一种悬架的优化方法及系统技术方案

本发明专利技术涉及一种悬架的优化方法及系统，包括：建立悬架运动学模型，选取多个硬点坐标作为设计变量，并根据设计变量设计多维设计空间，且设计约束目标和优化目标；通过拉丁超立方设计方法在多维设计空间中随机获取多个采样点；将多个采样点分别进行双侧车轮同向跳动试验，获取多个采样点对应的多个响应值；根据多个采样点以及对应的多个响应值，建立稀疏响应面模型；根据约束目标，基于稀疏响应面，在多维设计空间中，通过序列二次规划方法寻找满足约束条件的最优设计点，并得到对应的硬点坐标；将最优设计点对应的硬点坐标代入悬架运动学模型中进行试验和验证。本发明专利技术可以有效减少悬架运动学模型的双侧车辆同向跳动试验运行次数，降低优化成本。

【技术实现步骤摘要】
一种悬架的优化方法及系统
本专利技术涉及汽车领域，特别是涉及一种悬架的优化方法及系统。
技术介绍
悬架是汽车的车架与车桥之间的一切传力连接装置的总称，其作用是传递作用在车轮和车架之间的力和力扭，并且缓冲由不平路面传给车架或车身的冲击力，并减少由此引起的震动，以保证汽车能平顺地行驶。也就是说，车辆的操控性能主要受悬架运动特性的影响，而由于悬架的硬点位置在很大程度上决定了悬架运动特性，因此，悬架的硬点坐标位置通常作为悬架运动特性的重要参数，其中，所谓硬点指的是悬架系统中杆系的端点，在车还未设计时，通过调节硬点可以计算整车通过性操纵性等，得到硬点坐标之后，再以此设计底盘各个零件。在对悬架运动特性进行优化时，主要也指对悬架的硬点坐标进行优化设计。悬架现有对悬架运动特性的优化，主要是采用空间机构运动学的数值计算方法和基于多刚体动力学的分析方法。由于悬架的复杂性，应用空间机构运动学的数值计算方法优化时，计算复杂且不够直观；而基于多刚体动力学的优化设计中，优化目标的计算需要频繁调用形如黑箱函数的模型，其计算仍然较为费时。
技术实现思路
基于此，本专利技术的目的在于，提供一种悬架的优化方法，其具有可有效减少采样成本，降低优化成本，取得较好的效果的优点。一种悬架的优化方法，其包括如下步骤：建立悬架运动学模型，选取所述悬架运动学模型中的多个硬点坐标作为设计变量，并根据该设计变量设计多维设计空间，且设计约束目标和优化目标；通过拉丁超立方设计方法在所述多维设计空间中随机获取多个采样点；将多个所述采样点分别进行双侧车轮同向跳动试验，获取多个所述采样点对应的多个响应值；根据多个所述采样点以及对应的多个所述响应值，建立稀疏响应面模型；根据约束目标，基于稀疏响应面，在多维设计空间中，通过序列二次规划方法寻找满足约束条件的最优设计点，并得到对应的硬点坐标；将最优设计点对应的硬点坐标代入悬架运动学模型中进行试验和验证。相比于现有技术，本专利技术通过构建稀疏响应面模型对悬架模运动学模型进行逼近和简化，可以有效减少悬架运动学模型的双侧车辆同向跳动试验运行次数，大大降低了优化成本，而且优化后的悬架模运动学模型的结果可以取得较好的效果。进一步地，所述稀疏响应面模型为s.t.‖Θ‖0≤s.其中，Φ是基函数集合，Θ是系数向量，s为稀疏响应面模型的稀疏度要求；且基函数n为采样点个数；p为原子个数，且p＝6n；是基函数，其是一组Legendre多项式，式中，是基函数的指数向量，表征多项式阶数，L(x,η(i))是选为基的多项式，其值由多项式定义和阶数带入变量x的值求得，是变量xj的变量多项式，其指数为系数向量的表达式为：在构建稀疏响应面模型时，选择Legendre多项式作为基函数，简化了稀疏响应面模型的构建，进一步减少了采样样本。进一步地，所述建立稀疏响应面模型包括：根据多个所述采样点x＝[x(1),…,x(n)]T,x(k)∈Rm,k＝1,2,…,n，获得基函数的集合将转换成将基函数的集合以及对应的多个所述响应值y＝[y(1),…,y(n)]T，代入再采用最小角回归方法求解获得基函数的系数；根据基函数集和基函数的系数建立稀疏响应面模型。进一步地，所述约束目标为：所述优化目标为：Minimize:α1c1(u)+α2c2(u)+α3c3(u)其中，u为包括设计变量的向量，lb和ub是设计变量的上下限，f1(u),f2(u),f3(u),f4(u)为试验中的外倾角、主销后顷角、主销内顷角和前束角的取值，c1(u),c2(u),c3(u)对应车轮外倾角、主销后顷角、主销内顷角的变化量，c4(u)为前束的最小值，优化目标的权值α1,α2,α3均设置为1。进一步地，所述选取作为设计变量的多个所述硬点坐标包括：下控制臂外侧控制臂外侧硬点x坐标、下控制臂外侧硬点y坐标、下控制臂外侧硬点z坐标、阻尼器上端硬点y坐标、阻尼器上端硬点z坐标、以及下控制臂内前侧硬点y坐标。进一步地，所述选取设计变量包括：在ADAMS/Insight模块中以拉丁超立方设计的采样方法进行试验设计，选择出可能有影响的多个硬点参数，并设置每个因子的变化量在-10mm-10mm，进行32次迭代后取灵敏度最大的多个硬点坐标作为设计变量，通过，对悬架运动模型的各硬点坐标进行灵敏度分析，把灵敏度高的硬点坐标作为设计变量，从而提高悬架运动模型的灵敏度。本专利技术还提供一种悬架的优化系统，包括处理器，适于实现各指令；以及存储设备，适于存储多条指令，所述指令适于由所述处理器加载并执行：建立悬架运动学模型，选取所述悬架运动学模型中的多个硬点坐标作为设计变量，并根据该设计变量设计多维设计空间，且设计约束目标和优化目标；通过拉丁超立方设计方法在所述多维设计空间中随机获取多个采样点；将多个所述采样点分别进行双侧车轮同向跳动试验，获取多个所述采样点对应的多个响应值；根据多个所述采样点以及对应的多个所述响应值，建立稀疏响应面模型；根据约束目标，基于稀疏响应面，在多维设计空间中，通过序列二次规划方法寻找满足约束条件的最优设计点，并得到对应的硬点坐标；将最优设计点对应的硬点坐标代入悬架运动学模型中进行试验和验证。相比于现有技术，本专利技术通过构建稀疏响应面模型对悬架模运动学模型进行逼近和简化，可以有效减少悬架运动学模型的双侧车辆同向跳动试验运行次数，大大降低了优化成本，而且优化后的悬架模运动学模型的结果可以取得较好的效果。为了更好地理解和实施，下面结合附图详细说明本专利技术。附图说明图1为本专利技术实施例中悬架的优化方法的流程图；图2为本专利技术实施例中约束目标参数和优化目标参数优化前后的曲线对比图。具体实施方式请参阅图1，其为本专利技术实施例中悬架的优化方法的流程图。所述悬架的优化方法，包括如下步骤：步骤S1：建立悬架运动学模型，选取所述悬架运动学模型中的多个硬点坐标作为设计变量，并根据该设计变量设计多维设计空间，且设计约束目标和优化目标。在一个实施例中，采用ADAMS软件对汽车建立悬架运动学模型，进而获取所述悬架运动学模型中的多个硬点坐标作为设计变量。在一个实施例中，为提高悬架运动模型的灵敏度，对悬架运动模型的各硬点坐标进行灵敏度分析，把灵敏度高的硬点坐标作为设计变量，获取设计变量的方法具体如下：在ADAMS/Insight模块中以拉丁超立方设计(Latinhypercubedesign，简称LHD)的采样优化方法进行试验设计，选择出可能有影响的30个硬点参数，设置每个因子的变化量在-10mm-10mm，进行32次迭代后取灵敏度最大的6个设计变量，分别为：下控制臂外侧硬点x坐标(lca_outer.x)、下控制臂外侧硬点y坐标(lca_outer.y)、下控制臂外侧硬点z坐标(lca_outer.z)、阻尼器上端硬点y坐标(top_mount.y)、阻尼器上端硬点z坐标(top_mount.z)、下控制臂内前侧硬点y坐标(lca_front.y)。将所选6个设计变量分别命名为u1、u2、u3、u4、u5、u6，给定6个设计变量的设计空间为±30mm，即可得到该设计变量对应的多维设计空间：最低值：lb＝[-50；670；180；573.8；760]；最高值：ub＝[10；730；240；633.8；820；420]；在最低值和最高值之间的设计空间即本文档来自技高网...

【技术保护点】
1.一种悬架的优化方法，其特征在于，包括如下步骤：建立悬架运动学模型，选取所述悬架运动学模型中的多个硬点坐标作为设计变量，并根据该设计变量设计多维设计空间，且设计约束目标和优化目标；通过拉丁超立方设计方法在所述多维设计空间中随机获取多个采样点；将多个所述采样点分别进行双侧车轮同向跳动试验，获取多个所述采样点对应的多个响应值；根据多个所述采样点以及对应的多个所述响应值，建立稀疏响应面模型；根据约束目标，基于稀疏响应面，在多维设计空间中，通过序列二次规划方法寻找满足约束条件的最优设计点，并得到对应的硬点坐标；将最优设计点对应的硬点坐标代入悬架运动学模型中进行试验和验证。

【技术特征摘要】
1.一种悬架的优化方法，其特征在于，包括如下步骤：建立悬架运动学模型，选取所述悬架运动学模型中的多个硬点坐标作为设计变量，并根据该设计变量设计多维设计空间，且设计约束目标和优化目标；通过拉丁超立方设计方法在所述多维设计空间中随机获取多个采样点；将多个所述采样点分别进行双侧车轮同向跳动试验，获取多个所述采样点对应的多个响应值；根据多个所述采样点以及对应的多个所述响应值，建立稀疏响应面模型；根据约束目标，基于稀疏响应面，在多维设计空间中，通过序列二次规划方法寻找满足约束条件的最优设计点，并得到对应的硬点坐标；将最优设计点对应的硬点坐标代入悬架运动学模型中进行试验和验证。2.根据权利要求1所述的悬架的优化方法，其特征在于，所述稀疏响应面模型为其中，Φ是基函数集合，Θ是系数向量，s为稀疏响应面模型的稀疏度要求；且基函数n为采样点个数；p为原子个数，且p＝6n；是基函数，且其是一组Legendre多项式，式中，是基函数的指数向量，表征多项式阶数，L(x,η(i))是选为基的多项式，其值由多项式定义和阶数带入变量x的值求得，是变量xj的变量多项式，其指数为系数向量的表达式为：3.根据权利要求2所述的悬架的优化方法，其特征在于，所述建立稀疏响应面模型包括：根据多个所述采样点x＝[x(1),…,x(n)]T,x(k)∈Rm,k＝1,2,…,n，获得基函数的集合将转换成将基函数的集合以及对应的多个所述响应值y＝[y(1),…,(n)]T，代入再采用最小角回归方法求解获得基函数的系数；根据基函数集和基函数的系数建立稀疏响应面模型。4.根据权利要求1所述的悬架的优化方法，其特征在于，所述约束目标为：所述优化目标为：Minimize:α1c1(u)+α2c2(u)+α3c3(u)其中，u为包括设计变量的向量，lb和ub是设计变量的上下限，f1(u),f2(u),f3(u),f4(u)为试验中的外倾角、主销后顷角、主销内顷角...

【专利技术属性】
技术研发人员：李璞，黄长征，李澄，胡松喜，
申请(专利权)人：韶关学院，
类型：发明
国别省市：广东,44