[发明专利]一种动力总成悬置系统的设计优化方法和优化装置

摘要

本发明提供一种动力总成悬置系统的设计优化方法和优化装置，包括：建立动力总成悬置系统的空间六自由度振动模型的微分方程；根据微分方程对动力总成悬置系统的固有特性进行分析，得出固有频率、固有振型以及六个自由度之间的振动能量耦合；根据各阶固有频率、固有振型和振动能量耦合，建立动力总成悬置系统的多目标优化函数；以粒子群优化算法进行优化设计。建立动力总成悬置系统的动力学模型和优化函数，确定了以悬置模态频率的合理分布和能量的解耦程度为目标的多目标优化函数，后续采用并行优化多目标算法获得动力总成悬置系统的多目标优化方案集，使得所设计的动力总成悬置系统能够最佳的满足能量解耦和模态分布的性能要求。

主权项

一种动力总成悬置系统的设计优化方法，其特征在于，包括：步骤一，建立动力总成悬置系统的空间六自由度振动模型的微分方程：$M\left\{\stackrel{\·\·}{q}\right\}+C\left\{\stackrel{\·}{q}\right\}+K\left\{q\right\}=\left\{F\left(t\right)\right\},$其中，M为动力总成悬置系统的质量矩阵，C为动力总成悬置系统的阻尼矩阵，K为动力总成悬置系统的刚度矩阵，q为广义坐标列向量，{F(t)}为动力总成悬置系统所受的激励力列向量，为广义坐标列向量的一阶导数，为广义坐标列向量的二阶导数；步骤二，根据所述微分方程对动力总成悬置系统的固有特性进行分析，得出固有频率、固有频率对应的固有振型以及六个自由度之间的振动能量耦合；步骤三，根据各阶所述固有频率、固有振型和所述振动能量耦合，建立所述动力总成悬置系统的多目标优化函数，包括：建立六阶固有频率的目标优化函数其中，$S_i=\left\{\begin{array}{cc}{f}_i\left(\stackrel{\‾}{x}\right)-g_{\mathrm{iobj}}& f_i\left(\stackrel{\‾}{x}\right)>g_{i\max }\\ g_{i\min }-f_i\left(\stackrel{\‾}{x}\right)& f_i\left(\stackrel{\‾}{x}\right)g_{i\min }\\ 0& g_{i\min }\<f_i\left(\stackrel{\‾}{x}\right)\<g_{i\max }\end{array}\right.,$式中，为设计变量向量，为动力总成悬置系统第i阶固有频率，g_imin和g_imax分别为所述第i阶固有频率的极小值和极大值，w_i为所述第i阶固有频率的加权因子；建立振动能量解耦的目标优化函数其中，δ_i为对应第i阶固有频率的加权因子；并且$J_2=\underset{i=1}{\overset{6}{\mathrm{\Σ}}}{w}_i{S}_i$和$J_1=\underset{i=1}{\overset{6}{\mathrm{\Σ}}}{\mathrm{\δ}}_i(1.0-{\mathrm{EP}}_{\mathrm{ii}})$满足：$\left\{\begin{array}{c}\min J_1=\underset{i=1}{\overset{6}{\mathrm{\Σ}}}{\mathrm{\δ}}_i(1.0-{\mathrm{EP}}_{\mathrm{ii}})\\ \min J_2=\underset{i=1}{\overset{6}{\mathrm{\Σ}}}{w}_i{S}_i\\ k_{\mathrm{xj}\min }\≤k_{\mathrm{xj}}\≤k_{\mathrm{xj}\max }\\ k_{\mathrm{yj}\min }\≤k_{\mathrm{yj}}\≤k_{\mathrm{yj}\max }\\ k_{\mathrm{zj}\min }\≤k_{\mathrm{zj}}\≤k_{\mathrm{zj}\max }\\ x_{j\min }\≤k_j\≤x_{j\max }\\ y_{j\min }\≤y_j\≤y_{j\max }\\ z_{j\min }\≤z_j\≤z_{j\max }\\ g_{i\min }\≤f_i\≤g_{i\max }i=\mathrm{1,2},...6;j=\mathrm{1,2,2,4}\end{array}\right.,$式中，k_xj、k_yj和k_zj分别表示悬置弹性中心的x、y和z向的刚度，k_xjmin、k_yjmin和k_zjmin分别表示悬置弹性中心的x、y和z向的刚度极小值，k_xjmax、k_yjmax和k_zjmax分别表示悬置弹性中心的x、y和z向的刚度极大值；x_j、y_j和z_j分别表示悬置弹性中心的x、y和z轴的坐标，x_jmin、y_jmin和y_jmin分别表示悬置弹性中心的x、y和z轴的坐标极小值，x_jmax、y_jmax和z_jmax分别表示悬置弹性中心的x、y和z轴的坐标极大值；f_i、g_imin和g_imax分别表示悬置系统的各阶固有频率、固有频率极小值和固有频率极大值；步骤四，以粒子群优化算法对动力总成悬置系统的所述固有频率和所述振动能量耦合进行优化设计，包括：步骤4.1，以待优化的设计变量k_xj、k_yj、k_zj、x_j、y_j、z_j和f_i作为粒子构造变量空间，根据动力总成悬置系统确定的目标优化函数J₁和J₂确定设计数据，设置最大允许迭代次数、惯性权值和学习因子，或者设置适应度误差限、惯性权值和学习因子，初始化粒子的种群，给定粒子的种群的规模N，随机产生每个粒子的初始位置Xi和初始速度Vi；步骤4.2，初始化每个粒子的初始位置Xi和速度Vi，采用目标优化函数J₁、J₂产生计算每个粒子的适应度值；步骤4.3，在目标优化函数J₁和J₂的约束下计算每个粒子的两个个体极值pBest[1，i]和pBest[2，i]；步骤4.4，在目标优化函数J₁和J₂的约束下计算两个全局极值gBest1和gBest2；步骤4.5，计算两个全局极值gBest1和gBest2的全局均值gBest，以及计算gBest1和gBest2之间的距离dgBest；步骤4.6，计算每个粒子的两个个体极值pBest[1，i]和pBest[2，i]之间的距离dpBest[i]；步骤4.7，更新每个粒子的个体极值pBest[1，i]和pBest[2，i]，包括：利用更新的全局均值gBest和每个粒子的个体极值pBest[1，i]和pBest[2，i]，对每个粒子的速度Vi和位置Xi进行更新，计算方法为：V_i＝λ₁×rand₁(·)×(pBest(i)‑X_i)+λ₂×rand₂(·)×(gBest(g)‑X_i)+η×X_iX_i＝X_i+V_i式中，i为粒子规模计数；g为全局最优位置的索引号；η为惯性权重；λ₁、λ₂为学习因子；rand₁(·)、rand₂(·)为介于0与1的随机数；V_i为粒子速度；X_i为粒子位置；pBest[i]为粒子经历的个体最优位置；gBest[g]为种群经历的全局最优位置；步骤4.8，若满足停止条件则停止搜索，否则迭代运行至步骤4.2，直到获得所需结果或达到最大的迭代次数为止。