基于灵敏度分析及改进遗传算法的悬架运动学仿真优化

针对某电动三厢轿车的麦弗逊式前悬架,在悬架K&C仿真试验中出现的车轮跳动转向梯度偏大易造成不足转向度过大、车轮跳动外倾梯度过大易造成轮胎磨损的悬架运动学问题进行优化。优化策略为:首先采用灵敏度分析确定优化变量,即通过试验设计方法对设计变量及响应函数进行迭代计算,通过响应面法对数据进行数学回归分析,从而确定设计变量的灵敏度,进而确定优化变量;然后基于改进的遗传算法(NSGA-II),即在传统NSGA-II算法中加入了精英保持策略,对确定出来的优化变量进行多目标优化。优化结果表明,该方法去除了相关度较小的设计变量,提高了算法精度,缩短了计算时间。