车架纵梁,横梁截面几何特性的计算

确定汽车车架纵梁、横梁截面几何特性，是汽车车架结构有限元分析计算中的重要计算步骤，本文给出了确定汽车车架纵梁，横梁截面几何特性的一种简便而实用的方法，并编制了相应的软件，可以迅速，准确地确定汽车车架纵梁，横梁截面的几何特性。     

基于NARX神经网络的路面不平度识别

为应用NARX神经网络识别路面不平度,对NARX神经网络及其训练过程和结构设计进行了分析,采用相关系数和均方根误差作为NARX神经网络识别效果的评价指标。建立了路面不平度滤波白噪声模型和汽车平顺性4自由度平面模型,通过仿真获得路面不平度和车辆响应。以可测试的车辆响应作为NARX神经网络的输入,采用正交试验设计提出确定NARX神经网络输入方案的方法,对在常用等级路面上以常用车速行驶的某汽车的前轮路面不平度进行了识别。结果表明,将可测试的车辆响应作为NARX神经网络输入,结合正交试验设计,解决了NARX神经网络最优输入方案的确定问题。     

多点虚拟激励法在整车随机振动分析中的应用

建立了9自由度整车模型,从理论上论述了多点虚拟激励法.构造了路面对整车的路面虚拟激励,求取了汽车虚拟振动响应量,并由此算出了汽车真实振动响应量的功率谱密度.结果表明,虚拟激励法在汽车随机振动分析中的应用和傅里叶分析方法同样有效,却简单得多.     

轮毂电机驱动电动汽车3种构型的平顺性分析

针对轮毂电机驱动电动汽车3种构型,对其平顺性问题展开研究。分别采用滤波白噪声方法和三角形凸块描述随机路面激励和脉冲路面激励。建立了轮毂电机驱动电动汽车3种构型的振动模型,确定了相应的平顺性评价指标。在随机路面和脉冲路面下,采用Matlab/Simulink仿真了轮毂电机驱动电动汽车3种构型的平顺性。研究结果表明,具有吸振结构的构型2和具有悬置结构的构型3与传统悬架的构型1相比,降低了轮毂电机驱动电动汽车随机路面和脉冲路面的平顺性评价指标。     

边界元法在汽车变速器齿轮弯曲问题中的应用

本文首先建立了汽车变速器齿轮弯曲分析的数学模型,并利用边界元理论,建立了相应的边界元模型;最后用该模型对某轻型车变速器齿轮的弯曲问题进行了分析计算。从而为分析和模拟汽车变速器齿轮弯曲问题提供了一种新方法。     

虚拟激励法及其在汽车随机振动应用中的探讨

论述了虚拟激励法,为探讨其应用于汽车随机振动的可行性,构造了虚拟路面激励。以1/4汽车单自由度振动系统为对象,由虚拟激励法推导出系统和振动响应量的频率响应特性,提出了求取系统振动响应量功率谱密度的新方法,给出了应用虚拟激励法求解汽车随机振动的计算实例。结果表明,虚拟激励法是比傅里叶分析方法更为简便的时频研究方法。     

脉冲路面下轮毂电机偏心对电动汽车平顺性影响

为了分析脉冲路面下轮毂电机偏心对电动汽车平顺性的影响,给出了脉冲路面车轮激励和开关磁阻电机激励的表示。建立了考虑轮毂电机质量和轮毂电机激励的电动汽车平面4自由度振动模型,推导出相应的状态方程和输出向量,确定了脉冲路面平顺性评价指标。实现了脉冲路面车轮激励和轮毂电机激励的仿真,在脉冲路面下进行了4种工况的平顺性仿真和比较。结果表明,脉冲路面下轮毂电机偏心对电动汽车平顺性有着不可忽视的影响,设计电动汽车时需要考虑轮毂电机偏心带来的负效应。     

基于RBF神经网络识别路面不平度的研究

针对应用RBF神经网络识别路面不平度的输入选择、输入方案确定和识别效果评价3个问题，提出了一种解决方法。对RBF神经网络和训练过程进行了分析，选择车辆可以测试的车辆响应作为RBF神经网络输入，引入正交试验设计确定RBF 神经网络输入方案，采用相关系数和均方根误差作为RBF神经网络识别效果的评价指标。通过采用车辆和路面不平度系统4自由度平面模型仿真获得车辆响应和前轮路面不平度，应用RBF神经网络对常用路面等级和常用车速行驶下某汽车的前轮路面不平度进行了识别。结果表明，所提出的方法解决了基于RBF神经网络识别路面不平度的3个问题，可以用于其它神经网络识别路面不平度。