衬套刚度对扭力梁悬架模态分布影响研究

为分析和解决汽车扭力梁悬架系统振动引致的整车NVH问题,建立施加约束边界的悬架系统有限元模型并计算其系统模态。为了更确切地模拟悬架橡胶衬套在实际工作状态下所表现出的动态刚度特性,在有限元建模中提出一种衬套动刚度的当量方法,并结合试验验证阐明该方法的正确性。基于验证后的模型,以衬套刚度为影响因素,对悬架系统的低阶模态频率进行灵敏度分析,并讨论衬套刚度约束方向与模态振型之间的联系,最终揭示出衬套刚度对系统模态分布的影响规律。     

基于Stateflow模型在汽车线控转向传感器故障诊断中的应用

汽车线控转向系统与以往的传统转向系统不同,主要通过传感器来获取信号来实现转向的,因此传感器的故障诊断是汽车转向的安全性和可靠性的保证.对传感器的诊断,主要是通过建立模型,采用Stateflow故障模块,通过图形化工具来实现在不同状态之间的转换,能准确确定故障的类型.     

一种基于LSTM的汽车路噪预测方法

汽车路噪的分析与治理是NVH(Noise,Vibration And Harshness)工作的重要组成部分。由于路噪的产生机理复杂，建立机理模型较困难，故引入数据驱动方法对路噪进行研究。首先，对路噪影响因素进行剖析，界定出具有显著性的影响因素。在此基础上，运用长短时记忆神经网络算法（LSTM）揭示路噪与其影响因素间的复杂非线性关系，建立路噪预测模型。进而在粗糙沥青路面分别以40 km/h、60 km/h的车速工况采集悬架相关部件振动数据和驾驶员右耳畔噪声数据，以获得样本用于路噪模型的训练和检验。并采用Mixup数据增强策略合成新的样本，从而使样本量不足状况得到改善。进一步，对LSTM路噪预测模型进行检验与分析，测试结果均方误差为0.076 2，表明预测效果良好，证明所提方法的有效性。同时，将BPNN、SVR与LSTM预测方法进行比较，发现LSTM路噪预测模型精度更高，泛化能力更好，从而证明该方法的优越性。