油气悬架的不确定性多目标优化

为改善某393t矿用自卸车的平顺性能,需要优化油气悬架的非线性刚度阻尼特性,建立了更符合工程实际情况的7自由度整车模型.考虑矿用车运输过程中整车质量与质心位置的不确定性,选取对目标函数影响较大的悬架刚度和阻尼系数作为设计变量,选取整车质心加速度和车身侧倾角、车身俯仰角以及悬架的动扰度和车轮的动载荷作为目标函数,利用基于薄板样条插值的高维模型(TPS-HDMR)构建设计变量与目标函数之间的近似模型.采用基于Pareto概念的多目标优化遗传算法进行优化,得到了最优Pareto解集.仿真结果表明:多目标优化可以同时改善11个目标的性能,提高汽车的平顺性.

BPNN-HDMR非线性近似模型方法及应用

提出基于误差反向传播神经网络(Back Propagation Neural Network,BPNN)的高维模型表示(high dimensional model representation,HDMR)方法,即BPNN-HDMR方法.BPNN-HDMR方法的显著优势是将BP神经网络的非线性函数逼近能力与高维模型的层级结构理论相结合来构建近似模型,并能够揭示输入变量之间固有的线性或非线性关系及其相关性,将构造模型复杂度由指数级增长降阶为多项式级,有效地解决了高维建模问题.通过测试和对比验证了该算法的效率和建模能力,并将该算法应用于矿用自卸车安全驾驶室翻车保护装置(Roll-Over Protective Structure,ROPS)的优化设计.通过优化结果验证了所提方法的可行性和有效性.

自适应模糊控制在磁流变半主动悬架中的应用

设计了一种应用于磁流变半主动悬架的自适应模糊控制器,该控制器利用神经网络训练模糊控制规则与隶属度函数,实现了神经网络与模糊控制的优势互补。为了综合反映汽车的侧倾和俯仰性能,建立了七自由度的半主动悬架非线性动力学模型和四轮随机路面模型,采用改进型BoucWen模型模拟磁流变阻尼器。同时为了验证控制器的稳定性,加入制动模块与转向模块,可以更加真实的反映汽车的行驶路况。仿真结果表明:神经模糊控制方法能够减小悬架的动位移、车身的垂直加速度、侧倾角加速度、俯仰角加速度,提高汽车的舒适性和安全性,改善幅度高于利用隔代遗传算法优化的分数阶PID控制器控制的半主动悬架。

基于区间不确定性的车架非线性可靠性优化

采用非线性有限元分析方法,用ABAQUS软件对车架的刚度和强度进行了分析。基于分析结果选取对结构强度和质量影响比较大的梁的厚度作为区间的设计变量,把车架材料的密度和泊松比作为不确定量,利用高维模型(TPS-HDMR)构建了设计变量与应力之间的近似模型,运用Kriging模型构建了设计变量与质量的近似模型。采用遗传算法中的NSGA?Ⅱ方法和隔代遗传算法,对车架应力和质量两目标进行了优化,并加入可靠度作为约束,得到了Pareto最优解集。

基于高维模型的矿用自卸车驾驶室非线性优化

采用非线性有限元分析方法,对安全驾驶室翻车保护装置的强度进行了分析。选取对强度和总质量影响较大的矩形管厚度作为设计变量,利用基于薄板样条插值的高维模型(TPS-HDMR)构建设计变量与目标函数之间的近似模型。采用加入精英保持策略和去除重复个体的非支配排序遗传算法(NSGA?Ⅱ)对变形量和质量两目标进行优化。优化结果验证了该方法的可行性。

基于不确定性的车架单循环多目标优化

为了提高某半挂牵引车车架的力学性能并减轻重量,将不确定性方法引入车架优化中。基于车架有限元模型构建设计变量和不确定变量与目标函数之间的近似模型,用区间分析方法求解每一个目标函数的上下界,采用目标评价函数作为多目标优化问题的适应度值。采用加入精英保持策略和去除重复个体的非支配排序遗传算法(NSGA-II)对车架应力和质量两目标进行优化。最后与不确定性多目标双层嵌套优化的结果进行比较,得出区间分析方法在满足力学性能和精度要求条件下,大大提高了计算效率,并使车架质量得到有效减小。