基于遗传算法的汽车麦弗逊悬架的优化

遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法。文章利用遗传算法对麦弗逊悬架进行了优化。结果表明,该算法使悬架设计工作更为精确、有效。优化后,悬架系统的运动学特性得到了改善。     

基于遗传算法的汽车麦弗逊悬架的优化

遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法。利用遗传算法对麦弗逊悬架进行了优化。结果表明．该算法使悬架设计工作更为精确、有效，优化后悬架系统的运动学特性得到了改善。     

基于混合遗传算法的主动悬架集成优化研究

作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。     

基于遗传算法的车辆半主动悬架控制系统参数优化

遗传算法(Genetic Algorithm,GA)是一种基于自然群体遗传演化机制的高效优化算法,它能模拟自然界生物进化过程,依据适者生存,优胜劣汰的进化规则,采用人工进化的方式对目标群体进行遗传操作,不断得到更优群体。文章根据遗传算法基本思路,在MATLAB/Simulink中搭建了基于遗传算法的车辆半主动悬架参数优化模型,利用该算法对半主动悬架控制系统参数进行了优化,并对优化结果进行了仿真分析,结果表明,优化后车辆簧载质量加速度均方根值降低31.1%、悬架动挠度均方根值降低11.2%、轮胎动载荷均方根值降低7.1%,车辆平顺性得到提升。     

遗传算法在双横臂悬架优化中的应用

针对ADAMS软件提供的优化算法的用户接口,成功地将遗传算法(Genetic Algorithm)添加到ADAMS中;并且以降低轮胎磨损为目标,利用所添加的遗传算法对双横臂悬架进行优化设计,获得良好的优化效果。     

遗传算法及在汽车悬架参数优化设计中的应用

为了探讨遗传算法在汽车悬架参数优化设计中应用的可行性,对遗传算法的基本概念、基本步骤以及常用的基于二进制编码的遗传算法的实现方法进行了研究。以1/4汽车两自由度振动模型为对象,运用遗传算法对悬架刚度和减振器阻尼系数进行了优化求解。研究结果表明,优化后得到的车身垂直振动加速度均方根值较优化前在整个频率范围内均有较大的减小,遗传算法应用于汽车悬架参数的优化设计具有较好的效果。     

遗传算法在五连杆悬架优化中的应用

针对五连杆悬架的特点，运用多体系统动力学的理论建立了悬架的运动学分析模型，基于遗传算法开发了优化器的核心单元，并解决了它们之间的通讯和协调问题以实现在车轮上下跳动过程中车轮外倾角的运动学特性变化量与目标值之间的偏差最小作为优化设计的目标，说明了遗传算法在五连杆悬架优化中的应用。应用这种优化体系对某型轿车五连杆悬架进行了实例优化分析。     

基于平顺性的四轴重型商用车悬架参数优化

为提高车辆行驶平顺性,建立某四轴重型商用车悬架动力学模型,并对悬架参数进行优化。模型中,在车辆结构上考虑了平衡悬架和驾驶室,在悬架力学特性上考虑了阻尼非线性。采用遗传算法对车辆悬架的刚度特性和阻尼特性进行优化,优化综合考虑了车辆在不同路面等级下以不同车速行驶的平顺性。对优化前后驾驶室处垂直加速度均方值进行仿真对比,结果显示,优化后车辆行驶平顺性得到有效提高。     

基于遗传算法的空气弹簧优化设计

为满足车辆快速高效的设计要求,文章提出了某轻型客车空气弹簧基于遗传算法的优化设计。文章在保证原悬架零件通用性的前提下,空气悬架采用复合空气悬架的结构形式。通过建立空气弹簧计算数学模型,利用现有空气弹簧参数验证了仿真模型的准确性,然后利用遗传算法优化某轻型客车空气弹簧参数,最后进行样件台架和道路试验。试验结果表明,空气弹簧刚度特性符合设计要求。     

多连杆后悬副车架结构及衬套优化设计

结合某车型开发工作,针对该车型所采用的新型四连杆后悬架系统,采用先进的多学科优化技术对后桥结构及衬套刚度进行全面优化设计,并对遗传算法、模拟退火及混合多梯度探测等多目标优化算法在该系统中的应用进行了详细的对比论证。     

基于ADAMS和遗传算法的悬架硬点优化对比研究

悬架硬点坐标决定悬架运动特性和定位参数的变化,对硬点坐标进行优化对比研究。通过ADAMS对悬架进行双轮平行跳动仿真并进行DOE优化。将双横臂悬架系统简化为杆系,基于高等机构学建立悬架数学模型,通过DMU模型与数学模型进行运动参数对比,验证数学模型的正确性。并通过Matlab用遗传算法对硬点坐标进行优化,与ADAMS中的DOE模块优化效果进行对比研究,得到最优硬点坐标。     

悬架运动学特性的二阶近似区间优化

提出了采用海森矩阵近似迭代算法(DFP算法)的悬架运动学特性二阶区间优化方法.这种优化方法得到的悬架结构区间参数的中值和半径,既满足了悬架运动学特性优化的要求,又控制了其不确定性区间范围.作为这种方法的一个应用实例,对某双横臂独立前悬架的运动学特性进行优化.     

基于区间不确定性的前悬架多目标可靠性优化

为减小悬架定位参数在车轮跳动过程中的变化量,以改善整车的操纵稳定性,减小轮胎的磨损,提出了一种考虑不确定性因素的前悬架不确定性多目标优化方法。首先,在Adams/Car中建立某车轿麦弗逊式前悬架模型,并运用Adams/Insight进行悬架设计硬点参数的灵敏度分析。然后,利用基于薄板样条插值的高维模型描述技术构建了设计变量和不确定变量与目标函数之间的近似模型。最后,针对该近似模型运用双层嵌套的改进非支配排序遗传算法和隔代遗传算法进行多目标不确定性优化与可靠性优化,得到Pareto最优解集。结果表明,优化后悬架主要定位参数在车轮跳动过程中的变化量有不同程度的减小,说明整车的操纵稳定性有所改善。     

基于小生境遗传算法的两栖车辆车轮收放装置的优化

文章根据水陆两栖车辆的车轮收放装置的特点,建立改进型双横臂独立悬架的静力学和运动学模型,运用小生境遗传算法,在MATLAB中开发了多目标的优化程序,通过高次迭代排除干涉项,求取到了全局最优解。并进一步在ADAMS中建立悬架的运动学模型,验证其优化设计的可行性,仿真分析表明,优化后的结果达到悬架设计的性能指标,是一种水陆两栖车辆车轮收放装置中悬架系统的有效设计新方法。     

两种典型轿车前悬架运动特性的对比研究

为了从定性和定量的角度全面揭示麦弗逊式和双横摆臂式两种悬架的运动特性及其影响规律,以最小化车轮定位参数、侧倾中心高度和抗点头率等参数梯度的绝对值为目标,采用悬架运动学参数对硬点坐标的灵敏度分析和运用遗传算法进行运动学特性优化相结合的方法,对比分析了这两种悬架的运动学特性,通过试验验证了优化结果,最后给出了汽车开发过程中对这两种悬架选型的建议。     

基于机电惯容的车辆ISD悬架的分数阶控制系统

为改善车辆惯性容器弹簧阻尼(ISD)悬架隔振性能,改善驾驶平顺性,建立了一个1/4比例的悬架动力学模型.以乘坐舒适性为目标,搭建悬架分数阶比例积分微(PID)控制系统.考虑车身加速度、悬架动行程和轮胎动载荷等指标,用多目标遗传算法,优化求解模型参数.在Matlab/Simulink中仿真分析了悬架动态性能.结果表明:相...     

基于凯恩方法的双横臂悬架和转向机构优化

把双横臂悬架和转向系统作为整体,利用凯恩方法建立系统的多体模型,列写系统的较低序号物体阵列,建立系统运动方程。以转向总误差为目标函数,以三维连续性函数为权重函数建立系统优化模型,用遗传算法作为解算工具,对双横臂悬架和转向系统进行优化研究,并对优化前后转向误差和运动性能进行了对比。结果表明:该方法优化效果显著,可获得较佳的悬架和转向系统参数。     

基于区间分析的汽车平顺性优化

基于区间分析方法,建立了一种汽车悬架平顺性的不确定性优化模型。以悬架弹簧刚度和减振器阻尼为设计参数,车身加速度均方根值最小化为目标,悬架刚度和固有频率等为约束,并使用区间描述设计变量的制造和测量误差。利用公差指标和区间可能度,将该不确定性优化模型转化为确定性优化问题,并利用序列二次规划法和非支配排序遗传算法进行求解;在保证平顺性目标的前提下,使设计变量的对称公差最大化,以降低制造成本。最后,该方法被应用于两自由度1/4车身和7自由度整车车身悬架振动系统的平顺性优化。     

配电网无功补偿优化的混沌遗传算法

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,文章将遗传算法应用于配电网无功优化,介绍了混沌遗传算法的具体步骤,并将该算法对IEEE30节点系统进行了无功优化计算,将结果与遗传算法得到的结果进行比较,表明混沌遗传算法应用于无功优化是合理可行的。     

悬架导向机构硬点灵敏度分析及多目标优化设计

采用有限转动张量,结合矢量代数法,建立了悬架导向机构的运动学数学模型,并对硬点作灵敏度分析.从提高操纵稳定性和降低轮胎磨损的角度出发,采用微型多目标遗传算法,对悬架跳动中轮心处侧向滑移量、车轮外倾角和前束角进行优化.结果表明,仪通过一次优化就能得到满足不同偏好的悬架硬点坐标.