电动车悬置可靠性优化设计

1年前浏览1058

摘要：为了提高行驶中的电动动力总成性能，对小型纯电动汽车的电动2AMT 动力总成悬置系统进行了优化。基于ADAMS多体系统软件，建立了电驱动2AMT 总成悬置系统的六自由度振动模型，并进行了载荷条件下的系统模态分析和变形仿真。根据分析结果，提高解耦率。优化目标，选择悬置的三维刚度作为设计变量，并采用粒子群遗传（PSO-GA）混合算法对悬置系统进行优化设计。仿真结果表明，优化的安装系统的解耦率可以满足设计要求。

关键词：纯电动汽车电驱动2AMT；悬挂系统; 粒子群遗传算法

1. 纯电动汽车动力总成安装系统的建模

为了便于分析，在振动分析中将三个橡胶悬置简化为弹簧。动力总成和悬置系统等效于六自由度和3 个三维弹簧。悬置系统分析涉及到的车辆坐标系，其主要是将车辆的重心为坐标系的原点，并选择与汽车行驶方向相反的方向作为X 轴，并选择汽车向前的右侧方向Y 轴，Z 轴根据右手法则确定。动力总成坐标系：以动力总成的质心为原点，X 轴与汽车的前进方向相反，曲轴中心线的方向为Y 轴，Z 轴根据右方向确定。悬置坐标系：三个弹簧的弹性中心为原点，弹性主轴方向为坐标轴方向。

2. 动力总成安装系统的仿真分析

Adams 软件用于建立悬置系统的六自由度振动模型。假设车身被磨碎，动力总成变成刚体，三个悬置部件被衬套元件代替。Adams / Vibration 模块用于计算动力总成安装系统的固有振动特性。从解耦率的角度来看，向前，横向，垂直和侧倾运动的解耦度比较高，超过90％，基本上可以实现解耦。但是，原始系统在前进方向和转弯方向上的去耦率仅为80％左右，这是不理想的，应该对其进行改进。从固有频率的角度来看，第四和第五固有频率之间的差小于1 Hz，这很容易引起模态共振，因此有必要加以改进。为了直观起见显示了系统模式形状的仿真结果，每个固有频率对应于一个模式形状

3. 动力总成悬置系统优化

由于电动汽车不同于传统汽车，因此无需考虑怠速情况。通常，优化期间必须满足以下要求：

（1）系统的固有频率分布间隔大于1 Hz；（2）能量解耦率达到90％；（3）固有频率避免了电动汽车的速度激励频率，车身悬置质量的固有频率和座椅的固有频率。通常的车速为30km / h，电极速度n = 3000 r / min，因此车速激励频率为n/ 60 = 50 Hz。通常，要求最大固有频率小于车速激励频率的35.4 Hz 的1/2。因此，电动车辆的固有频率配置范围大约为5至35Hz。

3.1 解耦率算法目标函数

为了提高悬置系统的去耦率，将其作为最佳设计目标。在对应于六个广义坐标的主要振动能量分布值的矩阵中，系统去耦率可以表示为每个广义坐标下最大能量分布值的最小值，并且该最小值与系统去耦率具有正相关。因此，将提高系统去耦率的算法目标函数定义为最大化上述最小值。

3.2 悬置系统优化设计的约束

悬置系统的刚度，安装位置和安装角度等因素都会影响系统的固有特性。但是考虑到成本，并且悬挂部件的位置通常不容易改变。

3.3 PSO-GA 混合算法常用的优化算法是遗传算法（GA）和粒子群优化算法（PSO）。尽管GA 和PSO 具有良好的优化效果。例如，在GA 算法中，未选中个人的信息将丢失。在进化的后期，由于基因丢失，该算法会过早收敛到局部优化解，全局优化效果较弱。尽管突变过程会向种群中引入新的遗传信息，但突变的可能性非常低，并且通过突变和增加的进化代数引入新基因将导致算法效率低下。在PSO 中，由于保留了所有单个最优值和全局最优值信息，因此全局最优能力很强，可以避免过早的问题。但是，PSO 没有优胜劣汰的选择功能，因此会浪费资源给不合适的人。为了提高算法的效率和效果，本文采用编译PSO-GA 混合算法的方法进行优化。在PSO 算法的基础上，将GA 选择，交叉和变异因子引入每次迭代，并选择特定数量的粒子以提高算法效率。

3.4 算法优化前后的结果比较

首先使用unifrnd 函数创建初始种群和个体速度。然后结合目标函数和约束条件获得适应度函数；其中，通过惩罚函数实现对约束条件的处理，对不满足约束条件的个体进行惩罚，使其适应度值较大，并遗传给下一代。可能性变小。然后根据适应度值计算和更新初始总体总体和个体最优解。每个粒子都会根据自身经验（个体最优解）和群体沟通（全局最优解）来调整运动方向和速度，使其接近最优值。经过上述处理后，选择，交叉和突变功能被用于对亲本进行选择，交叉和突变操作，以获得下一代种群。这等效于嵌入遗传优化算法以优化局部区域。重复上述循环，直到最初达到最大遗传代数集，并获得优化结果。

结论

本文利用拉格朗日原理和亚当斯（Adams）建立电驱动2AMT 动力总成悬置系统的六自由度振动模型，并进行了研究模态分析和动态仿真。通过使用粒子群算法和遗传算法（PSO-GA）的混合算法，优化了三种悬置刚度，提高了悬置系统的解耦率。优化后模态分析结果得出多个方向解耦率提升到了94% 以上，并且悬置系统的原本频率配置也获得了一定程度的提升。所以，PSO-GA 混合算法在悬置系统匹配分析中具备强大的适应能力，可以非常好的处置悬置件的优化设计问题。

作者：喻兴超贺怡菡

作者单位：比亚迪丰田电动车科技有限公司广东深圳 518000

来源：《汽车博览》 - 2021年1期

往期相关推荐

相关文章，在仿真秀官网搜索：

电动汽车NVH开发的关键技术介绍

纯电动汽车动力总成悬置系统设计方法

新能源电动车性能参数计算方法

电动车的驱动模式和发展趋势

免责申明：本公众号所载文章为本公众号原创或根据网络搜索编辑整理，文章版权归原作者所有。因转载众多，无法找到真正来源，如标错来源，或对于文中所使用的图片，资料，下载链接中所包含的软件，资料等，如有侵权，请跟我们联系协商或删除，谢谢！

来源：汽车NVH云讲堂