基于数据相关条件下的汽车转向机构稳健设计优化方法技术

本发明专利技术公开了一种基于数据相关条件下的汽车转向机构稳健设计优化方法；其包括构建齿轮齿条式转向机构的误差量化模型，利用Copula函数对影响机构误差的相关不确定因素进行分析，构建基于数据相关条件下的汽车齿轮齿条式转向机构稳健设计优化模型。本发明专利技术通过容差模型刻画了数据相关条件下的汽车转向机构稳健设计模型并结合蒙特卡洛方法进行可行性检验，使得转向机构的稳健性得到评价，更能体现产品构件之间的相关关系对设计的影响，解决了转向机构构件之间存在相关关系时的稳健设计优化问题。

【技术实现步骤摘要】

本专利技术属于机械产品稳健优化设计
，尤其涉及一种基于数据相关条件下的汽车转向机构稳健设计优化方法。
技术介绍
汽车转向机构的好坏直接对汽车的操纵稳定性、安全性以及轮胎的使用寿命造成影响，汽车转向机构作为汽车的一个重要的组成部分，它是决定汽车主动安全性的关键因素之一。在设计转向机构时，如果设计的合理，能够使汽车在行驶转弯时，汽车的各个车轮相对于地面是作纯滚动，也就是没有滑动的运动，这样既可以减少轮胎的磨损，还能够保证汽车的动力不会因为轮胎磨损而过度消耗，那么如何正确的、合理的对汽车转向机构进行设计，就成为现今各汽车生产厂家的要求，也就成为了当今科研的重要的研究内容。尤其是在现今社会的道路状况有了很大的改善，车辆的行驶速度越来越高，而且现在家有轿车越来越多，造成驾驶者的非专业化，车流量也越来越密集，所以在考虑到驾驶者驾驶水平的不同，汽车的操纵稳定性设计也就显得尤为重要。然而，大多数的优化设计思路往往是考虑单一因素对整个转向机构的影响，从而忽略了机构与机构之间的内在相关性是否会对这个转向系统的性能产生影响。机械系统各组成单元及其失效模式之间具有复杂的相关性，如何精确刻画这种相关性是机械系统可靠性设计与分析中亟待解决的关键问题之一。近年来，一些学者在金融、保险和工程等领域，应用连接函数Copula探讨相关性，取得了较为满意的效果。一些学者应用Copula函数及有关理论解决机械系统可靠性中的相关性问题，尽管探讨只是初步的，还没有达到实用的程度，但却表明Copula理论在解决机械系统可靠性相关性问题方面前景十分广阔。在系统可靠性分析中通过Copula函数可以反映元部件之间的相互影响关系或影响程度。Copula理论的提出，不仅提供了一条在不考虑边缘分布的情况下分析多元分布相关结构的途径，还为求联合分布函数提供了一条便捷的通道。因此Copula技术的发展与研究对系统可靠性研究起到很重要的作用。作为统计分析的新工具,Copula能以简洁、灵活的函数形式实现多元随机变量的概率建模,可以实现由多种边际分布函数来推求联合分布函数,构造随机变量间的相关结构,刻画随机变量之间统计相关的非线性特征。稳健优化设计作为提高产品设计质量的有效方法。在工程设计领域特别是汽车设计领域越来越引起了人们的重视。稳健设计就是要使产品在一些参数值发生微小变动时仍能保证其质量性能指标稳定在允许范围内的一种工程方法，换一种说法，即设计的产品在经受各种因素干扰下质量仍保持稳定，或采用低成本的零部件组装出质量上乘、性能稳定和可靠的产品，则认为该产品的设计是稳健的。而优化设计是在约束可行域内寻找某种意义下最优方案的一种工程方法。对于有约束的优化设计问题，在优化设计过程中一般总是把最优点推向约束的边界上，但在实际中由于参数的变差而会使最优点变为不可行或质量性能指标(准则函数)超界成为废品，这就是说，一般的优化设计最优解是不稳健的。所以选择对汽车转向机构，通过Copula理论分析解决机械系统相关性问题，在数据相关条件下对汽车转向机构进行稳健设计。
技术实现思路
本专利技术的专利技术目的是：为了解决因忽视构件之间的相关性对整个转向机构的优化产生影响，造成使用寿命不长、维修费用增加以及现有设计方法无法满足现代汽车转向机构性能等问题，本专利技术提出了一种基于数据相关条件下的汽车转向机构稳健设计优化方法。本专利技术的技术方案是：一种基于数据相关条件下的汽车转向机构稳健设计优化方法，包括以下步骤：A、建立汽车转向机构误差模型；B、对数据进行相关性分析找出具有相关关系的变量；C、利用步骤A中建立的误差模型作为目标函数结合步骤B中测出的具有相关关系的变量构建容差模型稳健设计优化模型；D、运用蒙特卡洛法将步骤C中得到的结果进行约束可行率检测，判断该设计解的是否具有稳健性；若该设计解满足稳健性要求，则操作结束；若不满足，则返回步骤C。进一步地，所述步骤A根据阿克曼原理推导出误差的数学表达式：y(X,P)＝L*(cotα-cotβ)+K其中L为汽车轴距，K为主销间距，α为左转向轮转角，β为右转向轮转角。进一步地，所述步骤B利用FrankCopula函数对数据进行相关性检验，其分布函数和联合概率密度函数表示形式为：其中u、v为要检测的变量，θ为未知参数，运用极大似然估计法对θ进行求解，数学表达式为：其中F(·)为变量u、v的分布函数。进一步地，所述步骤C建立数据相关下的汽车转向机构的基于容差模型的稳健设计模型具体为，将转向机构转向最小误差作为目标函数，其约束中引入约束变差，数学模型为：minφ(X,P)＝E{y(X,P)本文档来自技高网...

【技术保护点】
一种基于数据相关条件下的汽车转向机构稳健设计优化方法，其特征在于，包括以下步骤：A、建立汽车转向机构误差模型；B、对数据进行相关性分析找出具有相关关系的变量；C、利用步骤A中建立的误差模型作为目标函数结合步骤B中测出的具有相关关系的变量构建容差模型稳健设计优化模型；D、运用蒙特卡洛法将步骤C中得到的结果进行约束可行率检测，判断该设计解的是否具有稳健性；若该设计解满足稳健性要求，则操作结束；若不满足，则返回步骤C。

【技术特征摘要】
1.一种基于数据相关条件下的汽车转向机构稳健设计优化方法，其特征在于，包括以下步骤：A、建立汽车转向机构误差模型；B、对数据进行相关性分析找出具有相关关系的变量；C、利用步骤A中建立的误差模型作为目标函数结合步骤B中测出的具有相关关系的变量构建容差模型稳健设计优化模型；D、运用蒙特卡洛法将步骤C中得到的结果进行约束可行率检测，判断该设计解的是否具有稳健性；若该设计解满足稳健性要求，则操作结束；若不满足，则返回步骤C。2.进一步地，如权利要求1所述的基于数据相关条件下的汽车转向机构稳健设计优化方法，所述步骤A根据阿克曼原理推导出误差的数学表达式：y(X,P)＝L*(cotα-cotβ)+K其中L为汽车轴距，K为主销间距，α为左转向轮转角，β为右转向轮转角。3.进一步地，如权利要求1所述的基于数据相关条件下的汽车转向机构稳健设计优化方法，所述步骤B利用FrankCopula函数对数据进行相关性检验，其分布函数和联合概率密度函数表示形式为：C(...

【专利技术属性】
技术研发人员：许焕卫，李沐峰，王鑫，胡聪，张遂川，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51