基于智能算法的汽車懸架參數(shù)優(yōu)化設計研究.pdf

1、針對車輛懸架系統(tǒng)的研究現(xiàn)狀，采用仿真分析和試驗相結合的方法，對影響乘坐舒適性和路面損壞性的性能指標進行了比較系統(tǒng)的研究。在三種雄性側邊斑點蜥蜴的行為特點和繁衍生存機理研究的基礎上，提出一種仿生蜥蜴進化博弈智能算法，結合博弈機理應用于整車平順性的研究中。提出了基于改進型Elman神經(jīng)網(wǎng)絡PAC控制器，對六自由度懸架試驗平臺系統(tǒng)進行控制研究，通過實驗分析了性能指標參數(shù)對時域內輪荷利用率和頻域內相位角的影響，為懸架系統(tǒng)的設計、參數(shù)選擇等提供了

2、一種研究方法。
　?。?）建立了八自由度整車平順性運動學方程，采用白噪聲濾波法分別對三種路面等級（A、B、C）隨機激勵進行了仿真，通過對運動學方程進行求解，得到整車的模態(tài)特性和三種路面激勵輸入下各個自由度垂直位移、垂直速度、垂直加速度等振動響應量，分析了座椅、懸架、車輪等的剛度、阻尼參數(shù)變化對車輛行駛性能的影響。給出了舒適性、安全性、空間占用三個懸架性能評價指標，以及各自對應的評價內容：座椅加速度均方根值aw、相對動載荷均方根值r

3、.m.sDTL、懸架動行程；并對座椅、懸架、輪胎參數(shù)與aw、 r.m.sDTL間的關聯(lián)性進行了分析。
　?。?）提出了基于競爭合作博弈的多目標優(yōu)化方法，采用模糊聚類方法建立設計變量與目標函數(shù)間的映射因子指標，求解出各個博弈參與方各自的策略空間，所有博弈參與方遵循共同的約束協(xié)議：“利己不損人”，即各個博弈參與方都在追求自身絕對利益的最大化，同時不允許損害其它博弈參與方的相對收益，在各個博弈參與方所隸屬的策略空間中，進行目標函數(shù)的優(yōu)化

4、設計，獲得各個博弈參與方相對于其它博弈參與方的最佳對策，所有博弈參與方的最佳對策形成一輪博弈的策略組合，并根據(jù)博弈循環(huán)收斂判別，通過多次循環(huán)博弈，獲得最終的博弈解。結合車輛的乘坐舒適性、車輛對路面的損壞性和車輛平順性，以座椅加速度均方根值、輪胎相對動載荷均方根值和懸架最大動行程作為三個目標函數(shù)，采用競爭合作博弈方法進行了仿真，仿真計算結果表明了本算法的有效性。同時結合MTS320型4通道輪胎耦合道路模擬機，整車臺架、D2P（Develo

5、pment to Product）快速原型開發(fā)平臺以及數(shù)據(jù)采集成系統(tǒng)等對整車座椅加速度均方根值、輪胎相對動載荷均方根值和懸架最大動行程等進行了試驗驗證分析。
　?。?）針對競爭合作博弈中各個博弈方間的競爭合作關系，在對競爭合作博弈機理研究的基礎上，進化所體現(xiàn)出行為特征，對三種雄性側邊斑點蜥蜴的行為特點和繁衍生存機理進行仿生，把橙色喉嚨雄性側邊斑點蜥蜴擬人化為博弈論中的寡頭模型，把藍色喉嚨雄性側邊斑點蜥蜴擬人化為博弈論中的合作模型，

6、把黃色喉嚨雄性側邊斑點蜥蜴擬人化為博弈論中的投機模型，提出一種求解多目標優(yōu)化問題的仿生蜥蜴進化博弈算法。將三個設計目標視為三種進化蜥蜴，將設計變量映射為進化蜥蜴種群的染色體，通過采用計算影響因子和模糊聚類相結合方法，將染色體分割為反映三種進化雄性側邊斑點蜥蜴各自遺傳因素的基因段，根據(jù)各自在進化過程中表現(xiàn)出的行為特點，分別建立各自適應函數(shù)與三個目標函數(shù)的映射關系，用于評價三種進化蜥蜴?zhèn)€體適應自然的能力。在進化過程中，三種進化雄性側邊斑點蜥

7、蜴分別以各自的適應函數(shù)為目標進化博弈，在每輪進化博弈結束后，可求解出三種蜥蜴的最佳基因，并組建新的染色體，通過收斂準則進行收斂判斷，經(jīng)多次進化迭代后，能獲得最佳染色體，即多目標解。采用仿生蜥蜴進化博弈算法對平順性指標進行求解，仿真計算結果表明了本算法的有效性，通過整車試驗證明了：采用仿生蜥蜴進化博弈算法優(yōu)化后，時速20 m/s的工況下，座椅加速度相對于初始設計、競爭博弈設計分別下降了16.78％和11.18%，前后懸架動行程均方根值、輪

8、胎動載荷均方根值均有一定程度的下降，進而提高了乘坐舒適性和行駛安全性。
　?。?）為驗證論文提出算法的有效性，懸架參數(shù)值在時域、頻域內對輪荷利用率和相位角的影響，依托安徽工業(yè)大學液壓與控制教育部工程研究中心“六自由度液壓振動試驗臺”進行了懸架實驗驗證，系統(tǒng)主要由高頻液壓振動平臺、懸架、減振彈簧、負載質量、輪胎、液壓動力站、數(shù)據(jù)采集系統(tǒng)、PAC控制器、位移傳感器和加速度傳感器等元器件組成，并提出了一種基于改進Elman神經(jīng)網(wǎng)絡的六自

9、由度懸架試驗控制系統(tǒng)研究方法。針對基本型Elman網(wǎng)絡忽略了輸出層節(jié)點的反饋，只能滿足一階線性動態(tài)系統(tǒng)信號處理，而不能滿足多層網(wǎng)絡、多階系統(tǒng)的需求，提出了一種改進型 Elman網(wǎng)絡；結合自適應蟻群算法(ACO算法)信息素揮發(fā)因子?的大小以及啟發(fā)式尋優(yōu)特征來對改進的Elman網(wǎng)絡權值進行訓練、修正，以達到改進后Elman網(wǎng)絡模型的智能尋優(yōu)及控制目的。改進、訓練后的網(wǎng)絡增強了關聯(lián)層以及輸出層的反饋，把反饋增益作當作連接權值來實施網(wǎng)絡訓練，訓