衬套型橡胶悬置结构形状的优化方法EI北大核心CSCD

为满足汽车动力总成悬置系统匹配过程中悬置的刚度要求,对悬置中非橡胶填充结构进行优化设计,以长槽的半径r,圆槽的半径R,两槽间的夹角α,长槽的角度β为结构参数,采取正交试验与ABAQUS有限元软件结合的方法,对橡胶悬置刚度进行仿真试验。根据试验结果建立二阶响应面模型,通过谢菲尔德遗传算法进行优化,从而获取非橡胶填充结构参数以满足悬置刚度要求。优化结果与试验验证误差较小,满足设计要求。该方法在橡胶悬置设计阶段具有参考意义。     

复杂结构型式橡胶减振元件静刚度计算方法

对于结构复杂、形状不规则的橡胶减振元件,难以找到计算其静刚度的经验公式。根据橡胶减振元件的可制造性,结合正交设计试验的思想,利用神经网络学习算法建立橡胶减振元件各几何结构参数与其三个方向静刚度的非线性全局映射关系,对复杂结构型式的橡胶减振元件进行静刚度估算,以代替有限元计算的结果。计算结果表明,建立的神经网络可以用来估算复杂结构型式橡胶减振元件的静刚度。     

两种悬置元件的对比试验研究

目的 为有效隔离某大功率军用柴油机的振动对车架及车体的影响。满足装车可靠性,要求合理选用高效减振装置以减少发动机的振动和噪声。方法 针对两种悬置元件－橡胶减振器和钢丝绳减振器,为预测装车后减振器的隔振性能和发动机的振动情况,分别对它们进行了静态特性、模拟装车后的动态特性和发动机台架振动烈度试验。结果 通过试验对两种悬置元件进行了对比、分析。结论 通过对比分析,初步估计采用钢丝绳减振器可以较橡胶减振     

基于NSGA-II遗传算法的磁流变悬置多目标优化

磁流变悬置集总参数优化是设计高性能发动机悬置的关键。为克服以往悬置优化中优化目标单一、优化目标选取不合理、未考虑实际加工可行性等问题,建立单自由度磁流变悬置隔振系统数学模型,提出倍程区间灵敏度分析法,对各集总参数灵敏度进行分析,并以此为依据选取优化变量。以发动机常用转速激振频率段的力传递率积分为优化目标,采用改进型非支配排序遗传算法(NSGA-II)进行多目标优化。在一定范围内将结构尺寸进行离散化处理,计算各组离散尺寸对应的集总参数值,以离散集总参数与集总参数Pareto非劣解之间的综合距离为准则筛选最优解。     

基于6σ的动力总成悬置系统鲁棒优化设计

为提高动力总成悬置系统优化设计的鲁棒性,给出一种6σ鲁棒优化设计方法.将动力总成视为六自由度刚体,由四个橡胶悬置支撑在副车架上,每个悬置被简化成沿其三个垂直的弹性主轴方向具有刚度和阻尼的元件.将四个悬置的安装位置、三向静刚度和两个防扭悬置的安装方位角选为不确定性设计变量,设计变量的不确定性由其名义值加、减一个摄动量(或名义值的一个百分比)来表征.通过优化设计变量的名义值得到动力总成悬置系统的6σ鲁棒最优设计.优化结果表明,6σ鲁棒最优设计能够保证动力总成悬置系统以较好地鲁棒性满足固有频率、解耦率以及频率间隔的要求.     

计及隔振率的发动机悬置系统稳健优化设计

发动机悬置系统的隔振率和解耦率是汽车动力总成设计的两个主要性能指标,通过ISIGHT软件集成MATLAB与ADAMS软件,建立计及隔振率的悬置系统稳健优化数学模型。考虑到橡胶悬置的生产工艺,将悬置的各向刚度值处理成耦合变量,以整车下悬置系统的频率合理分配为约束,并利用PSO优化算法对发动机悬置系统参数进行多目标优化求解。实车试验验证该方法的有效性,提高发动机悬置系统设计的实用性。     

液阻悬置动特性建模及汽车动力总成悬置系统振动控制优化

给出了表征液阻悬置动态特性与激振频率相关性的五参数分数导数模型,模型中的五个参数具有明确的物理意义.建立了含有液阻悬置的六自由度动力总成悬置系统振动分析模型,在路面垂直位移激励下,给出了动力总成质心位移和悬置支承点动反力频响特性的计算公式.为降低动力总成质心位移和悬置支承点动反力的振动幅值,给出了基于遗传算法和序列二次规划算法的优化设计方法,对一轿车动力总成中含有的两个液阻悬置的动态特性进行了优化设计.优化结果表明,利用该优化方法得到的液阻悬置的动态特性,可以有效地降低动力总成在垂直方向振动以及悬置支承点动反力的振动幅值.     

基于遗传算法的汽车动力总成悬置系统优化研究

使用传统优化算法对汽车动力总成悬置系统优化容易陷入动力总成悬置系统的局部最优解,为此在MATLAB平台中采用遗传算法编制相应的程序对其进行优化求解,优化时以汽车动力总成悬置系统六自由度解耦为目标函数,以悬置的各向刚度为设计变量,兼顾系统固有频率的合理配置和各工况下动力总成的位移控制。采用ADAMS软件对悬置系统优化前后的固有频率和能量分布进行仿真验证并对动力总成悬置系统进行静平衡校核。结果表明,遗传算法可以求悬置系统的全局最优解,优化结果稳定可靠,优化后动力总成悬置系统的解耦度得到提高。     

基于遗传算法的混合动力汽车动力总成悬置系统的优化设计研究

为了提高并联式混合动力汽车动力总成五点悬置系统的隔振性能,建立了动力总成五点悬置的动力学模型,以动力总成六自由度能量解耦与固有频率的合理分配为优化目标,五个悬置点的各向刚度为设计变量,采用遗传算法对悬置系统进行优化。应用上述方法对某并联式柴电混合动力汽车悬置系统进行了优化,动力学仿真与实车试验结果表明,悬置优化后消除了整车怠速工况时方向盘抖动,验证了所提方法的合理性。同时,遗传算法克服了序列二次型规划算法（SQP）易收敛于局部最优解的缺点,得到的悬置系统解耦性能优良,优化结果稳定可靠。     

混沌免疫遗传算法在汽车悬置系统设计中的应用

传统的悬置系统参数优化方法容易使优化结果陷入局部最优,遗传算法因其易于早熟收敛而限制了实际优化效果,为此提出使用混沌免疫遗传算法对汽车动力总成悬置系统参数进行优化设计。优化设计中,以动力总成悬置系统六自由度能量解耦为目标函数,以悬置刚度和安装角度为优化变量,并考虑悬置系统的模态频率匹配、能量解耦率、悬置静态剪切和压缩变形等约束条件。优化结果表明,基于设计的寻优方法,改善动力总成悬置系统与整车匹配程度,提高动力总成悬置系统的隔振性能。     

汽车动力总成液压悬置橡胶主簧静特性有限元分析

以某一型号轿车发动机液压悬置为研究对象,应用大型通用有限元分析软件ABAQUS分析了橡胶主簧在垂直方向的静态特性。介绍了橡胶材料本构关系的基本理论,论述了橡胶有限元模型的建立过程,计算分析了橡胶主簧各结构参数对主簧静态特性的影响程度,并讨论了橡胶主簧静态特性有限元分析结果与单元特性的关系。     

基于遗传算法的高耸结构环形TLD满意优化设计

针对高耸结构环形TLD的多目标优化设计开展研究。首先,建立了高耸结构环形TLD控制的动力学模型,并编制了其求解程序。随后,提出了采用Sigmoid函数作为独立满意度函数,并通过线性加权建立了复合满意度函数。进而,基于遗传算法(Genetic Algorithm, GA),选取环形TLD的几何参数作为设计变量,结构响应和阻尼器行程的复合满意度作为优化目标,建立了高耸结构环形TLD控制的满意优化设计方法。最后,针对某自立式钢烟囱,编制程序开展了其在风荷载作用下环形TLD减振的优化设计。研究表明,该方法能够快速有效地得到一组满足工程需要且较为经济的设计参数,同时该方法对权重系数的敏感度较低,降低了多目标优化设计时权重系数选择的难度。     

Fatigue life prediction of a rubber mount based on test of material properties and finite element analysis

Failure analysis and fatigue life prediction are very important in the design procedure to assure the safety and reliability of rubber components. The fatigue life of a rubber mount was predicted by combining test of material properties and finite element analysis (FEA). The natural rubber material material’s fatigue life equation was acquired based on uniaxial tensile test and fatigue life tests of the natural rubber. The strain distribution contours and the maximum total principal strains of the rubber mount at different loads in the x and y directions were obtained using finite element analysis method. The critical region cracks prone to arise were obtained and analyzed. Then the maximum total principal strain was used as the fatigue parameter, which was substituted into the natural rubber’s fatigue life equation, to predict the fatigue life of the rubber mount. Finally, fatigue lives of the rubber mount at different loads were measured on a fatigue test rig to validate the accuracy of the fatigue life prediction method. The test results imply that the fatigue lives predicted agree well with the test results.     

橡胶隔振器高频动态特性的计算方法

该文采用一种由Mooney-Rivlin模型和多个Maxwell模型叠加组成的非线性粘弹性本构模型,用于计算橡胶隔振器的高频动态特性。该文给出了在时域和频域范围内拟合本构模型中粘弹性参数的方法,利用拟合得到的本构模型参数,对某款橡胶悬置跨点动态特性进行计算,并与实验结果进行对比。该文还建立了橡胶隔振器等效力学模型,分析了原点动刚度和跨点动刚度的区别,分析表明:使用跨点动态特性测试法可消除测试中附加惯性力的影响,适用于橡胶隔振器高频动特性的测试;同时,该文搭建了橡胶隔振器有限元模型,分别用于分析其跨点动刚度与原点动刚度,并将分析结果与实验结果进行对比,分析结果验证了有限元模型和力学模型的正确性。除此之外,该文还分析对比了时域(松弛、蠕变)和频域(简谐动态试验)拟合粘弹性参数方法的优缺点。     

焊接工艺参数优化的智能计算研究

如何找出特定的最佳工艺参数是焊接工作者重要而又艰巨的一项工作,是进行焊接加工时首先需要解决的问题.在全面考虑BP神经网络(Back propagation neural network)的非线性映射功能和GA(Genetic algorithm)全局寻优方法的基础上提出了综合利用回归正交表、人工神经网络(ANN)及遗传算法(GA),在所有可能的焊接工艺参数范围内自动搜寻最佳工艺参数的方法,研究中比较了不同种群大小、不同交叉概率对精度及效率的影响.结果表明,该方法具有适应性广、可靠性高的优点,由于可以大大减少试焊次数,具有良好的推广价值.     

基于神经网络响应面的复合材料结构优化设计

用正交试验设计的方法选择样本点构建神经网络响应面,将神经网络响应面作为优化的目标函数或约束条件,加上其它常规约束条件建立优化模型,应用遗传算法 (GA) 进行优化,形成一套适用于复杂结构设计的高效优化方法。以复合材料帽型加筋板的重量优化问题为例,建立了加筋板模型的重量响应面目标函数、强度和稳定性响应面约束条件;并用PATRAN/NASTRAN进行有限元计算,获取用于响应面训练的样本点数值。算例表明:该方法能以很少的有限元分析次数,取得高精度的响应面近似模型,并且使优化效率大大提高。      

基于直接搜索方法的层合板多目标优化设计

直接多目标搜索方法(DMS)是一种不需要计算梯度信息并且能实现全局收敛的多目标优化方法。基于直接多目标搜索方法,以简支层合板铺设角度为设计变量,基频和声功率为目标函数进行层合板结构振动与声多目标优化。分别以4层、8层复合材料层合板为例,用DMS方法对其优化设计,并与传统的遗传算法(GA)对比。结果表明,对于4层复合材料层合板,DMS方法比GA方法优化速度快,且能得到全局最优解;对于8层复合材料层合板,用DMS方法比4层板优化所需时间多,但相比GA方法,DMS方法优化更快。     

Using a modified genetic algorithm to find feasible regions of a desirability function

The multi‐response optimization (MRO) problem in response surface methodology is quite common in applications. Most of the MRO techniques such as the desirability function method by Derringer and Suich are utilized to find one or several optimal solutions. However, in fact, practitioners usually prefer to identify all of the near‐optimal solutions, or all feasible regions, because some feasible regions may be more desirable than others based on practical considerations. In this paper, with benefits from the stochastic property of a genetic algorithm (GA), we present an innovative procedure using a modified GA (MGA), a computational efficient GA with a local directional search incorporated into the GA process, to approximately generate all feasible regions for the desirability function without the limitation of the number of factors in the design space. The procedure is illustrated through a case study. The MGA is also compared with other commonly used methods for determining the set of feasible regions. Using Monte Carlo simulations with two benchmark functions and a case study, it is shown that the MGA can more efficiently determine the set of feasible regions than the GA, grid methods, and the Nelder–Mead simplex algorithm. Copyright © 2011 John Wiley & Sons, Ltd.     

A surrogate assisted evolutionary optimization method with application to the transonic airfoil design

A multi-layer perceptron neural network (NN) method is used for efficient estimation of the expensive objective functions in the evolutionary optimization with the genetic algorithm (GA). The estimation capability of the NN is improved by dynamic retraining using the data from successive generations. In addition, the normal distribution of the training data variables is used to determine well-trained parts of the design space for the NN approximation. The efficiency of the method is demonstrated by two transonic airfoil design problems considering inviscid and viscous flow solvers. Results are compared with those of the simple GA and an alternative surrogate method. The total number of flow solver calls is reduced by about 40% using this fitness approximation technique, which in turn reduces the total computational time without influencing the convergence rate of the optimization algorithm. The accuracy of the NN estimation is considerably improved using the normal distribution approach compared with the alternative method.     

Extending economic design of p charts to handle user specified constraints using a genetic algorithm

For certain processes, the quality of the output can be monitored using attribute inspection statistical process control. Various approaches have been used to determine optimal or near-optimal parameters for such a plan. Since most of these approaches use an unconstrained model, some solutions can result in theoretical and pragmatic problems. In this paper we used Duncan's loss function as the objective function for the development of a Genetic Algorithm (GA). In addition to formulating a GA to find a solution to the model, user constraints concerning the frequency of inspection, the number of defects allowed and the production rate are used to limit the search space for the GA. The GA is selected over other search techniques such as traditional calculus-based, enumeration, or undirected random search methods because the GA is more robust than other search techniques.