中型商用車后橋殼設(shè)計(jì)及力學(xué)分析【含有限元分析】【說(shuō)明書(shū)+UG】
中型商用車后橋殼設(shè)計(jì)及力學(xué)分析【含有限元分析】【說(shuō)明書(shū)+UG】,含有限元分析,說(shuō)明書(shū)+UG,中型商用車后橋殼設(shè)計(jì)及力學(xué)分析【含有限元分析】【說(shuō)明書(shū)+UG】,中型,商用,后橋,設(shè)計(jì),力學(xué),分析,有限元分析,說(shuō)明書(shū),仿單,ug
附錄A:英文資料
附錄B:英文資料翻譯
為開(kāi)發(fā)車輛質(zhì)量在線估計(jì)系統(tǒng)的試驗(yàn)評(píng)價(jià)
K-J Han1,I-K Kim1,H Y Jo2,and K-S Huh1*
1. 韓國(guó)漢城漢陽(yáng)大學(xué)的機(jī)械工程學(xué)院
2. 韓國(guó)現(xiàn)代汽車公司京畿道南陽(yáng)研發(fā)中心
在2008年8月18日收到稿件,并在2008年11月11日公布接受修訂后的件。
分類號(hào):10,1243/09544070JAUTO991
摘要:由于主動(dòng)底盤(pán)控制器也日趨復(fù)雜和精密,這些控制器的性能對(duì)汽車的慣性參數(shù)是非常敏感的,如車輛質(zhì)量,質(zhì)心高度。此外,這些參數(shù)會(huì)隨乘客的數(shù)量和不同負(fù)載情況不同而不斷變化。在本文中,為了確定任意機(jī)動(dòng)車在運(yùn)行過(guò)程中的輛車輛質(zhì)量,網(wǎng)上評(píng)價(jià)體系,提出值得考慮的駕駛條件,其中包括兩個(gè)估計(jì)算法。一個(gè)是基于在干擾觀測(cè)技術(shù)方法下用來(lái)估計(jì)的車輛縱向運(yùn)動(dòng)的遞歸最小二乘法。另一個(gè)是基于通過(guò)估算橫向速度下汽車的橫向運(yùn)動(dòng)的方法。然后,把這兩個(gè)估計(jì)算法相結(jié)合,使用遞歸最小二乘方法提取車輛質(zhì)量信息。被推薦中的評(píng)估系統(tǒng)的性能是通過(guò)實(shí)驗(yàn)測(cè)試證明的。
關(guān)鍵詞:汽車質(zhì)量,汽車動(dòng)力學(xué),評(píng)估,實(shí)驗(yàn)
1. 介紹
機(jī)箱控制器[1]的性能,如電子穩(wěn)定控制和主動(dòng)翻覆預(yù)防是非常敏感的,包括車輛的質(zhì)量,質(zhì)心高度的車輛的慣性參數(shù)[2,3],這些慣性參數(shù)會(huì)隨著乘客數(shù)量或載荷的不同而發(fā)生變化。特別是在運(yùn)動(dòng)型多用途汽車(SUVs),它們的參數(shù)會(huì)隨著車頂?shù)呢?fù)荷而顯著改變并會(huì)影響到汽車的過(guò)渡傾向。調(diào)整現(xiàn)有控制器具有的最壞情況下的控制參數(shù),以此能顯著降低處理性能。
在汽車的慣性參數(shù),如車輛的質(zhì)量,質(zhì)心高度估計(jì)方法已在相關(guān)文獻(xiàn)報(bào)道[4-11]。例如,Bae 等人。[6] 車輛行駛的道路的坡度從全球定位系統(tǒng)(GPS)的數(shù)據(jù)計(jì)算出來(lái)的,再以縱向動(dòng)力學(xué)為基礎(chǔ)來(lái)估計(jì)車輛的質(zhì)量和氣動(dòng)阻力系數(shù)。Vahidi 等。[7]使用順序遞推最小二乘法多遺留的因素來(lái)估計(jì)車輛的質(zhì)量和時(shí)間變化的公路等級(jí)。Wenzel等提出用四自由度車輛模型相結(jié)合使用來(lái)擴(kuò)展卡爾曼濾波技術(shù)來(lái)估計(jì)車輛狀態(tài)和慣性參數(shù)[9]。 介紹了一種自適式觀測(cè)器并利用四分之一的汽車縱向動(dòng)力學(xué)來(lái)估計(jì)車輛的簧載質(zhì)量 [10]。朱等人提出了遞推最小二乘算法在線估計(jì)汽車質(zhì)量和氣動(dòng)系數(shù)[11]。盡管上面的方法可以估算出車輛的質(zhì)量,但他們需要一個(gè)具體的進(jìn)行方案或一個(gè)復(fù)雜的車型,這樣會(huì)往往導(dǎo)致在執(zhí)行時(shí)自我的限制。例如,具有縱向動(dòng)力學(xué)模型的估計(jì)法只更新了在駕駛車輛的條件下的汽車質(zhì)量,而沒(méi)有轉(zhuǎn)向質(zhì)量估計(jì)算法。該擴(kuò)展卡爾曼濾波與組合使用車輛模型可能會(huì)導(dǎo)致計(jì)算負(fù)擔(dān),并使其難以實(shí)時(shí)計(jì)算。
在這項(xiàng)研究中,對(duì)車輛質(zhì)量在線和簡(jiǎn)單的估算系統(tǒng)的開(kāi)發(fā),使它可以應(yīng)用于在各種條件下的駕駛。擬議的車輛質(zhì)量評(píng)價(jià)體系包括兩個(gè)分別基于車輛的縱向和橫向運(yùn)動(dòng)的估計(jì)算法。在縱向運(yùn)動(dòng)基礎(chǔ)上的第一個(gè)算法利用干擾觀測(cè)技術(shù)來(lái)提高對(duì)干擾的魯棒性遞推最小二乘法。第二種算法是基于橫向運(yùn)動(dòng)橫向質(zhì)量計(jì)算車輛使用橫向速度的估計(jì)。最后,這兩種算法相結(jié)合,再使用遞歸最小二乘方法提取車輛質(zhì)量信息。
2.汽車質(zhì)量評(píng)估系統(tǒng)
本節(jié)介紹了車輛質(zhì)量評(píng)價(jià)系統(tǒng),設(shè)計(jì)了車輛的縱向和橫向運(yùn)動(dòng)兩種估計(jì)算法,并在此基礎(chǔ)上,結(jié)合提取的最佳車輛在各種駕駛狀況質(zhì)量信息。圖1顯示了該車輛的質(zhì)量估計(jì)系統(tǒng)的總體結(jié)構(gòu)。
汽車模型
縱向動(dòng)力學(xué)
橫向動(dòng)力學(xué)
技術(shù)方法
帶擾動(dòng)觀測(cè)RLS
卡爾曼濾波的RLS
。
。
統(tǒng)一的車輛質(zhì)量評(píng)估
圖1 車輛質(zhì)量在線估計(jì)系統(tǒng)的整體結(jié)構(gòu)
2.1基于汽車縱向運(yùn)動(dòng)的評(píng)估算法
基于汽車縱向運(yùn)動(dòng)的車輛質(zhì)量評(píng)估算法是在車輛不具有轉(zhuǎn)向加速的條件下產(chǎn)生的。縱向運(yùn)動(dòng)可以用以下公式來(lái)描述
max=Fx - Faero - Frolling -Fgrade (1)
縱向的力Fx可以從以下公式中的扭矩變流器的特性中的到。
Fx= (2)
空氣動(dòng)力反作用力Faero根據(jù)以下公式可以用Cdf的整個(gè)參數(shù)來(lái)表達(dá)
Faero= (3)
旋轉(zhuǎn)反力Frolling和地面級(jí)別的影響力Fgrade可以由以下公式求得
F=rollingmg cosroad (4)
Fgrade=mg sinroad (5)
將等式(3)至(5)代入式(1)后,并考慮到由于俯仰運(yùn)動(dòng)導(dǎo)致的加速度計(jì)信號(hào)偏移,使的縱向運(yùn)動(dòng)可以回歸形式以體現(xiàn)。
y=T· (6)
和
y=Fx (7)
T= [ax-g sinroad g ] (8)
= (9)
參數(shù)向量包括車輛質(zhì)量,也可使用測(cè)量向量并輸出y來(lái)估計(jì)。縱向力可以通過(guò)計(jì)算公式(2),如該渦輪液力變矩器泵的縱向力可從扭矩和扭矩比獲得。該泵扭矩可使用性能系數(shù)和發(fā)動(dòng)機(jī)轉(zhuǎn)速來(lái)近似。性能系數(shù)可以使用泵和渦輪轉(zhuǎn)速比的實(shí)驗(yàn)數(shù)據(jù)來(lái)計(jì)算。可測(cè)的發(fā)動(dòng)機(jī)轉(zhuǎn)速可從控制器區(qū)域網(wǎng)絡(luò)(CAN)的消息得到。公路等級(jí)也可從方程(9)來(lái)估計(jì),但它的估算的給出不太有力。在低滑范圍內(nèi)的縱向速度Vx可近似為自由滾動(dòng)的車輪的速度。在前輪驅(qū)動(dòng)車的情況下,可測(cè)后輪速度從來(lái)自CAN信息,可用為下式表示。
Vx (10)
為了考慮模型的不確定性,如干擾,未建模的動(dòng)態(tài)和參數(shù)擾動(dòng),方程(6)被修改,包括總體干擾為
y= (11)
其中η代表一個(gè)集中的干擾,可以降低估計(jì)性能。干擾觀測(cè)[12],稱為遞歸最小二乘法(RLS)的一個(gè)干擾觀測(cè)器,它是利用這樣的集中干擾估計(jì)和參數(shù)估計(jì)的補(bǔ)償
(t)=(t-1)+P(t)(t)[y(t)-T(t)(t-1)-(t)] (12)
P(t)=P(t-1)-P(t-1)(t)((I+T(t)P(t-1)·(t))-1 (13)
(t)=Q(z)[y(t)-T(t)·(t-1)] (14)
其中(t),P(t),(t)和分別表示估計(jì)的參數(shù)向量,協(xié)方差矩陣和估計(jì)干擾。該過(guò)濾器Q(z)在方程(14)是一個(gè)低通濾波器,它決定了魯棒性,能通過(guò)考慮干擾特性,采樣時(shí)間和截止頻率來(lái)設(shè)計(jì)。在這個(gè)研究中,以階濾波器用作計(jì)算一下參數(shù)
Q(z)= (15)
和
a1=, b1=, = (16)
其中h和分別表示采樣時(shí)間和截止頻率。帶有干擾的RLS觀察器,如上方的方程(12)至(14),根據(jù)提供抵抗集中干擾穩(wěn)健估計(jì)的性能是可以知道的。由于輸入包括加速度計(jì)和輪速信號(hào),它提供了足夠的持續(xù)激勵(lì)條件的順序。
2.2基于車輛橫向運(yùn)動(dòng)的評(píng)估算法
在這一部分介紹的是基于車輛橫向運(yùn)動(dòng)的質(zhì)量評(píng)估算法。當(dāng)車輛以恒定縱向車速旋轉(zhuǎn)時(shí),以兩個(gè)自由度(2-DOF)自行車模型,如圖2所示??梢越泼枋鰝?cè)向運(yùn)動(dòng)達(dá)到了一定的極限(如a≤0.3g)
圖2. 車輛橫向動(dòng)力學(xué)
二自由度車輛模型的橫向移動(dòng)可以通過(guò)方程[13]給出。
may=Fyf+cosδf+Fyr (17)
在這個(gè)模型中,空氣阻力和傾向效果被忽略。然而,根據(jù)以下方程,用RLS方法能估計(jì)出車輛的質(zhì)量。
Fyfcosδf+Fyr=ay (18)
根據(jù)上述方程對(duì)評(píng)估車輛質(zhì)量的結(jié)論需要關(guān)于輪胎的橫向力,橫向加速度和轉(zhuǎn)向角度的數(shù)據(jù)。橫向加速度計(jì)測(cè)量的信號(hào)和轉(zhuǎn)向角,都能從CAN信息中獲得,并可以使用。如果滑移角小[13],輪胎外側(cè)的力量可以被假定為是和滑移角成正比的,并可以通過(guò)下式證明。
Fyf=f
Fyr=r (19)
其中滑移角f和r通過(guò)下式定義
f=-δf
r= (20)
由上式可知,滑移角的得到需要了解車輛縱向和橫向速度。通過(guò)以上討論,縱向車速可從方程(10)中獲得。基于自行車模型
=+f (21)
橫向速度估計(jì)使用卡爾曼濾波技術(shù)[15]來(lái)確定,其精度從已給定的縱向速度和橫擺角速度范圍驗(yàn)證。上述模型利用虛擬的車輛質(zhì)量和最后更新車輛質(zhì)量信息的兩者之一。根據(jù)近似估計(jì)的縱向速度和橫向速度,可以計(jì)算輪胎的側(cè)向力方程(19),從方程(18)車輛質(zhì)量可以通過(guò)遞歸估計(jì)。
2.3質(zhì)量評(píng)估算法的統(tǒng)一
如圖3所示,統(tǒng)一的在線車輛質(zhì)量評(píng)價(jià)系統(tǒng)的流程圖。對(duì)于每一個(gè)估算法,車輛條件塊利用車輛調(diào)動(dòng)合適的條件對(duì)其進(jìn)行估計(jì)。例如,在縱向速度,縱向加速度和橫擺角速度表示指定的駕駛條件下,激活以縱向運(yùn)動(dòng)為基礎(chǔ)的算法。對(duì)于以橫向運(yùn)動(dòng)為基礎(chǔ)的算法的激活條件可以以車輛縱向加速度和橫擺角速度來(lái)表達(dá)。車輛質(zhì)量不具有快速隨時(shí)間變化的性質(zhì),并在一定范圍內(nèi)變化(如整車重量比更大)。因此,在圖3中最后一塊在預(yù)定范圍內(nèi)只收集了適當(dāng)?shù)氖諗坑诜€(wěn)態(tài)值的時(shí)期。如果以前和當(dāng)前時(shí)步的估計(jì)質(zhì)量存在區(qū)別在,那于在預(yù)定范圍(如100時(shí)步),在當(dāng)前時(shí)步估計(jì)質(zhì)量被認(rèn)為穩(wěn)定狀態(tài)值,并成為一個(gè)大規(guī)模的更新數(shù)據(jù)。該估計(jì)算法確定在一定時(shí)間內(nèi)更新車輛質(zhì)量的數(shù)據(jù),否則,即使初始化的激活條件被滿意了,估計(jì)算法還會(huì)被初始化。
以所收集的數(shù)據(jù)為基礎(chǔ),共振光散射塊執(zhí)行的RLS方法來(lái)獲取該車輛的質(zhì)量估計(jì)值。在一段時(shí)間后共振光散射值將被初始化,其中,和集合中除了(t)之外,其余都要被預(yù)定義初始值。該車輛的質(zhì)量初始值根據(jù)統(tǒng)一的車輛質(zhì)量算法設(shè)置為當(dāng)前數(shù)據(jù)
半導(dǎo)體信號(hào)和CAN信息
條件1
條件2
使用橫向動(dòng)力學(xué)對(duì)質(zhì)量評(píng)估
使用縱向動(dòng)力學(xué)對(duì)質(zhì)量評(píng)估
long lal
穩(wěn)定狀態(tài)
穩(wěn)定狀態(tài)
入口
使用RLS跟新
圖3. 擬議的系統(tǒng)流程圖
3.實(shí)驗(yàn)
對(duì)于實(shí)驗(yàn)證明,如圖4所示,越野車具有縱向和橫向加速度和橫擺角速度傳感器。
圖4. 實(shí)驗(yàn)裝置
如車輪的速度,發(fā)動(dòng)機(jī)及其他的信號(hào)傳輸信號(hào),具有CAN總線的汽車都可以接收。在越野車?yán)锇惭b了一臺(tái)筆記本電腦,并安裝了dSPACE Autobox,使在線實(shí)時(shí)性能的方法可以得以驗(yàn)證。
每個(gè)算法的激活條件是通過(guò)仿真和現(xiàn)場(chǎng)試驗(yàn)確定的。對(duì)于測(cè)試汽車在表1中就是給出了決定性條件的一個(gè)例子。
表1. 對(duì)評(píng)估算法的活化條件
活化條件
對(duì)縱向運(yùn)動(dòng)的算法 ︱r︱<0.03 rad/s
ax>0.6 m/s2
Vx>5 m/s
對(duì)橫向運(yùn)動(dòng)的算法 0.15rad/s>︱r︱>0.05 rad/s
︱ax︱<0.3 m/s2
圖5,6和7在測(cè)試賽道上通過(guò)一系列直接實(shí)驗(yàn)分別說(shuō)明了車輛的縱向速度和發(fā)動(dòng)機(jī)扭矩,縱向和橫向加速度,傳動(dòng)齒輪位置和橫向角速度的數(shù)據(jù)。
圖5. 在一系列直接實(shí)驗(yàn)中的縱向車速和發(fā)動(dòng)機(jī)輸出扭矩隨時(shí)間變化圖
圖6. 在一系列實(shí)驗(yàn)中車輛縱向和橫向的加速度隨時(shí)間變化圖
圖7. 在一系列直接實(shí)驗(yàn)中車輛傳動(dòng)齒輪的位置和橫擺角速度隨時(shí)間變化圖
圖8. 在一系列直接實(shí)驗(yàn)中的質(zhì)量評(píng)估結(jié)果隨時(shí)間變化圖
圖9,10和11說(shuō)明,當(dāng)越野車在彎曲的道路上行駛時(shí)的集中數(shù)據(jù)。
圖9. 在一系列行駛實(shí)驗(yàn)中的車輛縱向速度和發(fā)動(dòng)機(jī)輸出扭矩隨時(shí)間變化圖
圖10. 在一系列行駛實(shí)驗(yàn)中縱向和橫向加速度隨時(shí)間變化圖
圖11. 在一系列行駛實(shí)驗(yàn)中傳動(dòng)齒輪的位置和橫向角速度隨時(shí)間圖
圖12. 在一系列行駛實(shí)驗(yàn)中車輛質(zhì)量評(píng)估結(jié)果隨時(shí)間變化圖
圖13. 在任意演示的情況下車輛質(zhì)量評(píng)估結(jié)果
星號(hào)代表車輛質(zhì)量更新點(diǎn),并從統(tǒng)一的方法中估計(jì)的質(zhì)量與真值很好的吻合。實(shí)驗(yàn)結(jié)果證明在車輛演示過(guò)程中適當(dāng)?shù)南到y(tǒng)能有效并準(zhǔn)確的評(píng)估車輛的質(zhì)量。除了該車型的激活條件需要采取與之相協(xié)調(diào)的激活條件外,此技術(shù)可以用類似的方式應(yīng)用在其車型上。
4. 結(jié)論
這部分為評(píng)估車輛質(zhì)量提出了一個(gè)統(tǒng)一的系統(tǒng)。為了在任意的車輛演示下對(duì)車輛質(zhì)量的評(píng)估,分別在車輛縱向和橫向動(dòng)力學(xué)模型的基礎(chǔ)上設(shè)計(jì)了兩種評(píng)估算法。在特殊的行駛條件下,例如評(píng)估算法的準(zhǔn)確性能被肯定,這樣每種算法都能被激活。此外,從每個(gè)算法的估計(jì)數(shù)據(jù)是統(tǒng)一的,并車輛的質(zhì)量的最小二乘估計(jì)法要重復(fù)更新。該系統(tǒng)的有效性通過(guò)實(shí)時(shí)確認(rèn)實(shí)驗(yàn)的準(zhǔn)確性來(lái)證明。準(zhǔn)確的車輛質(zhì)量信息,如越野車,面包車或者皮卡車可以幫助解決過(guò)渡預(yù)防與可靠性之間的權(quán)衡問(wèn)題。
致謝
這項(xiàng)研究是由知識(shí)經(jīng)濟(jì)部和通過(guò)為戰(zhàn)略技術(shù)而進(jìn)行人力資源培訓(xùn)項(xiàng)目的的韓國(guó)產(chǎn)業(yè)技術(shù)基礎(chǔ)部的財(cái)政支持。
REFERENCES
1 Kiencke,U. and Nielsen,L. Automotive control system, 2000 (Spring-verlag, Berlin).
2 Hac, A. Rollover stability index including effects of suspension design. In Proceedings of the 2002 SAE World congree, SAE paper 2002-01-0965, 2002.
3 Allen, R. W., Klyde, D. H., Rosenthal, T. J., and Smith, D. M. Estimation of passenger vehicle’s inertial properties and their effect on stability and handling. In proceeding of the 2003 SAE World congress, SAE paper 2003-01-0966, 2003.
4 Germann, St. and Isermann, R. Modelling and control of vehicle’s longitudinal motion. In Proceeding of the American Control Conference, 29 Jun-1 July 1994, vol. 1, pp. 1-5(IEEE, New York).
5 Druzhinina, M., Stefanopoulou, A., and Modle-gaard, L. Adaptive continuously variable compression braking control for heavy-duty vehicle. Trans. ASME, J. Dynamic System, Measmt, Control, 2002, 124, 406-414.
6 Bae, H. S., Ryu, J., and Gerdes, J. C. Road grade and vehicle parameter estimation for longitudinal control using GPS. In proceedings of the IEEE Conference on intelligent transportation system, 2001, pp. 166-171 (IEEE,New York).
7 Vahidi, A., Stefanopoulou, A., and Peng, H. Experiments for online estimation of heavy vehicle’s mass and time-varying road grade. In Proceedings of the 2003 ASME Dynamic System and control Division, International Mechanical Engineering Congress and Exposition , 2003,pp. 451-458 (ASME International, New York).
8 Best, M. C. and Timothy, J, G. Combined state and parameter estimation of vehicle handling dynamic. In proceedings of the Fifth International Symposium on Advanced vehicle control (AVEC ’00),Ann Arbor, Michigan, USA, 2000, pp. 429-436.
9 Wenzel, T. A., Burnham, K. J,. Blundell, M. v., and Williams, R. A. Approach to vehicle state and parameter estimation using extended Kalman filtering. In proceedings of the Seven International Symposium on Advanced vehicle control (AVEC ’04), Arnhem, The Netherlands, 2004, pp. 725-730 (Han University, Arnhem).
10 Rajamani, r. and Hedrick, J. K. Adaptive observers for active automotive suspensions: theory and experiment. IEEE Trans. Control Systems Techol., 1995, 3(1), 86-93.
11 Zhu, G.G., Taylor, D. O., and Bailey, T. L. Recursive vehicle mass estimation, U.S. pat. 6,167, 357, 2000.
12 Kwon, S. and Chung, W. K. A discrete-time design and analysis of perturbation observer for motion control application. IEEE Trans. Control Systems Technol., 2003,11(3), 399-407.
13 Gillespie, T. D. Fundamentals of vehicle dynamics, 1992 (SAE International, Warrendale, Pennsylvania).
14 Astrom, K. J. and Wittenmark, B. Adaptive control, 2nd edition, 1995 (Addison-Wesley, Reading, Massachusetts).
15 Grewal, M. S. and Andrews, A. P. Kalman filtering: theory and practice, 1993 (Prentice-Hall, Englewood Clifs, New Jersey).
收藏