料参数的反演方法,其特征在于,在轮胎材料参数的反演步骤中,对比轮胎试验曲线和仿真曲线是对比在相同位移时所对应的试验和仿真载荷之间的方差。
6.根据权利要求1所述的轮胎材料参数的反演方法,其特征在于,基于各款轮胎的轮胎刚度试验数据、通过轮胎材料参数的反演步骤以及轮胎材料参数修正步骤所得的轮胎材料参数,构建轮胎数据库。
7.根据权利要求6所述的轮胎材料参数的反演方法,其特征在于,通过使计算机执行程序构成神经网络,所述神经网络为BP神经网络,包含一个输入层,输入层节点数目为7个,一个隐含层,隐含层节点数目为10个,一个输出层,输出层节点为6个,输入层的7个节点分别代表输入的变量,即为轮胎的内径、轮胎断面宽度、轮胎扁平率、轮胎在三种不同气压下径向位移-载荷曲线以及轮胎在450KPa下的侧向位移-载荷曲线,输入层到隐含层的传递函数为双曲正切函数,隐含层到输出层的传递函数为非线性sigmoid传递函数。
8.根据权利要求7所述的轮胎材料参数的反演方法,其特征在于,基于作为轮胎试验曲线的位移-载荷曲线和/或作为仿真曲线的位移-载荷曲线,拟合多项式曲线并从中选取多个点的数据构建神经网络数据库,并将数据集划分为训练集和测试集,将所述训练集中的轮胎型号、试验条件、位移-载荷曲线以及反演结果作为BP神经网络的训练参数,输入至BP神经网络中训练,得到轮胎材料参数反演BP神经网络模型,将所述测试集输入至BP神经网络中,将轮胎型号、试验条件、位移-载荷曲线作为BP神经网络的输入参数,当BP神经网络的输出值与相对应的轮胎材料参数的输入值的之间的误差≤0.5-1%时,即为完成神经网络的验证。
9.一种用于车轮性能仿真的轮胎材料参数的反演系统,用于实现权利要求1至8中任一项所述的轮胎材料参数的反演方法,其特征在于,包括如下模块:
轮胎刚度试验模块,其中,通过进行轮胎刚度试验,获取作为轮胎试验曲线的位移-载荷曲线;
轮胎有限元建模模块,其中,通过绘制2D轮胎截面网格,绕轮胎中心轴旋转360°,形成3D网格的轮胎有限元模型;
轮胎刚度试验有限元建模模块,其中,以保留试验台中的接触面作为刚性面并对该接触面施加载荷与位移的方式进行载荷试验仿真,建立轮胎刚度试验有限元模型;
轮胎材料参数的反演模块,其中,建立轮胎材料参数的反演模型,优化所选的轮胎材料参数,进行轮胎刚度试验有限元模型的仿真得到作为仿真曲线的位移-载荷曲线,通过对比轮胎试验曲线和仿真曲线而反演轮胎材料参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768624.7A CN116522510B (zh) | 2023-06-28 | 2023-06-28 | 一种用于车轮性能仿真的轮胎材料参数的反演方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768624.7A CN116522510B (zh) | 2023-06-28 | 2023-06-28 | 一种用于车轮性能仿真的轮胎材料参数的反演方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116522510A CN116522510A (zh) | 2023-08-01 |
CN116522510B true CN116522510B (zh) | 2023-09-01 |
Family
ID=87401462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310768624.7A Active CN116522510B (zh) | 2023-06-28 | 2023-06-28 | 一种用于车轮性能仿真的轮胎材料参数的反演方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116522510B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512424A (zh) * | 2015-12-22 | 2016-04-20 | 湖南大学 | 基于脉冲试验获取工程机械轮胎垂向特性参数的方法 |
CN113239599A (zh) * | 2021-06-15 | 2021-08-10 | 江苏理工学院 | 基于bp神经网络的智能轮胎磨损寿命预估方法及装置 |
CN114117840A (zh) * | 2021-10-28 | 2022-03-01 | 中国运载火箭技术研究院 | 一种基于仿真和试验数据混合驱动的结构性能预测方法 |
CN114297894A (zh) * | 2021-12-27 | 2022-04-08 | 江苏理工学院 | 轮胎侧偏角在线估算方法、装置、终端及可读存储介质 |
CN115219247A (zh) * | 2022-06-29 | 2022-10-21 | 中国第一汽车股份有限公司 | 轮胎侧偏刚度的测试及辨识方法 |
CN115356104A (zh) * | 2022-07-11 | 2022-11-18 | 湖北文理学院 | 轮毂轴承刚度的参数化评估预测方法 |
CN115510553A (zh) * | 2022-08-09 | 2022-12-23 | 岚图汽车科技有限公司 | 一种预测小偏置碰撞中轮胎失效的建模方法及装置 |
CN115730483A (zh) * | 2022-11-16 | 2023-03-03 | 中国人民解放军火箭军工程大学 | 基于胎内应变分析的轮胎垂向力与侧偏力联合估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7363805B2 (en) * | 2005-09-30 | 2008-04-29 | Ford Motor Company | System for virtual prediction of road loads |
-
2023
- 2023-06-28 CN CN202310768624.7A patent/CN116522510B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512424A (zh) * | 2015-12-22 | 2016-04-20 | 湖南大学 | 基于脉冲试验获取工程机械轮胎垂向特性参数的方法 |
CN113239599A (zh) * | 2021-06-15 | 2021-08-10 | 江苏理工学院 | 基于bp神经网络的智能轮胎磨损寿命预估方法及装置 |
CN114117840A (zh) * | 2021-10-28 | 2022-03-01 | 中国运载火箭技术研究院 | 一种基于仿真和试验数据混合驱动的结构性能预测方法 |
CN114297894A (zh) * | 2021-12-27 | 2022-04-08 | 江苏理工学院 | 轮胎侧偏角在线估算方法、装置、终端及可读存储介质 |
CN115219247A (zh) * | 2022-06-29 | 2022-10-21 | 中国第一汽车股份有限公司 | 轮胎侧偏刚度的测试及辨识方法 |
CN115356104A (zh) * | 2022-07-11 | 2022-11-18 | 湖北文理学院 | 轮毂轴承刚度的参数化评估预测方法 |
CN115510553A (zh) * | 2022-08-09 | 2022-12-23 | 岚图汽车科技有限公司 | 一种预测小偏置碰撞中轮胎失效的建模方法及装置 |
CN115730483A (zh) * | 2022-11-16 | 2023-03-03 | 中国人民解放军火箭军工程大学 | 基于胎内应变分析的轮胎垂向力与侧偏力联合估计方法 |
Non-Patent Citations (1)
Title |
---|
融合一维卷积神经网络和双向门控循环单元的APM车辆轮胎径向载荷识别方法;曾俊玮等;中国机械工程;第34卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116522510A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102855359B (zh) | 一种汽车车轮变厚度轮辋的优化设计方法 | |
CN105718607B (zh) | 一种基于k&c特性的悬架硬点优化方法 | |
JP4931430B2 (ja) | タイヤの温度分布予測方法とタイヤの温度分布予測計算プログラム | |
CN111597631B (zh) | 基于自适应代理模型的汽车风阻系数优化方法 | |
CN116090111B (zh) | 一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法 | |
CN111737816A (zh) | 一种非充气防爆车轮的轻量化设计方法 | |
CN114330042A (zh) | 基于sn曲线的程序载荷谱编制方法、系统和存储介质 | |
CN113239599A (zh) | 基于bp神经网络的智能轮胎磨损寿命预估方法及装置 | |
CN112084585A (zh) | 一种造型钢轮轻量化设计方法及装置 | |
CN111832839A (zh) | 基于充分增量学习的能耗预测方法 | |
CN116522510B (zh) | 一种用于车轮性能仿真的轮胎材料参数的反演方法及系统 | |
CN110852000A (zh) | 一种车身结构优化方法 | |
JP4318971B2 (ja) | タイヤ性能のシミュレーション方法及びタイヤ設計方法 | |
CN114297890A (zh) | 一种基于橡胶材料等效密度计算的轮胎模态仿真方法、设备和程序 | |
CN115017762A (zh) | 一种基于Bezier曲线的非充气轮胎的优化设计方法 | |
CN111709160B (zh) | 一种基于卡车底盘的行驶动态性能分析优化方法及系统 | |
CN114741911A (zh) | 一种有限元轮胎模型建模方法、终端及存储介质 | |
CN110955999A (zh) | 轮胎三维温度场仿真方法 | |
CN116842663B (zh) | 一种基于机器学习的汽车板簧非线性时变应力值测量方法 | |
Peng | Multi-objective optimization of vibration characteristics of steering systems based on GA-BP neural networks | |
Gurumoorthy et al. | Automotive Wheel Metamodeling Using Response Surface Methodology (RSM) Technique | |
JP2011213176A (ja) | タイヤ性能予測方法及びタイヤ性能予測装置 | |
CN116384258B (zh) | 一种轮毂-轮胎一体化车轮冲击动力学仿真方法 | |
CN116502507B (zh) | 载重子午线轮胎冠中脱层损伤性能的仿真评价方法 | |
Zhang et al. | Integrated shape-morphing and surrogate model-assisted multi-objective structural optimization of an automobile wheel made of lightweight materials to improve its impact resistance |
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 |