[发明专利]基于多目标粒子群算法的麦弗逊悬架硬点坐标优化方法

说明书

本发明公开了一种基于内外层嵌套多目标粒子群算法的麦弗逊悬架硬点坐标优化方法，包括：1、建立麦弗逊悬架硬点坐标的多目标优化模型；2、利用内外层嵌套多目标粒子群算法求解多目标优化模型，得到多目标优化的Pareto解集前沿；3、通过对前轮各定位参数的变化范围进行加权处理，建立关于前轮定位参数变化范围的评价函数，从而依据评价函数从Pareto解集前沿中选出最优硬点坐标。本发明不仅可在悬架力学参数未变化时，有效减小前轮定位参数的变化范围，进而大幅提升汽车的操纵稳定性，而且在悬架力学参数发生变化时，仍可使汽车获得良好的操纵稳定性，从而有效保证悬架硬点坐标优化设计的鲁棒性。

技术领域

本发明涉及一种基于内外层嵌套多目标粒子群算法的麦弗逊悬架硬点坐标优化方法，属于汽车被动悬架系统的几何参数优化技术领域。

背景技术

麦弗逊悬架是一种广泛应用于中小型轿车的被动悬架系统，其运动学特性对车辆操纵稳定性具有重要影响。麦弗逊悬架系统的前期开发过程中，往往先确定各零件的质量参数及弹簧、衬套、减震器、轮胎的力学参数，再布置悬架硬点的空间位置，从而使车轮在路面激励过程中定位参数的变化处于理想的范围内，减小轮胎磨损和滚动阻力，提高车辆直线行驶性能和转向操纵轻便性。

Nasiri等以减小前束角、外倾角变化范围为目的，通过随机搜索法寻找约束的最优空间位置，提高了麦弗逊悬架系统的运动学特性；Yang等设计出一种基于元模型的自适应优化方法，通过优化麦弗逊悬架的硬点坐标，有效减小了前束角、外倾角、主销内倾角、主销后倾角的变化范围；Feng等基于多体动力学软件Adams，通过试验设计(DOE)方法优化麦弗逊悬架的几何参数，实现了减小前轮定位参数变化范围的效果；Mahmoodi-Kaleibar等运用遗传算法(GA)优化双叉臂悬架的几何参数，综合改善了车辆的操纵稳定性和平顺性。

在汽车投入使用初期，弹簧刚度、轮胎径向刚度变化很小，采用上述方法确定的悬架几何参数可保证汽车的操纵稳定性。然而，随着汽车使用时间的增加，环境温度、汽车载荷的交替变化会使弹簧刚度、轮胎径向刚度发生改变，导致轮跳时车轮前束角、车轮外倾角、主销内倾角、主销后倾角的变化范围大幅增加，从而恶化汽车性能。

发明内容

本发明为克服现有技术的不足之处，提供一种基于内外层嵌套多目标粒子群算法的麦弗逊悬架硬点坐标优化方法，以期不仅能在悬架力学参数未变化时有效减小前轮定位参数的变化范围，而且在悬架力学参数发生变化时仍可使汽车获得良好的操纵稳定性，从而有效保证悬架硬点坐标优化设计的鲁棒性。

为达到上述目的，本发明采用如下技术方案：

本发明基于内外层嵌套多目标粒子群算法的麦弗逊悬架硬点坐标优化方法的特点是按如下步骤进行：

步骤1、建立麦弗逊悬架硬点坐标的多目标优化模型；

步骤1.1、根据麦弗逊悬架系统的数据，建立麦弗逊悬架系统的动力学模型；

步骤1.2、对所述动力学模型进行灵敏度分析，进而确定所述多目标优化的设计变量及不确定变量；

步骤1.3、对所述动力学模型中的前轮各定位参数分别进行DOE试验，获得在车轮跳动时前轮各定位参数绝对值最大值的仿真数据；所述前轮各定位参数为前束角、外倾角、主销内倾角、主销后倾角；

步骤1.4、基于所述仿真数据，运用支持向量回归方法建立前轮各定位参数绝对值最大值的SVR数学模型；

步骤1.5、采用区间分析方法分析所述不确定变量对悬架运动学特性的影响，从而建立如式(1)所示的面向车辆操纵稳定性的麦弗逊悬架硬点坐标的多目标优化模型；