基于改进遗传算法的汽车动力总成悬置优化设计

本资料包含pdf文件1个，下载需要1积分

动力总成悬置系统将动力总成与车身及底盘弹性地连接起来，从而减小发动机工作时向汽车结构传递的振动。动力总成振动问题是提高载重汽车品质需解决的-个重要问题。很多专家学者通过各种方法来提高悬置系统的隔振性能。清华大学的徐石安提出了以能量法对发动机弹性支承进行解耦设计↑年来，基于能量法的悬置解耦方法在工程上得到快速推广和应用，产生了-系列基于能量法解耦原理的发动机悬置解耦方法 。悬置解耦算法主要在于对悬置刚度、悬置位置和悬置倾角等设计变量进行计算，得到最佳的参数组合，降低系统振动传递率。由于悬置位置相对不易改变，悬置刚度和悬置倾角在-般的悬置解耦算法中经常作为设计变量。由于悬置刚度和悬置倾角变量多，变化范围大，传统的悬置解耦算法容易存在组合爆炸的问题，不易求得最优解。

应用改进遗传算法对动力总成及驾驶室进行解耦优化设计，提高系统的解耦率。优化时以汽车悬置系统六自由度解耦为目标函数；以悬置的各向刚度为设计变量；同时，以6自由度的振动频率为约束条件，并控制关键振动方向的频率差，以此作为约束条件，进行优化计算。在优化过程中，采用最优保存策略”来加快收敛速度，使用补充策略”避免算法早熟。最后，以某型号汽车的动力总成进行解耦设计计算为例，运用改进遗传算法对悬置系统进行解耦优化设计。

2动力总成悬置及能量法解耦动力总成悬置系统将动力总成与车身及底盘弹性地连接起来，从而减小发动机工作时向汽车结构传递的振动，其动力学模型，如图 1所示。动力总成悬置的坐标系规定如下：将沿发动机曲轴并指向发动机前端的方向定义为 轴方向，指向发动机左端的方向定义为Y轴方向，指向上方的方向定义为z轴方向M。悬置系统的振动微分方程则可表示为：[M] [c] [ ] tf(t) (1)式中：[ ]、[C]、[ ]-动力总成悬置系统的质量矩阵、阻尼矩阵和刚度矩阵，矩阵维数(6×6)。 租厂-动力总成悬置系统的广义位移向量、广义速度向量、广义加速度向量以及广义激振力，均为(1x6)矩阵， l ，y，。，R ，R ，R l。

动力总成系统在工作时，主要激励为沿垂直方向的往复振动和绕曲轴旋转方向的扭振。因此，在设计悬置系统时，应该使振来稿 日期：2012-08-04基金项目：广西教育厅科研项目(201204LX110)；广西制造系统与先进制造技术重点实验室项目资助(1 1-031-12-008，12-071-11-62-005)作者简介：景 晖，(1982-)，男，河南南阳人 ，硕士，讲师，主要研究方向：机械动力学、机械精度设计132 景 晖等：基于改进遗传算法的汽车动力总成悬置优化设计 第6期动沿这两个方向而和其他自由度解耦或耦合程度尽量减小 。

图 1动力总成悬置系统模型Fig.1 The Model of PMS3改进遗传算法遗传算法 (Genetic Algorithm，GA)思想源于生物遗传学和适者生存的自然规律，是带有部分人工智能模式的搜索算法 。

鉴于传统遗传算法易陷入盲目搜索和算法早熟的等不足，采用改进遗传算法进行计算。其操作步骤如下：(1)编码结构设计：在进行搜索之前遗传算法首先进行解空间编码，即将解空间的解数据表示成遗传空间的基因型串结构(染色体)数据，这些串结构(染色体)数据的不同组合便构成了不同的点。

(2)初始群体生成：随机产生n 个初始染色体，n 个染色体构成了-个种群。GA以多个种群作为初始点开始迭代。

(3)能量函数构造：能量函数E的构造是后续选择操作”的- 个前提。实际在算法设计中，能量函数-般与实际要解决的问题紧密相连。用实际优化问题中的目标函数作为能量函数，以便于适合遗传算法的操作。

(4)选择操作：选择的目的是为了从当前群体中选出较为优良的染色体，使它们有机会作为父代为下-代繁殖子孙∩以采用能量函数的倒数作为适应度函数的构造因子，能量值越大，适应度越大。适应度函数表示如下：F：-生 (2)∑jl式中： 适应度函数；能量函数；- 其种群数。

在选择操作时，采用最优保存策略”来加快收敛速度，采用补充策略”来避免算法早熟，即算法过早收敛到局部最优解。

最优保存策略”的主要意图是：保证已有较好的解不被恶化，加快收敛速度。首先将种群中的染色体按适应度大小排序，然后，适应度最大的-部分染色体不被选择参加下面的交叉和变异操作，保留并直接进入下-轮迭代。采用该策略可以保证群体中最佳染色体的适应值不会减小，以保证算法不会陷入盲目搜索，以加快收敛速度。

补充策略”的主要意图是：避免陷入局部最优解。该算法也称为移民算法。引人移民也是-种有效的抑制早熟和维持种群多样性的手段 ，能有效地弥补交叉和变异算子在搜索性方面的缺点。其中，移民数量计算公式为171：NrInteger[exp(-at/'r )×Ⅳn] (3)式中：Ⅳ 当前所需产生的移民数量；Integer 对参数取整的函数；旷-移民曲线参数；-最大进化代数；Ⅳ -预设移民数量。

采用该策略可以避免算法过早收敛于某些超级染色体，而且可以保证种群的完整性和算法的延续性 j。

(5)交叉操作：交叉就是选择两个染色体作为父代，在这两个父代之间交换部分染色体数据。

(6)变异操作：变异首先在群体中随机选择-个染色体，对于选中的染色体以-定的概率随机地改变本身数据中某个数的值。

变异操作结束后重新计算所有染色体的适应度函数值，然后转至第四步开始新的迭代。迭代结束可以采用下面两种方法：- 个是设定迭代次数，保证在这些次数内可以得到满意解；另-种是当适应度最好的染色体的适应值在-定次数内变化率不超过-定数值，即可认为已经得到满意解。

4动力总成解耦优化设计4.1遗传算法参数设置采用所提的改进遗传算法进行处理动力总成悬置解耦问题时，首先设置优化目标。根据动力总成实际情况，优化目标设置为：解耦率最大。也就是要保证每个方向的解耦率都要满足 L述要求。然后设置约束条件。其中各方向解耦率大于70%；动力总成各自由度方向最大频率 ， 不超过 18Hz；最小频率. 不低于4Hz；Z与R 方向频率差大于0.4Hz。优化变量：悬置刚度〖虑到动力总成 4点悬置，左右对称。因此，设置前左和后左悬置的各 自三向刚度，[ ，， 。，K ， ]，作为优化变量。优化目标及约束条件设置完毕之后，根据上述要求设置遗传算法中各参数的值。首先应设置染色体的编码结构，合理的表示各个优化变量，以方便求解。因为悬置刚度在各自范围内是连续变化的，而采用遗传算法是用离散的方法处理，故编码结构的设计至关重要。本例将各控制角在其各自范围内用随机数离散表示，采用十进制数，作为其染色体编码。

根据设计要求，在使用最优保存策略时，首先将染色体按其适应度函数值大小排序，每次保留前25%，作为相对满意解，不参与下次交叉及变异操作。在使用补充策略时，首先根据移民算法，计算平均适应度函数值，依据相应规则淘汰部分适应度函数值比较差的染色体，并重新生成相应数目新的染色体放人种群，开始交叉和变异操作。依据实际情况，设置初始种群数为 100，交叉率为 0.7，变异率为0.1进行迭代计算；迭代结束条件设定为：当最优染色体的适应值在 100次变化率不超过 l%时，即可认为达到满意解，迭代结束。

4.2动力总成解耦优化针对某型号的载重汽车，首先确定相关的技术参数，然后进行解耦计算、优化设计，降低汽车的振动量级。动力总成及悬置系No.6June.2013 机械设计与制造 l33统的相关参数，如表 1～表 3所示。悬置系统左右对称布置，左右悬置刚度相等，左有悬置倾角相等。优化前后的结果对比，如表4～表 5所示。

表 1动力总成质量质心参数Tab.1 The Parameters of PMS悬置位置(ram) X Y Z 悬置倾角(。)序号 位置优化前 优化后频率 解耦率 频率 解耦率优化前优化后前左后左3837OH0前左 905.66后左 5865.1338460138.79l76.956001300399.3465937从表 4可以看出，经过改进遗传算法优化，动力总成各方向的频率控制在了设计要求之内，解耦率也满足设计指标。特别的，在z方向和 及 R 方向，解耦率有了较明显的提高。因此，所提算法可以减少系统振动耦合，有利于降低载重汽车的振动量级。

5结论对汽车动力总成的振动问题进行了分析，利用能量法的基本原理对动力总成进行六自由度的解耦，并开发了基于改进遗传算法的解耦优化设计平台。对某型号的汽车动力总成进行解耦优化设计 ，结果表明，方法可以高效地对动力总成进行优化设计，从而降低振动量级，提高汽车品质。