1 引言
随着汽车工业的发展，乘用车行驶速度越来越高，行驶过程中车轮定位参数变化对车辆舒适性及操纵稳定性的影响也越来越大，所以乘用车的K&C特性设计已经成为国内外汽车设计开发过程中一项重要的内容，并作为一项重要的系统来预测对整车操纵稳定性能具有的直接影响。虚拟样机技术的发展，可以在车辆物理样车生产之前利用CAE模型对车辆的性能进行开发设计，然后再通过物理样车对CAE模型进行校正，实现CAE模型与实车性能的一致性，为以后产品开发提供支持。
如何在短时间内找出影响悬架K&C特性参数的变量，并加以调整改进，这是地盘研发调教人员迫切需要解决的问题。本文是利用优化工具ADAMS/lnsight模块进行灵敏度分析，确定硬点坐标与悬架K&C特性的K特性之间的关系，并针对硬点进行优化，提出改进方案，使CAE模型K&C特性仿真值接近目标特性，即实车悬架K&C特性试验值。
2 灵敏度分析概述及ADAMS/lnsight介绍
2.1灵敏度分析概述
系统的动态性能受参数变异影响的属性称为系统的灵敏度。一般指系统的参数灵敏度，即系统的参数灵敏度是系统的参数变化对系统动态性能的影响，也即参数变化对诸如系统的时间响应、状态向量、传递函数或其它系统动态性能的影响。当系统的参数变化时，机械系统的灵敏度是分析该系统的一个基本问题。关于参数变化如何影响系统的性能，对于系统的改进设计有着重要的意义。
2.2ADAMS/Insight介绍
Adams/lnsight是基于网页技术的新模块。利用该模块，可以将仿真结果置于Internet网页上，企业不同的部门人员（设计工程师、试验工程师、计划／采购／管理／销售部门人员）都可以共享分析成果，加速决策进程，最大程度地减小决策的风险。
Adams/lnsight采用的设计方案包括全参数法、部分参数法、对角线法、Plackett-Burman法，Box-Behnkn法和D-Optimal法，当采用其他软件设计机械系统时，工程师可以直接输入或通过文件输入系统矩阵对设计方案进行实验设计；可以通过扫描识别响应系统性能的灵敏参数或参数组合；可以采用响应面法(response surface methods)通过对试验数据进行数学回归分析；实验结果采用工程单位制，可以方便地输入其他试验结果进行工程分析；通过网页技术可以将仿真结果通过网页进行交流，便于企业各个部门评价和调整机械系统的性能。
3 CHC011标杆车前悬架运动学灵敏度分析及优化
下文图中，红色实线为K&C试验数据，蓝色实线为未优化的双横臂悬架仿真分析得出，黑色虚线为优化硬点坐标后的双横臂悬架仿真分析得到。对比研究的结果表明，优化后的性能参数大大优于优化前的。
3.1CHCO11标杆车前悬架模型的建立
CHC011标杆车前悬架为双横臂式独立悬架，以硬点为基础创建几何模型，定义各零件间的运动关系，确定约束类型将各零件连接起来，输入模型参数（包括弹性元件特性、四轮定位参数、转向系统参数等），完成双横臂式独立悬架系统仿真分析模型，如图1所示。
图1 CHCO11标杆车前悬架系统仿真分析模型
3.2仿真数据与试验数据对比
对前悬架仿真分析模型进行同向平行轮跳动仿真，设置悬架上下跳动距离为60mm，得到前束角和外倾角随轮跳变化的曲线，如图2、图3。
图2 前悬架前束角变化曲线
图3 前悬架外倾角变化曲线
对前悬架仿真分析模型进行反向平行轮跳动仿真，设置悬架上下跳动距离为60mm，得到前束角和外倾角随车身侧倾角变化的曲线，如图4、图5。
图4 前悬架前束角变化曲线
图5 前悬架外倾角变化曲线
从曲线可以看出CHC011前双横臂悬架仿真曲线与K&C数据曲线有一定偏差，为了整车模型仿真数据与整车操稳试验的对比，模型需要进行优化。
3.3灵敏度分析
对CHCO11标杆车前双横臂式独立悬架进行分析，从试验和实际经验可以得出，只有Uca_front，Uca_outer，Uca_rear，Tierod_inner，Tierod_outer，Lca_front，Lca_outer，Lca_rear，八点对悬架特性参数有较大的影响，其余硬点对悬架特性参数基本影响不大。因此设计试验，八个点对应x，y，Z=个坐标，共24个变量。硬点参数的优化只能在小范围内进行，本文中每个设计点的扰动范围在-3mm至3mm之间，即各硬点的优化目标区间为-3mm至3mm。
在Adams/lnsight中分组进行实验设计，这样通过筛选试验就可以将最灵敏的参数找出，下面是各响应的影响因素的灵敏性分析结果。
平行跳时Toe的主要影响因素的灵敏度结果见图6：
图6 平行跳Toe灵敏度结果
平行跳时Camber的主要影响因素的灵敏度结果见图7：
图7 平行跳Camber灵敏度结果
反向跳时Toe的主要影响因素的灵敏度结果见图8：
图8 反向跳Toe灵敏度结果
反向跳时Camber的主要影响因素的灵敏度结果见图9：
图9 反向跳Camber灵敏度结果
从上面主要影响因素的灵敏度结果中，以影响几个响应的共同因素和影响某个响应但不影响其他响应的因素为目的，整理出表1、表2。
表1 平行跳时悬架运动学影响因素表
表2 反向跳时悬架运动学影响因素表
从表1和表2中可以简便的整理出同向跳动和反向跳动时影响悬架运动学参数的共同因素，如表3。
表3 共同因素
在模型中依次调整每个因素并进行仿真分析后，tierod_outer.y和uca_outer.x对悬架运动学参数的优化作用不明显，故不予考虑。其它几个因素在经过多次迭代后得到扰动量，如表4。
表4 关键因素扰动量
根据灵敏度大小调整硬点、模型，在多次进行仿真对比试验数据的过程中得出：(1)硬点z坐标值为正时，对应的Effect%为正时，坐标往正的方向变化对应响应变好；Effect%为负时，坐标往负的方向变化对应响应变好。(2)硬点z坐标值为负时，对应的Effect%为正时，坐标往负的方向变化对应响应变好；Effect%为负时，坐标往正的方向变化对应响应变好。
3.4优化结果与试验数据对比
用优化后的硬点坐标修正模型，再次进行平行轮跳仿真和反向轮跳仿真。
对前悬架仿真分析模型进行同向平行轮跳动试验，设置悬架上下跳动距离为60mm，得到前束角和外倾角随轮跳变化的曲线，如图6、图7。
对前悬架仿真分析模型进行反向平行轮跳动试验，设置悬架上下跳动距离为60mm，得到前束角和外倾角随车身侧倾角变化的曲线，如图8、图9。
图10 前悬架前束角变化
图11 前悬架外倾角变化曲线
图12 前悬架前束角变化曲线
图13 前悬架外倾角变化曲线
图10、图11、图12、图13分别为优化前后车轮前束角、外倾角的曲线图，从图中可以看出优化后模型仿真结果与K＆C试验数据基本一致。
至此，表明CAE模型K&C特性仿真值接近目标特性，即实车悬架K&C特性试验值，已达到为后续车辆开发设计提供仿真数据支持的目的。
4 结论
1、利用优化工具ADAMS/lnsight可以对悬架的硬点进行优化，并确定了各硬点-3mm至3mm的优化目标区间，且优化结果比较理想。
2、通过与车辆K特性试验数据对比，优化了ADAMS模型的精度，为悬架的开发设计、底盘调教以及对整车操纵稳定性的分析预测打下了基础。
3、在多工况、多响应、多因素的复杂灵敏度分析中为了更加便捷准确的进行优化，应尽量用简便方式（例如表格）整理出几个响应的共同因素或影响某个响应但不影响其它响应的因素。
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
相关文章
