汽车悬架运动学特性参数优化方法

为解决汽车悬架运动学特性参数优化难题,提出用数学语言描述悬架运动学特性参数的约束条件,及利用牛顿迭代法进行优化的方法.该方法能快速找出所需调整的设计变量,并能快速有效地搜索到最优解,适合于多设计变量、多目标函数的优化.针对某样车后悬架前束角及外倾角存在的问题,应用该方法对目标函数影响较大的设计硬点坐标值进行优化.结果表...     

自适应滤波技术在汽车悬架振动控制中的应用

对汽车悬架振动主动控制的LMS（lesat mean square）算法进行仿真研究。基于自适应LMS算法的控制器运算简单、适应性强。正弦信号激励两自由度悬架振动系统模型，在计算机上利用matlab软件进行仿真，结果表明LMS算法能显地改善汽车悬架的性能。     

虚拟样机技术在汽车悬架分析中的应用

针对某SUV车抗点头和抗抬头性能较差,运用虚拟样机技术,建立其前后悬架虚拟样机模型。通过虚拟仿真,揭示了各自的运动学和动力学规律。在较少改动零部件的前提下,对模型中前悬架导向机构的硬点进行了调整。结果表明:将下控制臂与车架前安装点向下调整20 mm,抗点头和抗抬头性能分别提高约80%和30%。为了考察此改动对操纵稳定性的影响,建立了整车虚拟样机模型,并按照国标对稳态回转特性进行了虚拟和实车试验,结果两者吻合较好,从而验证了虚拟样机模型的正确性。此外,对前悬架改进前后的整车虚拟样机模型分别进行了转向回正及阶跃输入虚拟试验。结果表明,该改动对整车性能影响很小,前悬架导向机构硬点的调整方案,是可以接受的。     

基于转向稳定性的汽车悬架协调优化

基于试验研究建立了某款车用磁流变阻尼器的数学模型。利用多体动力学仿真软件SIMPACK建立了某款乘用客车整车多体动力学模型和虚拟仿真环境。针对半主动悬架系统和转向系统对汽车操纵稳定性的影响,提出了一种PID神经网络协调控制器,并在Matlab环境中定义了半主动悬架协调控制器与整车多体动力学模型的数据交换接口,实现了汽车半主动悬架和转向系统的协调控制。仿真结果表明:PID神经网络协调控制策略可以抑制由悬架传递的振动,调节汽车转向时车身的横摆及侧倾运动,有效地解决了汽车悬架设计中操纵稳定性与行驶平顺性之间的矛盾。     

IPSO-BP算法在半主动悬架控制中的应用

为了改善半主动悬架的性能,提出采用改进的粒子群优化(improved particle swarm optimization,IPSO)-向后传播(back propagation,BP)算法作为半主动悬架自适应控制,该算法将标准粒子群算法进行改进,用以改善粒子群全局收敛性和收敛速度,并将改进后的IPSO算法作为BP神经网络的学习算法,用于半主动悬架的自适应控制.自适应控制器采用了双神经网络单元结构,一个作为输入端的控制器,根据路面输入调节半主动悬架阻尼值,另一个作为半主动悬架的辨识器,并进行在线识别.通过该控制器进行半主动悬架自适应控制数值仿真,结果表明,基于该算法的控制器明显改善了汽车的舒适性和平顺性,使得车身的垂向加速度比粒子群优化(particle swarm optimization,PSO)-BP半主动悬架的降低了21.73%,提高了汽车悬架的性能.     

混合算法在轻钢结构优化设计中的应用

结合粒子群优化（PSO）算法快速的全局收敛性和蚁群优化（ACO）算法较强的寻优能力,提出了一种融合PSO算法和ACO算法的混合算法。首先利用PSO算法较强的全局搜索能力,产生各粒子的最优位置值;然后对ACO算法的蚂蚁总个数进行调整,在保证算法全局搜索能力的同时,避免陷入局部最优;最后利用改进的ACO算法对最优位置值做进一步优化。将该混合算法应用于轻钢结构优化设计中,建立优化设计模型。以轻钢门式框架为例,利用该模型进行优化分析,并与文献[11]中改进模拟退火算法的优化结果进行对比。结果表明,混合算法经过61次迭代后能够求出较好的全局最优解,合理可行。     

基于IPSO算法的减振器优化

提出将一种改进的粒子群优化算法应用于汽车减振器的优化中。该算法在标准粒子群算法的基础上引入了一个概率参数,使得粒子群优化算法的全局优化能力和收敛速度得到显著改善,并利用该算法对汽车减振器的主要参数进行了优化。结果表明,对减振器参数优化后,明显改善了汽车减振器压缩行程和复原行程的阻尼特性,提高了汽车的平顺性。     

基于动力学理论的轿车悬架参数优化

为提高麦弗逊式独立悬架设计效率,解决悬架的参数对悬架稳定性产生的不良影响,针对某轿车麦弗逊前悬架,应用动力学理论建立轿车的1/4悬架模型,进行车轮随机激励的跳动仿真,验证模型的准确性,然后分别对悬架弹簧刚度、阻尼、前束角、前轮外倾角和主销后倾角进行优化,研究结果表明,该悬架布置方案的优化较好地解决了模型的不合理性.     

自调整模糊控制技术在汽车悬架系统中的应用

以车辆操纵稳定性及行驶平顺性为控制目标,提出一种在线可调整的模糊控制算法,其模糊控制规则表可以用解析方法得到.该算法不仅体现了一般模糊控制算法对非线性系统具有的明显优势,而且可以利用LMS自适应模块调整模糊控制器的修正因子,改善了一般模糊控制算法对专家先期经验依赖的缺陷.通过对简化的车辆模型仿真计算分析,证明该算法对悬架系统的振动控制具有较好的效果;并在两自由度的悬架系统试验台架上进行了试验研究,结果证明,与被动悬架系统相比,LMS自适应模糊主动悬架系统簧上质量加速度均方根降低41%.     

最优预见控制设计及在汽车主动悬架控制中的应用

一个不仅考虑系统当前的状况，而且还为未来的目标或外扰加以考虑的预见控制系统，常常能取得改善控制性能和降低系统耗的双重效果，为此，作者将最优预见控制方法于汽车主动悬架控制，取得了良好效果。     

悬架系统集成平台

建立了初步的汽车悬架系统集成CAD模块,在UG环境下进行典型悬架(双横臂悬架、麦弗逊悬架、空间五连杆悬架)主要部件的快速参数化设计。为了对悬架进行CAE、系统运动学与动力学分析,通过悬架系统集成CAD模块和ADAMS/CAR软件平台建立了双横臂独立前悬架系统仿真模型。仿真试验结果证明了该集成系统平台的有效性。     

粒子群优化BP算法在短期负荷预测中的应用

电力系统短期负荷预测是电力系统调度运营和用电服务部门的重要日常工作之一,其预测精度直接影响到电力系统运行的安全性、经济性和供电质量。为提高预测精度,本文引入一种新型的群智能方法--粒子群优化算法,并将这种智能算法与BP算法相结合,形成了粒子群优化BP算法模型,建立了计及气象因素的短期负荷预测模型。通过具体算例将此模型与单纯的BP模型进行比较,结果表明:该算法具有较高的预测精度,完全能满足实际工程的要求。     

粒子群优化BP算法在电力系统短期负荷预测中的应用

为提高电力系统短期负荷预测的精度,引入一种新型的群智能方法——粒子群优化算法,并将这种智能算法与BP算法相结合,形成了粒子群优化BP算法模型,建立了计及气象因素的短期负荷预测模型.通过具体算例将此模型与单纯的BP模型进行比较,结果表明:该算法具有较高的预测精度,完全能满足实际工程的要求.     

粒子群优化BP算法在电力系统短期负荷预测中的应用

为提高电力系统短期负荷预测的精度，引入一种新型的群智能方法——粒子群优化算法，并将这种智能算法与BP算法相结合，形成了粒子群优化BP算法模型，建立了计及气象因素的短期负荷预测模型．通过具体算例将此模型与单纯的BP模型进行比较，结果表明：该算法具有较高的预测精度，完全能满足实际工程的要求．     

重型商用车驾驶室空气悬置系统的匹配优化

采用虚拟样机技术建立了重型商用车驾驶室空气悬置多刚体动力学仿真模型,通过道路试验对仿真模型进行了验证,分析了其模态特性及乘坐舒适性。以驾驶室悬置元件刚度、阻尼为因子,运用正交试验技术对驾驶室悬置系统参数进行了匹配优化,结果表明,采用优化后的驾驶室空气悬置参数可使驾驶室的乘坐舒适性有一定程度的提高。     

汽车变速箱壳体结构拓扑优化设计

将基于变密度法的拓扑优化技术引入到汽车变速箱壳体结构设计中,同时在优化过程中考虑了制造工艺的约束。首先通过对变速箱壳体分别进行静态和动态拓扑优化来提高变速箱壳体结构的强度、刚度、固有频率以及控制结构重量。然后根据拓扑优化结果并综合考虑其制造工艺等要求,对变速箱壳体进行详细的结构设计。最后对变速箱壳体最终设计模型进行应力分析和模态分析,结果表明:该变速箱设计方案不仅在各工况下的应力水平低于材料屈服极限,而且一阶模态避开了动力总成系统共振敏感区。     

改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.     

改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.