[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

摘要

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。

主权项

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，其特征是按如下步骤进行：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；minX(F1(X))minX(F2(X))s.t.ximin≤xi≤ximax,i=1,2,...,D---(1)]]>式(1)中，xi为设计变量，为xi变化范围的最小值，为xi变化范围的最大值，D为设计变量的维度，X＝[x1,x2,...,xD]T为设计向量，F1(X)为区间f1I(X)的评价函数，并有：式(2)中，f1C(X)为区间f1I(X)的中点；f1W(X)为区间f1I(X)的半径；α1、β1为加权系数；φ1、分别为与f1C(X)、f1W(X)大致相同的值；式(1)中，F2(X)为区间的评价函数，并有：式(3)中，为区间的中点；为区间的半径；α2、β2为加权系数；φ2、分别为与大致相同的值；步骤2、利用所述内外层嵌套多目标粒子群算法求解所述多目标优化模型，得到多目标优化的Pareto解集前沿；步骤3、通过对所述前轮各定位参数的变化范围进行加权，建立关于前轮定位参数变化范围的评价函数，从而根据所述评价函数从所述Pareto解集前沿中选出最优的悬架硬点坐标。