商用車駕駛室懸置系統優化

謝 柯,曾發林,李建康,王在波

(江蘇大學 汽車與交通工程學院，江蘇 鎮江 212013)

?

商用車駕駛室懸置系統優化

謝 柯,曾發林,李建康,王在波

(江蘇大學 汽車與交通工程學院，江蘇 鎮江 212013)

在多體動力學軟件ADAMS中建立商用車駕駛室懸置系統虛擬樣機模型，選取駕駛室懸置剛度和阻尼參數以及位置參數為設計變量，以駕駛室綜合加權加速度均方根值、俯仰加速度均方根值、側傾加速度均方根值和后懸置減振器夾角為優化目標，駕駛室前后懸置動撓度為約束條件，利用軟件ISIGHT搭建優化平臺，采用MIGA算法對行駛平順性進行多目標優化，得到駕駛室懸置結構參數最優解集。在此基礎上，優化分析后懸置水平與垂向減振器夾角對駕駛室隔振的影響，再通過權重系數與比例系數對各優化目標進行權衡，以此提高商用車的振動舒適性。

MIGA算法；駕駛室懸置；優化匹配； 平順性

隨著目前對商用車品質的要求越來越高，商用車的平順性問題越發受到關注。虛擬樣機技術的發展對汽車性能的研究和開發起到了越來越重要的作用[1-2]。駕駛室的懸置系統是影響平順性的重要方面，而通過對駕駛室的懸置參數優化匹配可以達到提高商用車平順性和舒適性的目的[3-4]。

在對商用車平順性的研究中，大多只考慮了駕駛室垂直方向的振動，對駕駛室的側傾和俯仰振動考慮較少。本文以駕駛室綜合加權加速度均方根值、俯仰加速度均方根值和側傾加速度均方根值為優化目標，研究駕駛室垂向、俯仰和側傾振動。ADAMS虛擬樣機技術軟件作為現階段較成熟的機械系統動力學仿真軟件正受到越來越多的汽車設計人員的關注。由于ADAMS提供的優化方法不能很好地進行有效概率意義的全局搜素，因此本文通過集成多學科優化軟件Isight，ADAMS和Matlab，采取多島遺傳算法對駕駛室懸置系統進行多目標優化匹配，以此提高商用車舒適性，其結果具有一定的工程應用參考價值。

1 整車模型與路面的建立和驗證

1.1 整車模型與路面的的建立

根據某款商用車拓撲關系及企業提供的主要參數，在ADAMS/Car中將半掛牽引車劃分為駕駛室系統、動力總成、前懸架系統、后懸架系統、貨箱、轉向系統、制動系統和輪胎等子系統。依次對每個子系統進行建模，通過通訊器將各子系統進行裝配，最后得到的半掛牽引車虛擬樣機模型，如圖1所示。根據《機械振動-道路路面譜測量數據報告》(GB7031—2005)[5]，推薦路面功率譜密度為

(1)

式中：n為空間頻率(m-1)；n0=0.1 m-1為參考空間頻率；Gd(n0)為參考空間頻率n0下的路面功率譜密度，即路面不平度系數；w為頻率指數，決定了路面功率譜密度的頻率結構[5]。表1為A～E路面不平度系數，分級路面譜的頻率指數w=2。根據表1在ADAMS中建立對應路面等級的隨機路面。

表1 道路等級和不平度系數

圖1 商用車整車模型

1.2 整車模型驗證

按照《汽車平順性試驗方法》(GB/T4970—2009)[6]，樣車在滿載情況下分別以40,50,60,70,80 km/h的車速在性能路面勻速行駛一段距離，并采集座椅椅墊上方、座椅靠背、腳背地板上的3個方向的振動，按照隨機輸入行駛評價指標計算得到綜合加權加速度均方根值。在ADAMS/Car中，對應地采集滿載整車模型在B級路面上分別在40,50,60,70,80 km/h速度下行駛的振動數據，計算得到仿真綜合加權加速度均方根值。繪出試驗與仿真綜合總加權加速度均方根值隨車速變化曲線，如圖2所示。

圖2 商用車綜合總加權加速度均方根值隨車速變化曲線

由圖2可見：綜合加權加速度均方根值也隨著車速增加而增加，仿真與試驗最大誤差不超過10.4%，產生誤差的主要原因在于建模過程中對大部分的非線性的橡膠襯套進行了線性處理，但誤差在可控范圍內，可以判斷模型基本正確。

2 商用車駕駛室懸置系統

2.1 商用車駕駛室懸置振動系統

考慮整車模型與優化算法耦合時優化仿真迭代時間長、效率低的特點，本文在整車模型的基礎上單獨調出駕駛室懸置系統模型進行優化匹配。此商用車的駕駛室采用全浮式駕駛室，在懸置4點處采集加速度信號作為激勵信號。

駕駛室振動問題比較復雜，需要根據具體的研究問題簡化振動系統，使之能夠反映駕駛室振動特性。首先建立駕駛室懸置系統。視駕駛室主要部件為剛體。實車中存在大量的連接襯套，這些襯套都是非線性材料的橡膠襯套，在建模時需要對橡膠襯套進行線性處理[7]。建模需要考慮到襯套主要方向和轉動的影響，駕駛室懸置振動系統簡化成約束多剛體系統，建立的振動系統模型如圖3所示。圖3中：{xii(t)}i=1,2,3,4}分別為半掛牽引車駕駛室4點懸置處的激勵輸入；M1分別為駕駛室的質心位置；z為駕駛室的垂向位移；ψ為駕駛室俯仰角；θ為駕駛室側傾角。

圖3 駕駛室懸置振動系統模型

根據隨機振動理論[8]，假設駕駛室懸置系統在4點處的激勵相互獨立，其相應的激勵和功率譜分別為x11,x22，x33和x44,那么在僅考慮駕駛室垂直方向加速度時其輸出功率譜可表示為

(2)

式中：Szz(f)為駕駛室的輸入功率譜密度矩陣，且為對角矩陣，表示為

H(f)為系統的傳遞函數矩陣，可表示為

相應的駕駛室垂直方向的均方根值可由下式得出：

根據得到垂向振動，分析出參數對振動響應的影響，繼而優化駕駛室懸置振動系統。

2.2 建立駕駛室多體動力學模型

通過駕駛室懸置振動系統的分析，需要在ADAMS中建立駕駛室的動力學模型。在ADAMS中對駕駛室懸置系統進行參數化建模，模型包括駕駛室前懸置、后懸置、座椅、駕駛員等。部件之間通過線性襯套連接。后懸置結構如圖4所示，橫向垂向減振器之間的夾角即為后懸置之間的夾角β。

圖4 駕駛室后懸置結構

在駕駛室模型4點懸置處給出來自整車仿真的激勵信號。建好的全浮式駕駛室懸置系統多剛體動力學模型，如圖5所示。

3 駕駛室懸置系統多目標優化

3.1 多島遺傳算法(MIGA)

遺傳算法(genetic algorithm)是一類基于生物界的適者生存的進化規律演化而來的隨機化搜索方法[9-13]。選擇算子、交叉算子、變異算子是遺傳算法的主要3個進化算子。在遺傳算法在應用過程中容易產生早熟現象，將嚴重地影響遺傳算法的應用效果。

圖5 駕駛室懸置系統多剛體動力學模型

本文采用島嶼模型進行子群體之間信息的偽并行算法(即多島遺傳算法)[14]。它有別于傳統遺傳算法，把種群分為若干個子種群，這些子種群被稱為“島嶼”。在每個“島嶼”上按照傳統遺傳算法進行獨立的選擇、交叉、變異。定期在各個島嶼上隨機選擇一些個體“遷移”到別的“島嶼”上，通過遷移周期和遷移率這2個參數來控制整個遷移過程。通過多島遺傳算法的“島嶼”與“遷移”策略的控制，可加強全局搜索能力，避免局部最優。多島遺傳算法示意圖如圖6所示。

圖6 多島遺傳算法示意圖

3.2 多集成系統優化

本文基于Isight平臺，集成軟件ADAMS、Matlab及多島遺傳算法，通過優化計算在三者之間進行數據交互，得到最優解集。集成軟件之間的數據流圖如圖7所示。

圖7 軟件集成數據流圖

3.3 優化數學模型的建立

由于影響駕駛室隔振因素很多，本文取主要影響因子作為試驗因子。在此選擇駕駛室前懸置系統的剛度與阻尼、駕駛室后懸置系統的垂向橫向減震器剛度與阻尼，以及橫向垂向減震器上點位置坐標共8個設計變量。駕駛室懸置系統的約束條件為前后懸置的動擾度。參照企業試驗車輛駕駛室懸置系統技術指標，將動撓度設為小于 50 mm 。

采用駕駛室綜合加權加速度均方根值以及座椅俯仰角和座椅側傾角的角加速度均方根值作為整車行駛平順性優化目標，并考慮后懸置橫向和垂向減振器之間夾角對駕駛室隔振的影響。其中夾角大小通過后懸置減振器的位置坐標來控制。對駕駛室懸置系統進行優化的數學模型可描述為：

式中:az為車速在70 km/h時駕駛室加權加速度加速度均方根值；θ為車速在70 km/h時座椅支撐面俯仰角加速度均方根值；ψ為車速在70 km/h時座椅支撐面側傾角加速度均方根值；dqr,ql,dhxr,hxl為駕駛室前后懸置動撓度；kqxr,qxl,khxr,hxl為駕駛室前后懸置剛度；cqx,hx為駕駛室前后懸置阻尼；β為駕駛室后懸置夾角；Y1,Y2為駕駛室后懸置上點位置坐標。

3.3.1 模型參數設計

通過駕駛室懸置系統數學模型確定設計變量時，應根據企業生產能力、保證模型達到靜平衡以及懸置設計的基本原則確定設計變量的比例范圍，如表2所示。

多島遺傳算法通過控制遷移率和遷移周期兩個變量保證種群的多樣性，以此提高全局收斂性。遷移率是指島上種群有多大的概率進行遷移。遷移周期是指被選中的個體需要多久將遷往到其他島嶼。遷移率和遷移周期分別設定為0.01和5。

表2 設計變量

3.3.2 目標比例因子的選取

在對駕駛室懸置系統進行多目標優化時，需要考慮目標比例因子的選取。在ISIGHT下進行多目標優化時會將所有目標取其加權和作為ISIGHT總的目標函數Objective：

Objective=Sum(WF*Xi/SF)

(3)

式中：WF為權重因子；SF為比例因子；Xi為目標值。

當多目標在不同數量級時，會導致其中某一目標起的作用很小，甚至可以忽略。要想使用ISGHT恰當地求解多目標優化問題，就必須定義合適的權重與比例因子。目標值比例因子設置如表2所示。

表2 目標值比例因子

3.3.3 后懸置減振器夾角對駕駛室隔振的優化分析

通過改變駕駛室后懸置水平和垂向減震器上點的橫坐標與縱坐標的位置改變水平和垂向夾角。優化得到最優解集如圖8所示。

圖8 后懸置減振器夾角最優解集

從圖8可以明顯看出：隨著后懸置之間的夾角越來越大，綜合總加權加速度均方根值的分布也越來越集中，并且越來越小，可近似認為后懸置水平和垂向之間的夾角和駕駛室加權加速度均方根值成反比的關系。當后懸置減振器夾角達到70°～ 80°時，綜合總加權加速度基本趨于最小值，并趨于收斂。

3.3.4 分析多目標之間關系與影響

優化模型采取多目標優化，優化目標為駕駛室加權加速度均方根值、駕駛室側傾加速度均方根值、駕駛室俯仰加速度均方根值。優化后3目標值之間的關系如圖9所示。

圖9 多目標優化后目標值之間的關系

如圖9所示，駕駛室的綜合總加權均方根值和座椅處俯仰加速度均方根值分布均勻，兩者基本呈正比關系。如圖10所示，隨著綜合總加權均方根值的增加，座椅處俯仰加速度均方根值也在增加；隨著側傾加速度均方根值的不斷減小，駕駛室的綜合總加權均方根值大致呈現下降的趨勢，可以基本認為兩者成一個反比關系。由此可以得出3標值之間不能同時滿足最小的可能性，即三者之間的矛盾性，繼而考慮多工況下的多目標優化。

3.3.5 考慮多工況下的多目標的優化

進行多目標優化時，一個目標優化必然要以犧牲其他目標的優化作為代價，繼而考慮到一些工程應用，根據實際情況，采用權重考慮優化方案。本文采取4種優化方案：第1，2組解分別傾向于優化側傾和俯仰的振動特性；第3組解傾向于優化駕駛室的加權加速度均方根值；第4組解則是綜合考慮前三者的優化。優化結果如表3所示。

圖10 綜合加權加速度均方根值隨駕駛室側傾均方根值變化關系

KqxKhxcxKhxspCqxChxcxChxspβ(°)ψ/(rad·s-2)θ/(rad·s-2)αz/(rad·s-2)W1．0001．0001．0001．0001．0001．00060．000．1990．1880．998W10．9210．8070．8800．7790．6681．18571．650．1460．1520．922W20．8100．8760．8670．6780．6670．74576．130．1530．1420．879W30．8070．8071．0680．7350．6691．31077．040．1460．1470．884W40．8190．8451．0200．6750．6671．26478．450．1480．1430．878

從表3可以明顯看出，各目標值都有不同程度的下降：俯仰特性幅值最大降低24.5%,平均下降22.3%；側傾特性幅值最大降低26.6%，平均下降25.5%；綜合加權加速度均方根值最大降低12.0%，平均下降10.7%；后懸置減振器之間的夾角也有不同程度的變化，最大增加30%，平均增加了26.3%。由此可見，駕駛室懸置系統性能得到了提高。

4 結論

1) 以某國產商用車為研究對象，建立了帶有全浮式駕駛室的整車虛擬樣機分析模型，并通過整車平順性試驗驗證了模型的正確性。單獨建立駕駛室懸置振動系統，根據振動系統建立駕駛室懸置多體動力學模型。

2) 在多學科優化軟件平臺下集成多島遺傳算法和ADAMS、Matlab軟件，對商用車駕駛室懸置系統進行了多目標平順性優化研究，同時分析了俯仰特性、側傾特性以及綜合總加權均方根值之間的矛盾性,研究了后懸置減振器之間夾角對駕駛室振動的影響。

3) 考慮到多目標之間的矛盾性，根據權重系數與比例系數對駕駛室懸置系統進行決策優化分析。結果表明：俯仰特性幅值平均下降22.3%；側傾特性幅值平均下降25.5%；綜合加權加速度均方根值平均下降10.7%。駕駛室懸置系統的性能得到了很好的提高，提高了商用車的舒適性，具有一定的工程應用參考價值。

[1] 祖旭,黃洪鐘,張旭.虛擬樣機技術及其發展[J].農業機械學報,2004,35(2):168-171.

[2] 杜平安,于德江,岳萍.虛擬樣機技術的技術與方法體系研究[J].系統仿真學報,2008,19(15):3447-3451.

[3] 李鵬飛，馬力，何天明，等.商用車駕駛室懸置隔振仿真研究[J].汽車工程，2005,27(6):740-743.

[4] 王楷焱.商用車駕駛室懸置系統動力學仿真、優化與試驗研究[D].長春：吉林大學，2008.

[5] GB/T7031—2005,機械振動道路路面譜測量數據報告[S].

[6] GB /T4970—2009，汽車平順性試驗方法[S].

[7] 張志偉.商用車駕駛室懸置系統動力學仿真分析與試驗研究[D].長春:吉林大學，2007.

[8] 余志生.汽車理論[M].北京:機械工業出版社，2006.

[9] 吉根林.遺傳算法研究綜述[J].計算機應用與軟件,2004，21(2):69-73.

[10]祁虔，羅婷，劉楓，等.基于遺傳算法的倒立擺系統模糊九點控制器參數優化[J].西南大學學報:自然科學版,2014(11):191-200.

[11]于建平，杜綱.一類雙層規劃問題的遺傳算法求解[J].重慶理工大學學報:自然科學版，2014(4)：93-98.

[12]曾瑛，蔣康明，楊嬌，等.基于量子遺傳算法的電力通信網路由選擇策略[J].太原理工大學學報,2013(4):501-505.

[13]孫穎，李秋鋒， 黃麗霞，等.模擬退火遺傳算法在混凝土層析成像中的應用[J].壓電與聲光,2013(4):487-490,495.

[14]石秀華,孟祥眾,杜向黨,等.基于多島遺傳算法的振動控制傳感器優化配置[J].振動、測試與診斷,2008,28(1) :62-65.

(責任編輯 劉 舸)

Research for Commercial Vehicle Cab Suspension System Optimization

XIE Ke, ZENG Fa-lin, LI Jian-kang, WANG Zai-bo

(School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China)

The virtual prototype model of commercial vehicle cab suspension system in multi-body dynamics software Adams was built, and the cab suspension stiffness and damping parameters and positional parameters were select as design variables, and the weighted RMS of acceleration and pitch acceleration root mean square value and the roll acceleration root mean square value and the angle between suspension shock absorber were built as the optimization goals, taking the cab suspension dynamic deflection as constraint conditions, and the software ISIGHT optimization platform was built, through which optimal solution set of cab suspension structure parameters was obtained. On this basis, the optimization analysis of the angel between after horizontal shock absorber and vertical shock absorber influence on vibration isolation was carried, and the optimization goal of weight coefficient and proportionality coefficient were weighted, through which to improve the ride comfort of the commercial vehicle.

MIGA; cab suspension; optimization; ride

2014-11-26 作者簡介：謝柯(1990—)，男，江蘇人，碩士研究生，主要從事車輛振動與噪聲研究。

謝柯,曾發林,李建康,等.商用車駕駛室懸置系統優化[J].重慶理工大學學報：自然科學版，2015(3):15-20.

format：XIE Ke, ZENG Fa-lin, LI Jian-kang, et al.Research for Commercial Vehicle Cab Suspension System Optimization [J].Journal of Chongqing University of Technology:Natural Science,2015(3):15-20.

10.3969/j.issn.1674-8425(z).2015.03.004

U461.4

A

1674-8425(2015)03-0015-06