纯电动客车电机动力总成悬置系统的优化设计

建立某纯电动客车电机动力总成悬置系统的刚体动力学模型,分析电机动力总成激励,利用Adams软件进行悬置系统模态特性和频域响应特性的仿真分析。通过工程优化软件Isight与Matlab的集成,直接使用Isight中的多岛遗传算法对电机动力总成悬置系统进行优化设计,优化后的悬置系统隔振性能得到了提高。     

基于惯性参数的动力总成悬置系统解耦分析

基于传统的动力总成悬置系统6自由度模型,可得到与6自由度相关的解耦率。而通过商业软件Adams建立动力总成悬置系统模型并利用vibration插件进行计算时,平动方向上的解耦率与传统6自由度模型相同,而转动方向上的三个分量被分解为6个与惯性参数相关的分量。基于Adams模态能量表达,用Matlab软件编写动力总成悬置系统的解耦率计算程序,利用多目标优化方法对悬置系统进行优化设计。结果表明,对悬置刚度进行优化能有效提高解耦率。     

动力总成悬置隔振设计

建立动力总成悬置系统六自由度模型,探讨用于动力总成悬置系统的优化目标,在此基础上对某国产汽车的动力总成悬置系统进行优化设计,优化后的动力总成悬置系统隔振性能优良,因此合理地选择发动机的悬置参数有利于降低发动机的振动向车内传递,进而提高车辆乘坐的舒适性。     

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。     

基于动力总成-整车模型的发动机等效激励参数识别

发动机激励的提取对于动力悬置系统的设计至关重要,但目前发动机载荷识别以逆矩阵法为主,存在工作量大、耗时较长等不足。提出了一种新的发动机激励识别的方法:建立发动机等效激励参数模型,并将该激励加载于动力总成-整车仿真模型上,从而计算出悬置上下支点振动加速度;以仿真与试验加速度的差异为目标,采用遗传算法,对等效激励的参数进行识别,从而识别出发动机多方向激励;通过引入随机因子保证发动机激励识别的准确性。运用该方法对某款轿车进行了分析,所得加速度曲线拟合度高,载荷识别结果较好;运用识别激励进行悬置优化,最终怠速频率下悬置系统的隔振性能大幅度提升。     

大客车空调压缩机悬置机构优化仿真

改进大客车常用曲轴连杆式空调压缩机悬置机构,基于与汽车动力总成悬置系统的相似性,考虑发动机振动和带传动对压缩机振动影响,建立压缩机总成—发动机集总参数模型。以系统能量解耦率为优化目标,系统固有频率和悬置刚度约束作为约束条件,悬置的三向刚度值为设计变量进行优化设计。基于ADAMS建立压缩机总成—发动机动力学模型,仿真结果表明悬置机构改进后压缩机振动减弱,优化后悬置支反力、压缩机质心纵向位移和绕转动轴角加速度明显下降,证明改进悬置机构和优化方法对压缩机隔振的可行性和有效性。     

基于运行模态法的动力总成刚体模态试验研究

介绍两种基于运行模态法的动力总成刚体模态参数识别方法,即频域分解法与时域随机状态子空间辨识法。发动机怠速工况下,运行模态法可以识别出动力总成悬置系统在垂向跳动与绕侧向俯仰的刚体模态,并且可以识别出动力总成怠速激励下的谐波模态;而动力总成受到白噪声激励,运行模态法可以识别出动力总成悬置系统的全部六自由度刚体模态。从对比可知,运行模态法识别的模态参数与常规试验模态法结果基本一致,表明利用工况激励法进行模态参数识别是行之有效的。     

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。     

动力总成悬置系统隔振优化与工程应用

针对某车辆在怠速工况下动力总成晃动较大的现象,利用ADAMS建立悬置系统仿真模型,并结合实验测试数据,验证模型的正确性。以悬置刚度参数为设计变量,以固有频率合理分配为约束,以悬置系统能量解耦和隔振传递率最小为目标,对动力总成悬置系统进行分析优化。整改后,对整车进行试验测试,结果表明,悬置系统隔振性能明显提高。     

动力总成悬置系统非线性刚度设计及优化

汽车发动机的振动对车辆乘坐舒适性具有重要影响,如何有效地隔离发动机的振动是汽车设计中非常重要的问题。常用的方法是将动力总成悬置系统的刚度按线性变化设计,但这已不能满足目前隔振设计的发展需求,针对这一现状,基于非线性数学模型,提出一种悬置系统刚度设计和优化方法。首先建立动力总成悬置系统的动力学模型,得到系统非线性振动微分方程,为了控制各工况下动力总成质心的位移,根据悬置系统非线性刚度曲线的设计要求,对各悬置非线性段位移拐点和对应刚度进行设计;然后基于能量法解耦理论,在MATLAB中利用遗传算法对动力总成悬置系统各段的刚度进行优化;最后,将优化结果与其在ADAMS软件中的仿真结果对比验证。优化结果表明,动力总成悬置系统各个方向的解耦率均能达到设计要求,各段固有频率得到合理分配。     

汽车发动机悬置系统的严格解耦与优化设计研究

目前汽车发动机动力总成悬置系统设计的主要任务是选择悬置元件的刚度、位置和角度,使悬置系统自由振动模态频率避开发动机怠速激励力频率与车身自振频率,并尽量提高各模态振型的解耦程度,从而提高悬置系统隔振效果。悬置系统按预定频率严格解耦设计是使设计出的悬置系统模态频率完全等于按汽车设计频率规划预定的频率,并使各模态的振型严格解耦,即各向振动能量的解耦度等于1。该文从悬置系统的自由振动方程出发给出了对悬置系统按预定频率严格解耦设计的方程组,利用广义逆矩阵的理论讨论该方程组解的性质,并用广义逆矩阵的方法给出该方程组的求解方法,从而提供比当前的悬置系统模态优化设计更为简便高效的优化设计方法。相应的算例验证了该文提出的按预定频率严格解耦设计方程和求解方法的正确性。     

液压挖掘机动力总成悬置系统隔振性能分析与优化

以某型国产液压挖掘机为研究对象,建立动力总成悬置系统数学模型与Adams动力学模型,仿真分析结果表明系统存在严重的耦合现象,隔振性能不理想。利用Isight软件集成Matlab,以悬置刚度参数作为设计变量,悬置系统能量解耦率为目标函数,以固有频率合理分配为约束条件,建立优化模型并开展灵敏度分析与优化分析,优化后系统解耦程度得到明显改善,优化方案对液压挖掘机动力总成悬置系统实车优化具有一定参考价值。     

动力总成悬置系统怠速隔振优化策略研究

在车型早期开发阶段,模态解耦设计是动力总成悬置系统怠速工况隔振设计的理想选择。如何选择解耦坐标系,以及制定出合理的模态优化策略是获得具有良好隔振性能悬置系统的关键。本文通过对比研究动力总成悬置系统刚体模态参数与动态悬置力响应之间的关联性,指出悬置系统模态解耦设计时提高有效性的一般性规则。     

基于能量解耦法的动力总成悬置系统优化设计

以南汽IVECO某轻型客车为例,建立动力总成悬置系统的六自由度动力学模型,根据能量解耦法推导了有关公式,对动力总成悬置参数进行优化设计,结果表明,合理地选择动力总成的悬置参数有利于降低发动机的振动向车内传递,进而提高车辆乘坐的舒适性。     

工况传递路径分析在方向盘振源识别中的应用

摘 要：针对某三缸发动机车辆怠速工况下方向盘抖动的问题,利用工况传递路径分析方法找出方向盘抖动的原因。首先采集怠速工况的动力总成悬置点和方向盘的振动加速度信号,使用奇异值分解建立了从动力总成悬置被动端到方向盘的振动传递矩阵。然后对比传递矩阵合成的振动信号与拾振点的实测信号,验证了传递矩阵的正确性。最后计算各条路径对方向盘的振动能量贡献量,结合模态分析和信号的频谱分析,发现导致方向盘抖动的主要原因是副车架的共振,为解决方向盘抖动问题提供了依据。     

基于ADAMS的发动机悬置系统设计

发动机悬置系统是影响汽车NVH性能的一个关键因素。首先介绍发动机悬置系统和能量法解耦。然后介绍系统动力学仿真分析软件ADAMS,并用一个工程实例,介绍ADAMS在其中的应用:建模,模态分析,频率分析,解耦水平分析,优化设计。     

汽车动力总成悬置系统鲁棒优化算法

应用鲁棒优化设计理论,考虑设计变量的不确定性对优化设计结果的影响,建立鲁棒优化模型。以动力总成悬置系统能量解耦为目标,悬置刚度参数为设计变量,考虑设计目标的均值和标准差,建立动力总成悬置系统的鲁棒优化模型。针对粒子群算法求解容易陷入局部最优解的问题,采用混合粒子群算法对动力总成悬置系统的悬置刚度参数进行鲁棒优化,并用Monte Carlo方法进行分析,以考察设计值的变化对目标函数的影响。结果表明,优化方法可以有效提高悬置系统的鲁棒性。     

船舶主机气囊隔振系统动态特性分析

提出了将气囊隔振器应用于船舶主机隔振，介绍了该隔振装置的特性，并进行了动力学分析。分析表明，气囊隔振系统能够大幅度减小主机激振力向船体基座的传递。在其他条件不变时，系统具有定常频率特性，各气囊压力的分布对系统固有频率、力传递特性没有影响，而对主机输出端的位移有一定影响，应该通过优化设计使联轴节的振动最小。