[发明专利]车辆车桥的轮架上的用于两个减振装置的减振模块有效
申请号: | 202010199116.8 | 申请日: | 2020-03-20 |
公开(公告)号: | CN111716981B | 公开(公告)日: | 2023-05-30 |
发明(设计)人: | J·利博尔德;M·艾森巴特;T·维特 | 申请(专利权)人: | 保时捷股份公司 |
主分类号: | B60G21/073 | 分类号: | B60G21/073 |
代理公司: | 永新专利商标代理有限公司 72002 | 代理人: | 韩长永 |
地址: | 德国斯*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车辆 轮架 用于 两个 装置 模块 | ||
1.一种车辆的车桥的两个轮架上的用于两个减振装置(20,30)的减振模块(100),该减振模块具有第一减振回路(200),该第一减振回路具有连接到第一减振装置(20)的上部第一减振腔室(22)的上部第一减振接头(202)以及连接到该第一减振装置(20)的下部第一减振腔室(24)的下部第一减振接头(204),其中在该上部第一减振接头(202)与该下部第一减振接头(204)之间、在第一泵连接件(210)中布置有第一泵装置(212),并且在第一补偿连接件(220)中布置有彼此相反地定向的两个阀组合件(222,224),这些阀组合件各自由止回阀(RV)和能够调节的节流阀(DV)构成,该减振模块还具有第二减振回路(300),该第二减振回路具有连接到第二减振装置(30)的上部第二减振腔室(32)的上部第二减振接头(302)以及连接到该第二减振装置(30)的下部第二减振腔室(34)的下部第二减振接头(304),其中在该上部第二减振接头(302)与该下部第二减振接头(304)之间、在第二泵连接件(310)中布置有第二泵装置(312),并且在第二补偿连接件(320)中布置有彼此相反地定向的两个补偿组合件(322,324),这些补偿组合件各自由止回阀(RV)和可变的节流阀(DV)构成,其中在该第一减振回路(200)与该第二减振回路(300)之间还布置有连接阀(VV),该连接阀用于在分离状态(TZ)下分离这两个减振回路(200,300)并且在连接状态(VZ)下连接这两个减振回路(200,300)。
2.根据权利要求1所述的减振模块(100),其特征在于,该连接阀(VV)在该连接状态下(VZ)将这两个减振回路(200,300)交叉连接。
3.根据权利要求1或2所述的减振模块(100),其特征在于,该第一泵装置(212)具有第一驱动器(214),并且该第二泵装置(312)具有与该第一泵装置(212)独立的第二驱动器(314)。
4.根据权利要求1或2所述的减振模块(100),其特征在于,在该第一减振回路(200)中布置有用于减振流体的第一补偿容器(226),并且在该第二减振回路(300)中布置有用于减振流体的第二补偿容器(326)。
5.根据权利要求1或2所述的减振模块(100),其特征在于,该第一泵装置(212)和该第二泵装置(312)是相同的,或者这两个泵装置(212,312)的以下特征中的至少一个特征是相同的:
-泵功率,
-响应特性,
-结构类型。
6.根据权利要求1或2所述的减振模块(100),其特征在于,该第一泵装置(212)和/或该第二泵装置(312)以自锁的方式设计。
7.根据权利要求1或2所述的减振模块(100),其特征在于,这两个减振回路(200,300)被布置在共用的减振单元(10)中。
8.根据权利要求4所述的减振模块(100),其特征在于,所述第一补偿容器(226)布置在该第一补偿连接件(220)中。
9.根据权利要求4所述的减振模块(100),其特征在于,所述第二补偿容器(326)布置在该第二补偿连接件(320)中。
10.一种用于运行根据权利要求1至9之一所述的减振模块(100)的方法,其中在该连接阀(VV)的连接状态(VZ)下,运行该第一泵装置(212)和该第二泵装置(312)以至少部分地维持或形成这两个减振回路(200,300)中的压力。
11.根据权利要求10所述的方法,其特征在于,在该连接阀(VV)的分离状态(TZ)下,使该第一泵装置(212)和该第二泵装置(312)彼此独立地运行以改变相应的减振回路(200,300)中的压力。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于保时捷股份公司,未经保时捷股份公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010199116.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:利用机器学习的纵横比转换
- 下一篇:实现神经网络卷积转置层的方法和系统