一种机械弹性车轮结构参数优化设计方法技术

本发明专利技术公开了一种机械弹性车轮结构参数优化设计方法，包括以下步骤：S1、建立机械弹性车轮有限元模型；S2、建立训练样本的采集仿真工况；S3、利用均匀设计方法选择合适的训练样本；S4、建立自适应神经网络算法；S5、网络模型训练与结果分析。本发明专利技术方法简单、容易实现、具有良好的应用前景。

An optimization design method for structural parameters of mechanical elastic wheels

The invention discloses an optimum design method for structural parameters of mechanical elastic wheels, which comprises the following steps: S1, establishing the finite element model of mechanical elastic wheels; S2, establishing the acquisition and simulation conditions of training samples; S3, using uniform design method to select suitable training samples; S4, establishing adaptive neural network algorithm; S5, network. Network model training and result analysis. The method is simple, easy to implement and has good application prospects.

【技术实现步骤摘要】
一种机械弹性车轮结构参数优化设计方法
本专利技术属于车轮优化设计
，具体涉及一种机械弹性车轮结构参数优化设计方法。
技术介绍
机械弹性车轮的结构特点及其承载方式决定了当采用不同的輮轮结构参数，弹性化结构参数和铰链组结构参数组合时，其力学特性也将随之改变。輮轮断面宽度、高度，弹性环断面宽度、高度，铰链组长度、宽度及数目对车轮力学特性有重要影响，目前，机械弹性车轮设计过程中的结构参数，仅仅基于简单的理论计算再加上样机的试验调校，存在精度低，性能差等缺点。对机械弹性车轮的结构参数优化设计将有利于更好地满足整车对车轮性能的匹配要求以及后续的车轮结构优化。神经网络是非线性科学以及计算智能科学研究的主流，擅长通过大量复杂的数据进行分类并发现其规律，可逼近任一非线性函数，具有自组织、自适应、联想记忆、高度容错和并行处理能力等优点。通过建立输入层节点中包含輮轮断面高宽比，弹性环断面高宽比，铰链长度、宽度及数目的机械弹性车轮神经网络模型来实现对具有不同结构参数的机械弹性车轮力学特性的分析。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，提高车轮设计研发效率、精度，避免了研发的盲目性，指导轮胎供应厂商的车轮匹配整车性能设计工作，本专利技术提供一种机械弹性车轮结构参数优化设计方法。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种机械弹性车轮结构参数优化设计方法，包括以下步骤：S1、建立机械弹性车轮有限元模型；机械弹性车轮结构简化为包括輮轮、铰链组和悬毂；S2、建立训练样本的采集仿真工况；仿真结构参数包括輮轮结构参数、弹性环断面参数和铰链组参数；S3、利用均匀设计方法获取训练样本；S4、建立自适应神经网络算法；S5、网络模型训练与结果验证分析。进一步的，步骤S2具体包括：S21、进行不同輮轮断面宽度的有限元仿真；S22、进行不同輮轮断面高度的有限元仿真；S23、进行不同橡胶材料属性的有限元仿真，包括胎面材料的剪切弹性模量；S24、进行不同弹性环宽度的有限元仿真；S25、进行不同弹性环高度的有限元仿真；S26、进行不同铰链组长度的有限元仿真；S27、进行不同铰链组宽度的有限元仿真；S28、进行不同铰链组数目的有限元仿真；S29、得到若干组不同结构参数组合工况下的车轮力学特性指标参数。进一步的，步骤S4具体包括：S41、建立误差反向传播神经网络模型；S42、建立附加动量项法，使网络在对权值进行修正时，既能考虑误差在梯度上的作用，又能考虑其在误差曲面上变化趋势的影响；S43、建立自适应机制，使网络学习速率根据误差变化而自适应调整。进一步的，所述误差反向传播神经网络模型为：输出神经元的实际输出为：输出层的误差函数为：其中，xi(i＝1,2,...,m)为输入层节点，yj(j＝1,2,...,p)为隐含层节点输出，hk(k＝1,2,...,n)为节点的期望输出，Rk(k＝1,2,...,n)为实际输出；为使误差不断减小，沿着权值的负梯度方向进行调整，修正如下：其中，η为学习速率，δk＝(hk-Rk)f′(netk)，经过调整后的网络连接权值为：其中，T为训练次数。进一步的，附加动量项的权值调整公式为：其中：为动量因子；n为训练次数；▽f(wij(n-1))为误差函数的梯度。进一步的，在训练过程中采用的学习速率自适应机制为：式中E(N)为第n步的误差。进一步的，步骤S3具体包括：S31、确定影响车轮力学特性的各因素水平；S32、对各因素水平进行编号；S33、根据影响因素个数以及因素水平数目，选用与之匹配的正交表；S33、确定用于神经网络训练的样本空间。进一步的，步骤S5具体包括：S51、进行网络训练；S52、网络模型验证；S53、进行结果分析，具体是利用网络模型的泛化能力对具有不同结构参数时车轮的力学特性进行分析，包括：不同輮轮断面高宽比的车轮力学特性，不同弹性环断面高宽比的车轮力学特性，不同橡胶层材料属性的车轮力学特性，包括胎面材料的剪切弹性模量，不同铰链组长度的车轮力学特性，不同铰链组宽度时车轮力学特性，不同铰链组数目的车轮力学特性；S54、车轮结构参数改进。有益效果：本专利技术提供的一种机械弹性车轮结构参数优化设计方法，与现有技术相比，具有以下优势：1、设计方法简单，便于实现和推广；2、构建车轮结构参数与轮胎力学特性的映射关系，指导车轮的生产、设计以及匹配工作。附图说明图1是本专利技术的车轮结构参数优化设计方法流程图；图2是车轮有限元力学特性分析流程图；图3是车轮有限元结构示意图；图中，1-輮轮，2-铰链组，3-悬毂；图4是輮轮断面结构示意图；图中，1-輮轮，4-橡胶层，5-弹性环；图5是铰链组结构示意图；图6是自适应神经网络算法示意图。具体实施方式本专利技术的设计方法包括以下步骤：S1、建立机械弹性车轮有限元模型；S2、建立训练样本的采集仿真工况；S3、利用均匀设计方法选择合适的训练样本；S4、建立自适应神经网络算法；S5、网络模型训练与结果分析。本专利技术方法简单、容易实现、具有良好的应用前景。下面结合附图和实施例对本专利技术作更进一步的说明。实施例如图1所示，本专利技术的一种机械弹性车轮结构参数优化设计方法，包括以下步骤：S1、建立机械弹性车轮有限元模型；具体包括以下子步骤：S11、有限元模型力学特性分析流程图如图2所示，在保证分析结果的可靠性前提下对其机械弹性车轮结构进行适当简化；S12、作为一个实施例，如图3所示，建立的机械弹性车轮有限元模型主要结构包括輮轮、铰链组、悬毂；S13、对建立的机械弹性安全车轮仿真模型进行试验验证。S2、建立训练样本的采集仿真工况；具体包括以下子步骤：作为一个实施例，如图4所示，所述輮轮结构参数主要包括輮轮断面宽度B、高度H，橡胶层材料属性，弹性环分布宽度b、高度h。S21、进行不同輮轮断面宽度的有限元仿真；.S22、进行不同輮轮断面高度的有限元仿真；S23、进行不同橡胶材料属性，如：胎面材料的剪切弹性模量的有限元仿真；S24、进行不同弹性环宽度的有限元仿真；S25、进行不同弹性环高度的有限元仿真；作为一个实施例，如图5所示，所述铰链组结构参数主要包括铰链组长度L、宽度、铰链组数目。S26、进行不同铰链组长度的有限元仿真；S27、进行不同铰链组宽度的有限元仿真；S28、进行不同铰链组数目的有限元仿真；进行有限元仿真计算的设计参数在给定区间取值，具体参考取值区间如表1所示。表1车轮结构参数取值范围参数取值范围輮轮断面宽度310～320mm輮轮断面高度70～90mm初始剪切模量1.04～1.82Mpa弹性环宽度20～30mm弹性环高度15～20mm铰链组长度120～150mm铰链组宽度45～55mm铰链组数目12～18S29、得到若干组不同车轮结构参数组合工况下的车轮力学特性指标参数。S3、利用均匀设计方法选择合适的训练样本。具体包括以下子步骤：S31、确定影响车轮力学特性的各因素水平；其中，相关的因素包括：輮轮断面高宽比H/B，弹性环断面高宽比为h/b，初始剪切模量，铰链组长度、宽度、数目等，因素水平分别设置4个水平；假定车轮有限元模型的輮轮半径、輮轮断面宽度B等基本结构尺寸为定值，通过改变輮轮断面高度H，获取不同的輮轮断面高宽比H/B；在弹性环断面面积不变的情况下，通过改变弹性环断面高度h和宽度本文档来自技高网...

【技术保护点】
1.一种机械弹性车轮结构参数优化设计方法，其特征在于：包括以下步骤：S1、建立机械弹性车轮有限元模型；机械弹性车轮结构简化为包括輮轮、铰链组和悬毂；S2、建立训练样本的采集仿真工况；仿真结构参数包括輮轮结构参数、弹性环断面参数和铰链组参数；S3、利用均匀设计方法获取训练样本；S4、建立自适应神经网络算法；S5、网络模型训练与结果验证分析。

【技术特征摘要】
1.一种机械弹性车轮结构参数优化设计方法，其特征在于：包括以下步骤：S1、建立机械弹性车轮有限元模型；机械弹性车轮结构简化为包括輮轮、铰链组和悬毂；S2、建立训练样本的采集仿真工况；仿真结构参数包括輮轮结构参数、弹性环断面参数和铰链组参数；S3、利用均匀设计方法获取训练样本；S4、建立自适应神经网络算法；S5、网络模型训练与结果验证分析。2.根据权利要求1所述的一种机械弹性车轮结构参数优化设计方法，其特征在于，步骤S2具体包括：S21、进行不同輮轮断面宽度的有限元仿真；S22、进行不同輮轮断面高度的有限元仿真；S23、进行不同橡胶材料属性的有限元仿真，包括胎面材料的剪切弹性模量；S24、进行不同弹性环宽度的有限元仿真；S25、进行不同弹性环高度的有限元仿真；S26、进行不同铰链组长度的有限元仿真；S27、进行不同铰链组宽度的有限元仿真；S28、进行不同铰链组数目的有限元仿真；S29、得到若干组不同结构参数组合工况下的车轮力学特性指标参数。3.根据权利要求1所述的一种机械弹性车轮结构参数优化设计方法，其特征在于，步骤S4具体包括：S41、建立误差反向传播神经网络模型；S42、建立附加动量项法，使网络在对权值进行修正时，既能考虑误差在梯度上的作用，又能考虑其在误差曲面上变化趋势的影响；S43、建立自适应机制，使网络学习速率根据误差变化而自适应调整。4.根据权利要求3所述的一种机械弹性车轮结构参数优化设计方法，其特征在于，所述误差反向传播神经网络模型为：输出神经元的实际输出为：输出层的误差函数为：其中，xi(i＝1,2,...,m)为输入...

【专利技术属性】
技术研发人员：赵又群，李海青，徐瀚，张桂玉，王秋伟，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32