基于烦恼率的悬架振动舒适性评价方法

现有针对汽车乘坐舒适性评价的研究主要包括人体对振动的感受程度。人体对振动的感受程度受多种因素的影响,根据普通概率统计和简单二值逻辑原则给出的振动舒适性无法反映这些不确定因素。因此,采用人对振动主观反应的模糊随机评价模型,从心理物理学的角度对这些不确定性进行分析。对传统车辆振动时的乘坐舒适性评价方法进行讨论。提出一个以烦恼率为基础的模糊随机评价模型用于人体对振动的主观响应。借助于Matlab/Simulink软件,表述一个四自由度的受到不规则路面激励的半车模型。提出一种关于汽车乘坐舒适性的新的评价方法——烦恼率评价方法。采用遗传算法神经网络与神经网络控制算法对系统进行控制。分别基于ISO 2631/1(1982)、ISO 2631-1(1997)和所提烦恼率评价方法进行仿真模拟,包括控制前后人体对振动的反应对比、烦恼率随着振动频率与加权加速度均方根值的变化。模拟评价结果表明,所提出的主动悬架系统在振动控制方面是有效的,可以将人的生观反应由十分不舒适提升到略有不舒适,而且基于烦恼率的新评价方法可以进一步定量地估计由于振动感到不适的乘客人数。提山了一个关于汽车行驶平顺性的新的分析方法。     

灵敏度在车辆动力学分析中的应用

针对系统时变与非时变参数对系统变量的影响问题,建立了四分之一车辆系统动力学模型,借助Matlab交互式高级编程语言编写函数文件实现算法,建立了路面激励仿真模型与悬架仿真模型;并以此为基础,利用灵敏度分析方法,采用一阶标准灵敏度函数形式.通过四分之一车体模型实例计算,分析在路面激励下,车身速度、车身位移与车轮位移的标准灵敏度响应,分析系统结构参数的改变对结构动态特性变化的敏感程度,提高了设计效率并减少了设计成本.     

V8发动机曲轴有限元分析

对某V8发动机曲轴进行运动学分析与动力学分析,利用Pro/Engineer软件建立三维模型,然后根据有限元理论,应用ANSYS软件分析了曲轴的静态力学性能。分析第一左缸与第三右缸爆发时的应力云图和变形图,从结果可以看出,曲轴的应力集中在轴颈与曲柄臂连接处、油孔处以及连杆轴颈中央截面处。进行模态分析,曲柄臂和主轴颈、曲柄臂和连杆颈相连处是曲轴振动中危险的区域,由振型图可以发现它们是曲轴振动中变形最大的区域。     

某乘用车悬架设计与分析

以某乘用车悬架为对象,进行悬架系统前悬架、压缩弹簧、前减震器、横向稳定杆、后悬架、空气弹簧、后减震器、扭转横梁设计,并且建立了麦弗逊前悬架三维模型、扭力梁后悬架总成,同时进行了横向稳定杆的有限元分析.     

键合图法在汽车建模与分析中的应用

将键合图理论用于汽车悬架结构分析与研究,提出了求解系统状态方程的键合图方法,以某五自由度汽车振动系统为例,应用M ATLAB/S IMUL INK软件进行仿真。分析结果表明,基于键合图方法的汽车建模与分析法有效、准确,更加方便。     

基于模糊控制策略的车辆主动悬架研究

建立了车辆整车7自由度模型的主动悬架控制的系统状态方程模型,设计了两种模糊控制策略,方法一针对整车模型,采用一种控制方法,方法二针对整车模型的运动方式,设计不同的模糊控制器,垂直振动模糊控制器,俯仰振动模糊控制器,侧倾振动模糊控制器和逻辑控制器,仿真结果表明,所设计的模糊控制器对提高车辆的舒适性与操纵稳定性有较好的效果.     

汽车振动舒适性评价研究

论述了车辆振动舒适性的评价方法,应用MATLAB/SIMULINK建立了六自由度半车系统振动模型,采用遗传算法神经网络与神经网络控制神经网络辨识算法对系统进行控制,运用ISO2631标准得到控制后振动舒适性得到较大改善的结论.研究了基于烦恼率模型的振动舒适性评价方法,得到了车辆系统在受到路面随机激励时的烦恼率模型,进一步对振动引起的不满人数进行定量评估.     

单气室变截面空气弹簧刚度特性及影响因素分析

研究膜式空气弹簧的刚度特性,分析影响膜式空气弹簧刚度的因素。活塞形状是影响膜式空气弹簧的主要因素,不同的活塞形状对应着不同的刚度特性。膜式空气弹簧的刚度特性没有统一的标准,每种活塞形状都有相对应的刚度特性。基于膜式空气弹簧的这种特点,推导出曲线回转体空气弹簧的刚度公式。其中,活塞作用高度与空气弹簧位移的关系是推导单气室变截面空气弹簧刚度特性的关键因素,提出分段推导活塞作用高度与空气弹簧位移关系的方法。在建立单气室变截面空气弹簧的模型过程中,分析活塞结构尺寸变化对单气室空气弹簧刚度特性的影响。在空气弹簧基本结构尺寸确定的条件下,活塞内锥角和活塞高度变化是影响单气室变截面空气弹簧的主要因素。     

基于改进蚁群算法的外卖配送路径规划研究

从外卖配送员角度出发提出一种改进蚁群算法(Improved Ant Colony Optimization, IACO),在此基础上进行外卖配送路径规划研究.首先通过蚁群算法(Ant Colony Optimization, ACO)求解得到初始规划路径,然后通过大规模邻域搜索算法(Large Neighborhood Search, LNS)优化初始规划路径,通过将ACO和LNS算法结合,提高求解质量.为了验证方法的有效性,对外卖配送过程进行仿真,并且选用不同订单数量场景进行对照分析.根据最优配送方案路线图和目标罚函数的最优值可以得出,IACO算法是有效的,且可以提高外卖配送员外卖配送的效率.IACO算法不但能够提升配送的智能化水平,还从外卖配送员的角度提出一种更为人性化的配送方法,支持网络互联外卖平台派送系统的可持续化发展.