CN109033643A - 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法 - Google Patents
基于灵敏度分析的汽车操稳性瞬态性能参数优化方法 Download PDFInfo
- Publication number
- CN109033643A CN109033643A CN201810855973.1A CN201810855973A CN109033643A CN 109033643 A CN109033643 A CN 109033643A CN 201810855973 A CN201810855973 A CN 201810855973A CN 109033643 A CN109033643 A CN 109033643A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- automobile
- simulation model
- parameters
- representing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 238000010206 sensitivity analysis Methods 0.000 title claims abstract description 24
- 238000013507 mapping Methods 0.000 title abstract 3
- 238000004088 simulation Methods 0.000 claims abstract description 69
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 230000035945 sensitivity Effects 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims description 42
- 230000001052 transient effect Effects 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 18
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000004044 response Effects 0.000 description 12
- 238000011161 development Methods 0.000 description 5
- 239000000725 suspension Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000270295 Serpentes Species 0.000 description 1
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000013112 stability test Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
本发明提供了一种基于灵敏度分析的汽车操稳性瞬态性能参数优化方法，包括如下步骤：步骤S10、利用虚拟样机技术建立车辆动力学仿真模型，并根据汽车的实际参数对车辆动力学仿真模型的参数进行修改；步骤S20、根据汽车操纵稳定性评价指标对车辆动力学仿真模型的初始瞬态性能进行评分；步骤S30、对车辆动力学仿真模型进行灵敏度分析，筛选出灵敏度高的参数；步骤S40、通过isight优化工具对灵敏度高的参数进行优化；步骤S50、根据汽车操纵稳定性评价指标对参数优化后的车辆动力学仿真模型的瞬态性能进行评分。本发明的优点在于：在设计阶段对车辆的操纵稳定性进行优化，降低了车辆的成本，提升了安全性。
Description
技术领域
本发明涉及汽车领域，特别指一种基于灵敏度分析的汽车操稳性瞬态性能参数优化方法。
背景技术
现如今，中国已成为世界上最大的汽车贸易市场，拥有世界上最大的高速公路里程数，私家车数量越来越多，在这种大形势下，国内的人均乘车时间不断提升，广泛发生的交通事故受到了社会各界的关注，为了减少交通事故，涉及高速汽车主动安全性的操纵稳定性被提上了各国研究者的日程，在设计开发阶段就对汽车操纵稳定性(操稳性)进行最优参数开发和控制是具有非凡意义的。
操纵稳定性是主动安全性的重要维度之一，因此对操纵稳定性的研究是非常有必要的。计算机技术的出现促进了多体动力学分析软件的发展，使得工程师可以便捷的使用虚拟样机技术进行仿真试验，在汽车设计之初就可以找到提升汽车性能的方法。再者，世界经济已经进入全球化时代，公司要想在激烈的全球市场竞争中生存与发展，必须千方百计的提高产品质量、降低成本和能耗、缩短研发周期，获取最大的经济效益。
目前，汽车操纵稳定性主要是依靠场地实车实验，这种方法存在有如下问题：1、此时车辆整车性能基本确定，留给工程师优化的空间有限，为此还要付出大量的人力、物力、财力。2、实车试验需要驾驶员操纵汽车，会带来试验数据的差异性，试验数据的差异性会对汽车的性能评价产生影响。3、因为安全性的问题，一些汽车操纵稳定性的极限试验在实际中无法开展。
发明内容
本发明要解决的技术问题，在于提供一种基于灵敏度分析的汽车操稳性瞬态性能参数优化方法，通过该方法在设计阶段对车辆的操纵稳定性进行优化，以降低车辆的成本，提升安全性。
本发明是这样实现的：一种基于灵敏度分析的汽车操稳性瞬态性能参数优化方法，包括如下步骤：
步骤S10、利用虚拟样机技术建立车辆动力学仿真模型，并根据汽车的实际参数对车辆动力学仿真模型的参数进行修改；
步骤S20、根据汽车操纵稳定性评价指标对车辆动力学仿真模型的初始瞬态性能进行评分；
步骤S30、对车辆动力学仿真模型进行灵敏度分析，筛选出灵敏度高的参数；
步骤S40、通过isight优化工具对灵敏度高的参数进行优化；
步骤S50、根据汽车操纵稳定性评价指标对参数优化后的车辆动力学仿真模型的瞬态性能进行评分。
进一步地，所述步骤S30具体为：
步骤S31、对车辆动力学仿真模型进行蛇形仿真试验，通过汽车操纵稳定性评价指标对蛇形仿真试验进行评分，使用评分结果筛选出灵敏度较高的第一参数组；
步骤S32、对车辆动力学仿真模型进行转向角脉冲输入仿真试验，通过汽车操纵稳定性评价指标对转向角脉冲输入仿真试验进行评分，使用评分结果从第一参数组中进一步筛选出灵敏度最高的第二参数组。
进一步地，所述步骤S31中，所述通过汽车操纵稳定性评价指标对蛇形仿真试验进行评分具体为：
蛇形仿真试验评分：TM＝2×(2×Nr+θ)÷3，
其中，Nr表示在基准车速下平均横摆角速度；θ表示在基准车速下平均转向盘转角；rj表示在有效标桩区域内，横摆角速度时间历程曲线峰值；θj表示在有效标桩区域内，转向盘转角时间历程曲线峰值；j表示求和范围，1≤j≤4；TM或者TM的方差越小，表示汽车稳健性越好。
进一步地，所述步骤S32中，所述通过汽车操纵稳定性评价指标对转向角脉冲输入仿真试验进行评分具体为：
转向角脉冲输入仿真试验评分具体包括一共振频率评分、一超调量评分以及一相位滞后角评分；
共振频率评分：
超调量评分：
相位滞后角评分：
其中，f100表示共振频率的上限值，f100＝1.3HZ；f60表示共振频率的下限值，f60＝0.7HZ；fp表示p点处的共振频率；D60表示谐振峰水平的上限值，D60＝5dB；D100表示谐振峰水平的下限值，D100＝2dB；D表示谐振峰水平，g表示加速度，Ap表示频率为fp时的横摆角速度增益，A0表示频率为0时的横摆角速度增益；α表示相位滞后角；α60表示相位滞后角的上限值，α60＝60°；α100表示相位滞后角的下限值，α100＝20°；
当Nf＞100时，将100赋值给Nf；当ND＞100时，将100赋值给ND；当Nα＞100时，将100赋值给Nα；
Nf越大，通频带越宽；ND越小，低频段的幅频特性曲线越平直；Nα越小，汽车对驾驶员反应的灵活性越高。
进一步地，所述步骤S40具体为：通过isight优化工具调用Hooke-Jeeves直接搜索法、修正可行方向法或者遗传算法对第二参数组进行优化。
本发明的优点在于：
1、通过所述虚拟样机技术建立车辆动力学仿真模型，在设计阶段对车辆的操纵稳定性进行优化，降低了车辆的成本，提升了安全性。
2、通过isight优化工具，使得系统内部可自行选择最适合的算法对第二参数组进行优化。
3、通过对汽车进行灵敏度分析，筛选出灵敏度高的参数进而进行优化，使得优化有针对性，事半功倍。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1是本发明基于灵敏度分析的汽车操稳性瞬态性能参数优化流程图。
图2是本发明横摆角速度频率响应曲线仿真图。
图3是本发明参数优化收敛曲线仿真图。
具体实施方式
请参照图1至图3所示，本发明基于灵敏度分析的汽车操稳性瞬态性能参数优化方法的较佳实施例，包括如下步骤：
步骤S10、利用虚拟样机技术建立车辆动力学仿真模型，并根据汽车的实际参数对车辆动力学仿真模型的参数进行修改，使得汽车产品在开发的早期阶段就能实现参数的模拟与优化；
步骤S20、根据汽车操纵稳定性评价指标对车辆动力学仿真模型的初始瞬态性能进行评分，用于评价优化前与优化后汽车的瞬态性能提升程度；汽车瞬态性能评分参考QC/T480-1999汽车操稳性限值与评价方法；
步骤S30、对车辆动力学仿真模型进行灵敏度分析，筛选出灵敏度高的参数；
步骤S40、通过isight优化工具对灵敏度高的参数进行优化，能使优化事半功倍；
步骤S50、根据汽车操纵稳定性评价指标对参数优化后的车辆动力学仿真模型的瞬态性能进行评分，将该评分与汽车的初始瞬态性能评分进行对比可直观的反应优化效果。
所述步骤S30具体为：
步骤S31、对车辆动力学仿真模型进行蛇形仿真试验，通过汽车操纵稳定性评价指标对蛇形仿真试验进行评分，使用评分结果筛选出灵敏度较高的第一参数组；蛇形仿真试验主要原理是让汽车连续通过预先设置的障碍桩，通过对车速、方向盘转角、汽车的横摆、车身姿态的稳定性等数据的测量与监测，借以考察汽车操控稳定性的性能好坏；
步骤S32、对车辆动力学仿真模型进行转向角脉冲输入仿真试验，通过汽车操纵稳定性评价指标对转向角脉冲输入仿真试验进行评分，使用评分结果从第一参数组中进一步筛选出灵敏度最高的第二参数组。
所述步骤S31中，所述通过汽车操纵稳定性评价指标对蛇形仿真试验进行评分具体为：
蛇形仿真试验评分：TM＝2×(2×Nr+θ)÷3，
其中，Nr表示在基准车速(65KM/H)下平均横摆角速度，单位为deg/s；θ表示在基准车速(65KM/H)下平均转向盘转角,单位为deg；rj表示在有效标桩区域内，横摆角速度时间历程曲线峰值,单位为deg/s；θj表示在有效标桩区域内，转向盘转角时间历程曲线峰值,单位为deg；j表示求和范围，1≤j≤4；TM或者TM的方差越小，表示汽车稳健性越好。
所述步骤S32中，所述通过汽车操纵稳定性评价指标对转向角脉冲输入仿真试验进行评分具体为：
转向角脉冲输入仿真试验评分具体包括一共振频率评分、一超调量评分以及一相位滞后角评分；
共振频率评分：
超调量评分：
相位滞后角评分：
其中，f100表示共振频率的上限值，f100＝1.3HZ；f60表示共振频率的下限值，f60＝0.7HZ；fp表示p点处的共振频率；D60表示谐振峰水平的上限值，D60＝5dB；D100表示谐振峰水平的下限值，D100＝2dB；D表示谐振峰水平，g表示加速度，Ap表示频率为fp时的横摆角速度增益，A0表示频率为0时的横摆角速度增益；α表示相位滞后角；α60表示相位滞后角的上限值，α60＝60°；α100表示相位滞后角的下限值，α100＝20°；
当Nf＞100时，将100赋值给Nf；当ND＞100时，将100赋值给ND；当Nα＞100时，将100赋值给Nα；
Nf越大，通频带越宽；ND越小，低频段的幅频特性曲线越平直；Nα越小，汽车对驾驶员反应的灵活性越高。
灵敏度分析思路是通过一系列确定性试验拟合一个响应面来模拟真实的极限状态曲面：
假设其中，Z表示结构响应；a0、ai、aij为待定系数，1≤i≤R，i≤j≤R，R为正整数；Qi、Qj为系统随机参量。
采用矩阵法对每个随机变量取三个水平点，取中心所在点和边中心所在点作为样本值点。
正太分布的变量其中，μ表示平均值；σ表示标准差，表示标准正态分布函数；pn表示水平点。
对参变量的S个样本点数值进行模拟，得出s个输出点(Z1，Z2，…，ZS)，对数据进行回归分析：
令求解出a0、ai、aij并带入公式Z，求出函数关系。
这里考察零部件响应y对零部件参数(x1,x2,…,xm)的灵敏度，其中m为正整数。首先指定每个零部件参数的概率分布函数，即每个零部件参数的取值分布。假设进行n次随机模拟运算，得到n个结构响应数值(y1,y2,…,ym)，其中，第i次模拟运算的零部件响应为yi，零部件参数为x1i,x2i,…,xmi，1≤i≤n。
由第j个结构参数n次随机模拟运算的样本值xj1,xj2,…,xjm和n次随机模拟运算结构响应样本值y1,y2,…,yn构成m个数据对：对于每个数据对，利用系统函数式Z求得其Spearman秩相关系数rsj。
rsj反应了零部件响应y和第j个零部件参数之间的相关性，rsj为正，表示零部件响应随零部件参数xj的增大而增大，零部件响应随零部件参数xj的减小而减小；|rsj|反应了零部件响应y和零部件参数xj的相关程度，即灵敏度，|rsj|越大，表示零部件响应y对于零部件参数xj越敏感。
所述步骤S40具体为：通过isight优化工具调用Hooke-Jeeves直接搜索法、修正可行方向法或者遗传算法对第二参数组进行优化。Hooke-Jeeves直接搜索法开始于一个估计点，结束于一个局部最小点；修正可行方向法用来解决约束优化问题，并且可以查看收敛性，保证参数可靠；遗传算法是依据达尔文的进化理论，在给出的设计区间内逐次迭代计算，根据目标函数所求最大或者最小值，得出最优解。
本发明工作原理：
利用虚拟样机技术根据表1中汽车的实际参数建立车辆动力学仿真模型：
表1汽车实际参数
根据GBT6323—1994汽车操稳性试验方法对车辆动力学仿真模型进行转向角脉冲输入仿真试验。选择方向盘转角为输入，汽车横摆角速度为输出绘制伯德图，得到横摆角速度频率响应曲线仿真图(如图2)。从图2中可以看出此模型共振峰值较小，共振频率为0.2Hz左右，相角滞后量较小，得出此模型的横摆角速度共振频率太小，不能满足要求。
对汽车进行灵敏度分析，由于影响整车操纵稳定性的参数很多，而在汽车操稳性的各项试验中蛇形试验最能体现整车的操纵稳定性，所以先利用蛇形试验选出整车中对操纵稳定性灵敏度较大的参数。蛇形试验按TM＝2×(2×Nr+θ)÷3进行评分。设置65km/h的车速对车辆动力学仿真模型进行蛇形仿真试验，灵敏度分析试验共分为4组，分别考察前悬架硬点、后悬架硬点、整车属性文件(衬套特性、缓冲块特性等)和其他参数(车身、制动系统、转向系统、动力及传动系统相关参数)，试验结果如表2所示：
表2蛇形仿真实验灵敏度分析结果
为了进一步缩小范围，根据蛇形仿真试验结果将初步筛选出来的设计变量，使用转向角脉冲输入仿真试验进行二次灵敏度分析。选择共振频率处的相位滞后角评分Nα、超调量评分ND和共振频率评分Nf为目标函数。选择蛇形试验初步筛选出的硬点值和参数值为设计变量；进行第二次灵敏度分析，分析结果绝对值最大的15个设计变量如表3所示：
表3高灵敏度参数
选择至少影响两个目标函数的序号为6、8、9和11的参数作为前悬架设计变量；选择使设计变量能均衡影响三个目标函数的序号为12、13、14和15的参数作为后悬架设计变量。
通过isight优化工具调用Hooke-Jeeves直接搜索法、修正可行方向法或者遗传算法，对序号为6、8、9、11、12、13、14、15的参数进行优化。为了找到最优解，按照设计变量数值的大小与实际工况的要求，让8个设计变量在尽可能大的范围内变化，经过122次迭代计算得到了最优解，其设计可行性指标为9，是全局最优解，参见图3。设计变量的选择、优化前后的客观评价结果如表4所示：
表4优化前后客观评价值
根据优化前后的客观评价值可以看出：Nα与ND的评分值有较小的下降，Nf的评价值有很大的提升，即车辆动力学仿真模型的综合性能得到了显著提升，这也表明参数优化奏效了，优化后参数值将是优化后的设计方案。
综上所述，本发明的优点在于：
1、通过所述虚拟样机技术建立车辆动力学仿真模型，在设计阶段对车辆的操纵稳定性进行优化，降低了车辆的成本，提升了安全性。
2、通过isight优化工具，使得系统内部可自行选择最适合的算法对第二参数组进行优化。
3、通过对汽车进行灵敏度分析，筛选出灵敏度高的参数进而进行优化，使得优化有针对性，事半功倍。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。
Claims (5)
1.一种基于灵敏度分析的汽车操稳性瞬态性能参数优化方法，其特征在于：包括如下步骤：
步骤S10、利用虚拟样机技术建立车辆动力学仿真模型，并根据汽车的实际参数对车辆动力学仿真模型的参数进行修改；
步骤S20、根据汽车操纵稳定性评价指标对车辆动力学仿真模型的初始瞬态性能进行评分；
步骤S30、对车辆动力学仿真模型进行灵敏度分析，筛选出灵敏度高的参数；
步骤S40、通过isight优化工具对灵敏度高的参数进行优化；
步骤S50、根据汽车操纵稳定性评价指标对参数优化后的车辆动力学仿真模型的瞬态性能进行评分。
2.如权利要求1所述的基于灵敏度分析的汽车操稳性瞬态性能参数优化方法，其特征在于：
所述步骤S30具体为：
步骤S31、对车辆动力学仿真模型进行蛇形仿真试验，通过汽车操纵稳定性评价指标对蛇形仿真试验进行评分，使用评分结果筛选出灵敏度较高的第一参数组；
步骤S32、对车辆动力学仿真模型进行转向角脉冲输入仿真试验，通过汽车操纵稳定性评价指标对转向角脉冲输入仿真试验进行评分，使用评分结果从第一参数组中进一步筛选出灵敏度最高的第二参数组。
3.如权利要求2所述的基于灵敏度分析的汽车操稳性瞬态性能参数优化方法，其特征在于：
所述步骤S31中，所述通过汽车操纵稳定性评价指标对蛇形仿真试验进行评分具体为：
蛇形仿真试验评分：TM＝2×(2×Nr+θ)÷3，
其中，Nr表示在基准车速下平均横摆角速度；θ表示在基准车速下平均转向盘转角；rj表示在有效标桩区域内，横摆角速度时间历程曲线峰值；θj表示在有效标桩区域内，转向盘转角时间历程曲线峰值；j表示求和范围，1≤j≤4；TM或者TM的方差越小，表示汽车稳健性越好。
4.如权利要求2所述的基于灵敏度分析的汽车操稳性瞬态性能参数优化方法，其特征在于：
所述步骤S32中，所述通过汽车操纵稳定性评价指标对转向角脉冲输入仿真试验进行评分具体为：
转向角脉冲输入仿真试验评分具体包括一共振频率评分、一超调量评分以及一相位滞后角评分；
共振频率评分：
超调量评分：
相位滞后角评分：
其中，f100表示共振频率的上限值，f100＝1.3HZ；f60表示共振频率的下限值，f60＝0.7HZ；fp表示p点处的共振频率；D60表示谐振峰水平的上限值，D60＝5dB；D100表示谐振峰水平的下限值，D100＝2dB；D表示谐振峰水平，g表示加速度，Ap表示频率为fp时的横摆角速度增益，A0表示频率为0时的横摆角速度增益；α表示相位滞后角；α60表示相位滞后角的上限值，α60＝60°；α100表示相位滞后角的下限值，α100＝20°；
当Nf＞100时，将100赋值给Nf；当ND＞100时，将100赋值给ND；当Nα＞100时，将100赋值给Nα；
Nf越大，通频带越宽；ND越小，低频段的幅频特性曲线越平直；Nα越小，汽车对驾驶员反应的灵活性越高。
5.如权利要求2所述的基于灵敏度分析的汽车操稳性瞬态性能参数优化方法，其特征在于：
所述步骤S40具体为：通过isight优化工具调用Hooke-Jeeves直接搜索法、修正可行方向法或者遗传算法对第二参数组进行优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810855973.1A CN109033643B (zh) | 2018-07-31 | 2018-07-31 | 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810855973.1A CN109033643B (zh) | 2018-07-31 | 2018-07-31 | 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109033643A true CN109033643A (zh) | 2018-12-18 |
| CN109033643B CN109033643B (zh) | 2022-07-15 |
Family
ID=64647985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810855973.1A Expired - Fee Related CN109033643B (zh) | 2018-07-31 | 2018-07-31 | 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109033643B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109472846A (zh) * | 2018-12-27 | 2019-03-15 | 燕山大学 | 用matlab处理扫频数据获得伯德图的方法 |
| CN110147600A (zh) * | 2019-05-13 | 2019-08-20 | 桂林电子科技大学 | 基于典型冲击工况的载货汽车动力学模型修正方法 |
| CN112182742A (zh) * | 2020-09-06 | 2021-01-05 | 东风汽车集团有限公司 | 一种汽车平顺性测试的优化评价方法及装置 |
| CN112784442A (zh) * | 2021-03-01 | 2021-05-11 | 南京道发科技有限公司 | 一种基于大数据的仿真分析方法及系统 |
| CN114212094A (zh) * | 2021-11-29 | 2022-03-22 | 东风商用车有限公司 | 一种基于mpc控制的车辆加速度管理方法 |
| AT525592A1 (de) * | 2021-11-09 | 2023-05-15 | Avl List Gmbh | Verfahren zum Erzeugen eines virtuellen Prototyps eines Fahrzeugs |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1840552A2 (en) * | 2006-03-31 | 2007-10-03 | The Yokohama Rubber Co., Ltd. | Tire transient response data calculating method, data processing method, tire designing method, vehicle motion predicting method, and tire cornering characteristic evaluation method and evaluation device therefor |
| CN104834779A (zh) * | 2015-05-05 | 2015-08-12 | 柳州宏开汽车科技有限公司 | 一种基于灵敏度分析的悬架硬点设计方法 |
| CN106980744A (zh) * | 2017-05-25 | 2017-07-25 | 电子科技大学 | 汽车动力学仿真分析中操纵稳定性和平顺性协同优化方法 |
| CN107169223A (zh) * | 2017-06-02 | 2017-09-15 | 吉林大学 | 基于汽车操纵稳定性试验评价系统的车辆参数调教方法 |
| CN107862152A (zh) * | 2017-11-20 | 2018-03-30 | 中车株洲电力机车有限公司 | 非线性的抗蛇形减振器的结构参数优化设计方法 |
-
2018
- 2018-07-31 CN CN201810855973.1A patent/CN109033643B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1840552A2 (en) * | 2006-03-31 | 2007-10-03 | The Yokohama Rubber Co., Ltd. | Tire transient response data calculating method, data processing method, tire designing method, vehicle motion predicting method, and tire cornering characteristic evaluation method and evaluation device therefor |
| CN104834779A (zh) * | 2015-05-05 | 2015-08-12 | 柳州宏开汽车科技有限公司 | 一种基于灵敏度分析的悬架硬点设计方法 |
| CN106980744A (zh) * | 2017-05-25 | 2017-07-25 | 电子科技大学 | 汽车动力学仿真分析中操纵稳定性和平顺性协同优化方法 |
| CN107169223A (zh) * | 2017-06-02 | 2017-09-15 | 吉林大学 | 基于汽车操纵稳定性试验评价系统的车辆参数调教方法 |
| CN107862152A (zh) * | 2017-11-20 | 2018-03-30 | 中车株洲电力机车有限公司 | 非线性的抗蛇形减振器的结构参数优化设计方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109472846A (zh) * | 2018-12-27 | 2019-03-15 | 燕山大学 | 用matlab处理扫频数据获得伯德图的方法 |
| CN109472846B (zh) * | 2018-12-27 | 2022-11-29 | 燕山大学 | 用matlab处理扫频数据获得伯德图的方法 |
| CN110147600A (zh) * | 2019-05-13 | 2019-08-20 | 桂林电子科技大学 | 基于典型冲击工况的载货汽车动力学模型修正方法 |
| CN110147600B (zh) * | 2019-05-13 | 2022-07-05 | 桂林电子科技大学 | 基于典型冲击工况的载货汽车动力学模型修正方法 |
| CN112182742A (zh) * | 2020-09-06 | 2021-01-05 | 东风汽车集团有限公司 | 一种汽车平顺性测试的优化评价方法及装置 |
| CN112182742B (zh) * | 2020-09-06 | 2022-04-26 | 东风汽车集团有限公司 | 一种汽车平顺性测试的优化评价方法及装置 |
| CN112784442A (zh) * | 2021-03-01 | 2021-05-11 | 南京道发科技有限公司 | 一种基于大数据的仿真分析方法及系统 |
| AT525592A1 (de) * | 2021-11-09 | 2023-05-15 | Avl List Gmbh | Verfahren zum Erzeugen eines virtuellen Prototyps eines Fahrzeugs |
| CN114212094A (zh) * | 2021-11-29 | 2022-03-22 | 东风商用车有限公司 | 一种基于mpc控制的车辆加速度管理方法 |
| CN114212094B (zh) * | 2021-11-29 | 2023-09-29 | 东风商用车有限公司 | 一种基于mpc控制的车辆加速度管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109033643B (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109033643B (zh) | 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法 | |
| CN113010967B (zh) | 一种基于混合交通流模型的智能汽车在环仿真测试方法 | |
| CN111581859B (zh) | 一种悬架耦合非线性商用车的平顺性建模分析方法及系统 | |
| CN109117557B (zh) | 一种悬架橡胶衬套优化方法 | |
| CN111444623B (zh) | 一种阻尼非线性商用车悬架动力学的协同优化方法及系统 | |
| CN103902820A (zh) | 一种组合路况下车辆结构疲劳损伤计算的当量系数法 | |
| CN107169223A (zh) | 基于汽车操纵稳定性试验评价系统的车辆参数调教方法 | |
| CN116702096B (zh) | 车辆高原环境道路滑行阻力测算方法及装置 | |
| CN107480395A (zh) | 一种车辆转向节载荷谱预测模型的构建方法及系统 | |
| Llopis-Albert et al. | Multiobjective optimization framework for designing a vehicle suspension system. A comparison of optimization algorithms | |
| CN110020466A (zh) | 基于代理模型的负泊松比结构吸能盒协同优化设计方法 | |
| Wang et al. | Crashworthiness-based multi-objective integrated optimization of electric vehicle chassis frame | |
| Gil Gómez et al. | Objective metrics for vehicle handling and steering and their correlations with subjective assessments | |
| CN103434585A (zh) | 客车车身结构减重方法 | |
| CN110414052A (zh) | 一种基于数字样车和虚拟路谱的汽车结构疲劳寿命计算方法 | |
| JP7318076B1 (ja) | 作業条件の切り替えの車両の燃料消費量に対する影響の評価方法 | |
| CN111709160A (zh) | 一种基于卡车底盘的行驶动态性能分析优化方法及系统 | |
| CN103034754B (zh) | 车身轻量化设计的解耦模式的数据处理分组建模方法 | |
| CN115964800A (zh) | 用于车辆aeb标定的方法、装置、电子设备及存储介质 | |
| Xiong | RETRACTED ARTICLE: Vibration test and robust optimization analysis of vehicle suspension system based on Taguchi method | |
| WO2022044476A1 (ja) | 情報処理方法及び情報処理システム | |
| He et al. | Energy consumption simulation for connected and automated vehicles: Eco-driving benefits versus automation loads | |
| Lian et al. | Research on adaptive control strategy optimization of hybrid electric vehicle | |
| CN112784442A (zh) | 一种基于大数据的仿真分析方法及系统 | |
| CN112347623A (zh) | 一种模拟车辆控制的在线仿真平台及车辆控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220715 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |