龔 侃，何天明，陳 超

(1.武漢理工大學(xué)汽車工程學(xué)院，湖北武漢430070;2.現(xiàn)代汽車零部件技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室，湖北武漢430070)

懸架動(dòng)力學(xué)分析研究的是由于車身與車輪發(fā)生相對(duì)運(yùn)動(dòng)而產(chǎn)生的包括反映車輪定位、車身俯仰等懸架相關(guān)性能指標(biāo)的變化特性，因此研究和評(píng)價(jià)懸架運(yùn)動(dòng)學(xué)方法的實(shí)質(zhì)就是給懸架系統(tǒng)輸入一種運(yùn)動(dòng)，對(duì)各種懸架運(yùn)動(dòng)學(xué)輸出特性進(jìn)行研究和評(píng)價(jià)［1］。

由于虛擬樣機(jī)技術(shù)的發(fā)展，直接通過成熟的軟件對(duì)系統(tǒng)進(jìn)行模擬仿真將大大提高工作效率。ADAMS/Car是 MDI公司與 Audi、BMW、Renault和Volvo等公司合作開發(fā)的整車設(shè)計(jì)軟件包，集成了他們在汽車設(shè)計(jì)開發(fā)方面的專家經(jīng)驗(yàn)，能夠幫助工程師快速建造高精度的整車虛擬樣機(jī)，其中包括車身、懸架、傳動(dòng)機(jī)構(gòu)、發(fā)動(dòng)機(jī)、轉(zhuǎn)向機(jī)構(gòu)和制動(dòng)系統(tǒng)等，工程師可以通過高速動(dòng)畫直觀地再現(xiàn)各種試驗(yàn)工況下(天氣、道路狀況、駕駛員經(jīng)驗(yàn)等)整車的動(dòng)力學(xué)響應(yīng)，并輸出標(biāo)志操縱穩(wěn)定性、制動(dòng)性、乘坐舒適性和安全性的特征參數(shù)，從而減少對(duì)物理樣機(jī)的依賴，而仿真時(shí)間只是物理試驗(yàn)樣機(jī)的幾分之一［2－3］。

遺傳算法是一種借鑒生物界自然選擇和進(jìn)化機(jī)制發(fā)展起來的隨機(jī)搜索算法，具有良好的收斂性和多目標(biāo)優(yōu)化性［4］。

筆者基于ADAMS/Car建立了某車前懸架系統(tǒng)的仿真模型，對(duì)其進(jìn)行了動(dòng)態(tài)仿真分析，并運(yùn)用遺傳算法對(duì)該汽車的懸架進(jìn)行了優(yōu)化。

1 前懸架系統(tǒng)仿真模型的建立

以某A級(jí)車為原型基礎(chǔ)，參照ADAMS/Car中的麥弗遜式獨(dú)立懸架模板以及標(biāo)準(zhǔn)懸架試驗(yàn)臺(tái)，建立了前懸架系統(tǒng)模型，如圖1所示。

麥弗遜懸架由車身、下擺臂、轉(zhuǎn)向節(jié)總成、轉(zhuǎn)向拉桿、減振器、螺旋彈簧以及車輪組成。在建模過程中對(duì)模型作了一些合理的簡化，如忽略車輪的厚度和各部件的彈性作用等［5］。前懸架結(jié)構(gòu)示意圖如圖2所示。

確定麥弗遜懸架模型設(shè)計(jì)變量的關(guān)鍵是確定硬點(diǎn)［6］。硬點(diǎn)是懸架模型中各零件之間連接處的重要幾何定位點(diǎn)，在子系統(tǒng)的坐標(biāo)系中給出零件之間連接點(diǎn)的幾何位置來確定硬點(diǎn)。根據(jù)絕對(duì)坐標(biāo)系，可由設(shè)計(jì)圖紙得到硬點(diǎn)的坐標(biāo)值。該懸架左半邊硬點(diǎn)絕對(duì)坐標(biāo)值如表1所示。ADAMS/Car會(huì)自動(dòng)創(chuàng)建相對(duì)縱向中心線的對(duì)稱硬點(diǎn)和零件。

圖2 前懸架結(jié)構(gòu)示意圖

表1 前懸架硬點(diǎn)坐標(biāo)

2 麥弗遜懸架的仿真及優(yōu)化分析

2.1 遺傳算法

遺傳算法(genetic algorithm，GA)是一類借鑒生物界的進(jìn)化規(guī)律(適者生存，優(yōu)勝劣汰遺傳機(jī)制)演化而來的隨機(jī)化搜索方法［7］，其主要特點(diǎn)是直接對(duì)結(jié)構(gòu)對(duì)象進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定;具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力;采用概率化的尋優(yōu)方法，能自動(dòng)獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛應(yīng)用于組合優(yōu)化、機(jī)器學(xué)習(xí)、信號(hào)處理和人工生命等領(lǐng)域。

在遺傳算法里，優(yōu)化問題的解被稱為個(gè)體，表示為一個(gè)參數(shù)列表，稱做染色體或基因串，一般被表達(dá)為簡單的字符串或數(shù)字串。算法開始時(shí)隨機(jī)生成一定數(shù)量的個(gè)體，操作者也可以對(duì)這個(gè)隨機(jī)產(chǎn)生過程進(jìn)行干預(yù)，播下已經(jīng)部分優(yōu)化的種子。在每一代中，每一個(gè)個(gè)體都被評(píng)價(jià)，并通過計(jì)算適應(yīng)度函數(shù)得到一個(gè)適應(yīng)度數(shù)值。種群中的個(gè)體被按照適應(yīng)度排序，適應(yīng)度高的在前面［8－9］。其分析流程如圖3所示。

圖3 遺傳算法的分析流程

基于染色體群的并行搜索，帶有猜測性質(zhì)的選擇操作、交換操作和突變操作。這種特殊的組合方式將遺傳算法與其他搜索算法區(qū)別開來。

遺傳算法具有以下幾方面的特點(diǎn):

(1)遺傳算法從問題解的串集開始搜索，而不是從單個(gè)解開始。這是遺傳算法與傳統(tǒng)優(yōu)化算法的極大區(qū)別。傳統(tǒng)優(yōu)化算法是從單個(gè)初始值迭代求最優(yōu)解的，容易誤入局部最優(yōu)解;而遺傳算法從串集開始搜索，覆蓋面大，利于全局擇優(yōu)，同時(shí)算法本身易于實(shí)現(xiàn)并行化。

(2)遺傳算法基本上不用搜索空間的知識(shí)或其他輔助信息，而僅用適應(yīng)度函數(shù)值來評(píng)估個(gè)體，在此基礎(chǔ)上進(jìn)行遺傳操作。適應(yīng)度函數(shù)不僅不受連續(xù)可微的約束，而且其定義域可以任意設(shè)定。這一特點(diǎn)使得遺傳算法的應(yīng)用范圍大大擴(kuò)展。

(3)遺傳算法采用概率的變遷規(guī)則而不是確定性規(guī)則來確定其搜索方向。

(4)具有自組織、自適應(yīng)和自學(xué)習(xí)性。遺傳算法利用進(jìn)化過程獲得的信息自行組織搜索時(shí)，硬度大的個(gè)體具有較高的生存概率，并獲得更適應(yīng)環(huán)境的基因結(jié)構(gòu)。

2.2 麥弗遜懸架的仿真分析

懸架系統(tǒng)各種運(yùn)動(dòng)特性參數(shù)的計(jì)算是通過懸架的幾何分析、柔度矩陣分析得到的。其中幾何分析是指懸架轉(zhuǎn)向系統(tǒng)在懸架跳動(dòng)、側(cè)傾、轉(zhuǎn)向系轉(zhuǎn)向等各種運(yùn)動(dòng)輸入下，懸架轉(zhuǎn)向系統(tǒng)中各物體的位置和方向的變化，許多車輛參數(shù)的計(jì)算都是通過幾何分析進(jìn)行的。

在懸架的幾何分析中，主要參數(shù)有主銷內(nèi)傾角(車身前視圖主銷軸與垂直軸的夾角)、主銷后傾角(車身俯視圖主銷軸與垂直軸的夾角)、車輪外傾角(車輪中心平面與車輛中心垂直面的夾角)和車輪前束角(車身前視圖左右兩側(cè)車輪向內(nèi)傾斜的角度)等［10］。

左右車輪平行跳動(dòng)試驗(yàn)方法是懸架運(yùn)動(dòng)特性分析的基本方法，實(shí)際上是對(duì)車輪遇到障礙物時(shí)懸架的運(yùn)動(dòng)、路面不平引起的顛簸運(yùn)動(dòng)、汽車加減速時(shí)車身縱傾引起的懸架運(yùn)動(dòng)和車身側(cè)傾時(shí)引起的懸架運(yùn)動(dòng)等較多運(yùn)動(dòng)的綜合分析。

左右車輪平行跳動(dòng)試驗(yàn)仿真分析是分析懸架運(yùn)動(dòng)合理性的重要依據(jù)，較為全面地反映了懸架的運(yùn)動(dòng)特性。在懸架測試臺(tái)上對(duì)雙橫臂式獨(dú)立懸架進(jìn)行兩側(cè)車輪垂直上下跳動(dòng)時(shí)的運(yùn)動(dòng)學(xué)仿真，車輪從靜平衡位置開始，上下跳動(dòng)范圍為［－100 mm，100 mm］，由于汽車前左、右輪其中的一個(gè)參數(shù)就可以說明問題，因此，筆者只采用左輪的定位參數(shù)。懸架系統(tǒng)幾何分析的相關(guān)參數(shù)隨車輪跳動(dòng)行程的變化情況，通過對(duì)建立的前懸架轉(zhuǎn)向系統(tǒng)模型的動(dòng)態(tài)仿真，設(shè)置仿真步數(shù)為15，在 ADAMS/Postprecessor模塊中得到分析結(jié)果曲線，即幾何分析相關(guān)參數(shù)(主銷內(nèi)傾角、主銷后傾角、車輪外傾角、車輪前束角)隨車輪輪心跳動(dòng)變化曲線如圖4～圖7所示。

圖4 主銷內(nèi)傾角隨車輪輪心跳動(dòng)的變化曲線

圖5 主銷后傾角隨車輪輪心跳動(dòng)的變化曲線

圖6 車輪外傾角隨車輪輪心跳動(dòng)的變化曲線

圖7 車輪前束角隨車輪輪心跳動(dòng)的變化曲線

從圖4～圖7中可知，相關(guān)參數(shù)的統(tǒng)計(jì)數(shù)值以及模型存在問題，需要對(duì)車輪外傾角以及車輪前束角進(jìn)行優(yōu)化。

2.3 麥弗遜懸架的優(yōu)化分析

為了解決所建懸架模型中出現(xiàn)的問題，考慮對(duì)前懸架進(jìn)行結(jié)構(gòu)調(diào)整。利用Matlab編程，以當(dāng)車輪相對(duì)于車體上下跳動(dòng)時(shí)，車輪外傾角和車輪前束角相對(duì)于平衡位置的變化量絕對(duì)值加權(quán)之和為適值評(píng)價(jià)函數(shù)，以如圖2所示懸架上支點(diǎn)A、轉(zhuǎn)向梯形斷點(diǎn)H、下擺臂中心軸中點(diǎn)J的硬點(diǎn)坐標(biāo)為設(shè)計(jì)變量進(jìn)行120代的遺傳優(yōu)化運(yùn)算，得到優(yōu)化后的染色體，即優(yōu)化后的硬點(diǎn)坐標(biāo)。筆者采用在每代中染色體的交叉率Pc=0.3，變異率Pm=0.1。優(yōu)化結(jié)果如圖8和圖9所示，優(yōu)化前后硬點(diǎn)坐標(biāo)如表2所示。

圖8 優(yōu)化前后車輪外傾角對(duì)比

圖9 優(yōu)化前后車輪前束角對(duì)比

表2 優(yōu)化前后硬點(diǎn)坐標(biāo)對(duì)比

由圖8和圖9分析可知:車輪外傾角的變化范圍經(jīng)優(yōu)化減少了50%，車輪前束角的變化范圍經(jīng)優(yōu)化則減少了26%。這對(duì)于防止制動(dòng)時(shí)因左右制動(dòng)力誤差造成的直線行駛穩(wěn)定性變壞和減小外傾角引起的地面對(duì)輪胎的側(cè)向力使汽車跑偏的趨勢都是有利的，對(duì)減少輪胎的磨損也是有利的［11］。

3 結(jié)論

筆者在ADAMS/Car中建立了某車的前麥弗遜式獨(dú)立懸架虛擬測試平臺(tái)，在這個(gè)測試平臺(tái)的基礎(chǔ)上對(duì)前懸架系統(tǒng)進(jìn)行運(yùn)動(dòng)學(xué)仿真分析，即左右車輪平行跳動(dòng)試驗(yàn)仿真分析，并運(yùn)用遺傳算法對(duì)模型的硬點(diǎn)坐標(biāo)進(jìn)行多次遺傳優(yōu)化運(yùn)算，這對(duì)模型的定位參數(shù)以及性能指標(biāo)的優(yōu)化，對(duì)汽車的直行穩(wěn)定性、轉(zhuǎn)向輕便性、轉(zhuǎn)彎時(shí)保證不足轉(zhuǎn)向特性以及減少輪胎的磨損等都是有利的，可以作為汽車懸架設(shè)計(jì)時(shí)的參考依據(jù)。

［1］俞凡，林逸.汽車系統(tǒng)動(dòng)力學(xué)［M］.北京:機(jī)械工業(yè)出版社，2005:12－87.

［2］Mechanical Dynamics Inc.ADAMS Theory Seminar［S］.1994.

［3］陳軍.MSC.ADAMS技術(shù)與工程分析實(shí)例［M］.北京:中國水利水電出版社，2008:32－98.

［4］ANTON C P.Optimization of controller parameters based on the improved genetic algorithms［C］//Proceedings of the 6th World Congress on Intelligent Control and Automation.［S.l.］:［s.n.］，2006:21 －23.

［5］劉臣亞.麥?zhǔn)姜?dú)立懸架運(yùn)動(dòng)學(xué)分析與優(yōu)化［J］.華南理工大學(xué)學(xué)報(bào)，2003(6):94－96.

［6］丁華.麥弗遜懸架系統(tǒng)性能研究［D］.鎮(zhèn)江:江蘇大學(xué)圖書館，2001.

［7］玄光男，陳潤偉.遺傳算法和工程設(shè)計(jì)［M］.北京:科學(xué)出版社，2000:54－98.

［8］吳碧磊.重型汽車動(dòng)力學(xué)性能仿真研究與優(yōu)化設(shè)計(jì)［D］.長春:吉林大學(xué)圖書館，2008.

［9］梁勤歐，周曉艷.基于免疫遺傳算法的設(shè)備布局問題研究［J］.武漢理工大學(xué)學(xué)報(bào):信息與管理工程版，2011，33(4):643 －646.

［10］褚志剛.汽車前輪定位參數(shù)優(yōu)化設(shè)計(jì)［J］.重慶大學(xué)學(xué)報(bào)，2003(2):87－88.

［11］KEIICHIM，TAKASHIY.A study of suspension design using optimization and DOE［C］//International ADAMS User Conference.［S.l.］:［s.n.］，2000:34 －36.