基于BP神經網絡的商用車傳動軸頻率預測

江書真，張博，舒玉華

基于BP神經網絡的商用車傳動軸頻率預測

江書真，張博，舒玉華

（長安大學汽車學院，陜西 西安 710064）

為避免建立或修改結構復雜的車輛模型，文章使用BP神經網絡的方法來對傳動軸進行頻率預測。以某商用車傳動軸為研究對象，在考慮等效質量、連接方式的原則上，建立了傳動軸有限元模型。根據結構靈敏度分析理論，選取對固有頻率影響較大的結構參數作為神經網絡的輸入，前兩階固有頻率作為輸出，并利用其進行預測。結果表明，BP神經網絡能夠較準確地預測出由不同結構參數組成的傳動軸的固有頻率。

傳動軸；靈敏度分析；BP神經網絡；頻率預測

引言

汽車傳動軸作為汽車上的關鍵零部件，起著將發動機發出的動力傳遞至前后橋的作用，能夠緩沖從行駛系傳來的振動以確保整車動力系統運轉順利。它的頻率可能影響整車的聲品質，合理地設計汽車傳動軸對解決汽車的振動和噪聲問題十分重要。本文在結合有限元分析的基礎上，使用結構參數作為BP神經網絡的輸入參數，由于傳動軸結構參數較為復雜，故需對其進行靈敏度分析，找出對其影響較大的結構參數。

本文運用BP神經網絡的方法來獲得模型固有頻率，以避免修改數量龐大、結構復雜的有限元模型。

1 傳動軸有限元自由模態分析

1.1 建立有限元模型

某商用車傳動軸由軸管叉、軸管、十字軸、花鍵轂等組成，其中軸管長度為788mm,厚度為1.8mm，直徑70mm，傳動軸材質為20鋼，其彈性模量為210GPa，泊松比為0.3，密度為7850Kg?-3。采用自由劃分網格方法，軸管單元尺寸為0.01mm，軸管叉為0.005mm，傳動軸各零件之間為面面接觸，接觸方式為綁定，solid（186）離散傳動軸。

圖1 傳動軸有限元模型

1.2 模態分析理論

要研究傳動軸的動態特性，開始要建立該系統的運動微分方程。一般的，多自由度的動力學的通用方程為：

式中，M-廣義質量矩陣；C-阻尼矩陣；-剛度矩陣；()-激振力向量，對于模態分析，()=0，C可忽略不計，多自由度的動力學方程為：

其對應的特征方程為：

式中，-固有頻率。求解上式可得到傳動軸的固有頻率和陣型。

1.3 自由模態結果分析

由振動理論可知，在結構振動過程中，起關鍵作用的是低階模態，高階模態對響應的貢獻量較小，且衰減快，因此考慮低階模態[1]。固有頻率、模態陣型是決定結構動態特性的重要參數。在對模態進行計算時，使軸處于自由狀態，由于自由狀態下前6階固有頻率對應剛體模態，剛體在受力后不發生變形，因此前6階固有頻率幾乎都為零。從第7階開始提取前2階固有頻率和振型[2]。某一尺寸參數的傳動軸前2階固有頻率和振型如表：

表1 前兩階固有頻率及陣型

圖3 第2階模態頻率及陣型

2 結構靈敏度分析

可靠性靈敏度定義為基本變量分布參數的變化引起失效概率變化的比率，反映了基本變量對失效概率的影響程度[3]。數學意義就是結構響應對設計變量的偏導數的求解過程，結構性能參數的設計變量u對設計變量x的靈敏度可定義為：

分析結構各個參數對輸出變量的貢獻度大小，作為神經網絡訓練輸入參數，各個結構參數的組合構成測試樣本。本文基于ANSYS響應面法中DOE正交設計模塊得出各個結構參數對傳動軸頻率貢獻度大小。

表2 各結構尺寸及范圍

本文中對模態固有頻率貢獻度較大的有軸管外徑、軸管厚度、軸管長度、質心處質量，故將之設為神經網絡輸入參數，期許得到的第1階固有頻率、第2階固有頻率作為神經網絡輸出。

3 BP神經網絡預測

本文采用MATLAB中的反向傳播（back propagation，BP）神經網絡，對模型樣本點進行擬合。為防止在BP神經網絡訓練中可能出現訓練過度的現象，需要對輸入參數和輸出參數做歸一化處理，本文采用的是Mapminmax函數。經過多次測試驗證，搭建了一個由4個節點的輸入層、2個節點的輸出層的單層BP神經網絡，均采用sigmoid函數，模型訓練次數為3000次，目標最小誤差為0.0001，學習速率為0.03，為了驗證BP神經網絡預測的可靠性，隨機選擇2個測試集，得出前2階固有頻率。

可將此與Ansys Workbench中有限元分析得到的前2階模態頻率進行比較，如下表。

表3 仿真與BP神經網絡預測對比

4 結論

本文通過結合ANSYS Workbench與BP神經網絡對乘用車固有頻率進行對比，得出在模型較精確的前提下，BP神經網絡能夠較好地預測出被測物體的模態頻率，控制誤差在1%范圍內。該方法識別精度高、收斂速度快，且不需要建立或修改復雜的有限元模型，就能夠預測出被測物體固有頻率，節省人力、物力，因此可應用于汽車領域。

[1] 尹長城,馬迅,陳哲.基于ANSYS Workbench傳動軸的模態分析[J].湖北汽車工業學報,2013,27(01):15-17+22.

[2] 糜健,肖才遠,石瑞望,李智,劉洋.基于ANSYS的汽車傳動軸的模態分析與結構改進[J].內燃機與配件,2018(02):47-49.

[3] 呂震宇,宋述芳等.結構機構可靠性及可靠性靈敏度分析[M].北京:科學出版社,2017.

Prediction Of Transmission Shaft Frequency Of Commercial Vehicle Based On BP Neural Network

Jiang Shuzhen, Zhang Bo, Shu Yuhua

( Chang’an University, School of Automobile, Shaanxi Xi’an 710064 )

In order to avoid building or modifying the vehicle model with complicated structure, this paper uses BP neural network method to predict the transmission shaft frequency. Taking the transmission shaft of a commercial vehicle as the research object and considering the principle of equivalent mass and connection mode, the finite element model of the transmission shaft is established. According to the structural sensitivity analysis theory, structural parameters which have a great influence on the natural frequency are selected as the input of the neural network, and the first two natural frequencies are used as the output. The results show that BP neural network can accurately predict the natural frequency of the shaft composed of different structural parameters.

Transmission shaft; Sensitivity analysis; BP neural network; Frequency prediction

U463.216+.2

A

1671-7988(2019)24-70-03

U463.216+.2

A

1671-7988(2019)24-70-03

10.16638/j.cnki.1671-7988.2019.24.023

江書真（1995-）男，研究生，就讀于長安大學車輛工程專業，研究方向為汽車NVH。