[發(fā)明專利]高精度減震器摩擦力優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 202010231738.4
• 申請日: 2020-03-27
• 公開（公告）號: CN111428313B
• 公開（公告）日: 2022-07-05
• 發(fā)明（設(shè)計）人: 王金龍;成健
• 申請（專利權(quán)）人: 重慶長安汽車股份有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20;G06F119/14
• 代理公司: 重慶華科專利事務(wù)所 50123
• 代理人: 譚小琴

本發(fā)明公開了一種高精度減震器摩擦力優(yōu)化方法，包括以下步驟：步驟1、建立側(cè)向力減震器模型及Adams懸架模型；步驟2、Isight集成Adams模型建立并進(jìn)行DOE數(shù)據(jù)分析；步驟3、基于DOE分析結(jié)果，利用Matlab進(jìn)行近似優(yōu)化模型建立；步驟4、利用Isight集成模型優(yōu)化減震器側(cè)向力。本發(fā)明能夠在項目前期方案階段，在不提高成本的前提上，有效降低減震器的摩擦力。

技術(shù)領(lǐng)域

本發(fā)明屬于減震器的技術(shù)領(lǐng)域，具體涉及一種高精度減震器摩擦力優(yōu)化方法。

背景技術(shù)

支柱式懸架包含麥弗遜式懸架與連桿支柱懸架，目前支柱式懸架結(jié)構(gòu)廣泛應(yīng)用于市場各類車型的前后懸，但摩擦力問題是支柱式懸架減震器的主要弊端之一，減震器的摩擦力過大，會導(dǎo)致減震器單體出現(xiàn)早期漏油失效問題，同時整車平順性會明顯降低。

支柱式懸架減震器的摩擦力主要有三個因素，分別為減震器側(cè)向力、導(dǎo)向座與活塞處摩擦系數(shù)。目前，支柱式懸架減震器的摩擦力優(yōu)化主要是在單一狀態(tài)下通過簡單力合成法進(jìn)行彈簧偏心點設(shè)計，其優(yōu)點是方法簡單、易操作；缺點是精度較低、工況單一，難以系統(tǒng)地從硬點架構(gòu)和彈簧偏心點角度獲得最優(yōu)的減震器摩擦力設(shè)計方案。同時由于支柱式懸架減震器側(cè)向力無法通過臺架試驗，只能在實車驗證階段通過整車KC測試臺架間接測試，當(dāng)試驗樣車制作完成時，設(shè)計方案基本已確定，此時的設(shè)計變更會造成巨大財力、物力損失，更會大大延長整個開發(fā)周期，影響產(chǎn)品的正常投產(chǎn)上市。

因此，有必要開發(fā)一種實現(xiàn)高精度減震器摩擦力優(yōu)化方法。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種高精度減震器摩擦力優(yōu)化方法，能在項目前期方案階段，在不提高成本的前提上，有效降低減震器的摩擦力。

本發(fā)明所述的高精度減震器摩擦力優(yōu)化方法，包括以下步驟：

步驟1、建立側(cè)向力減震器模型及Adams懸架模型；

步驟2、Isight集成Adams模型建立并進(jìn)行DOE數(shù)據(jù)分析；

步驟3、基于DOE分析結(jié)果，利用Matlab進(jìn)行近似優(yōu)化模型建立；

步驟4、利用Isight集成模型優(yōu)化減震器側(cè)向力。

進(jìn)一步，所述步驟1具體為：

首先在減震器導(dǎo)向座、減震器活塞處采用2個點線副來建立側(cè)向力減震器模型，該側(cè)向力減震器模型用于模擬減震活塞桿與筒體相對運動關(guān)系和模擬減震器側(cè)向力；

在側(cè)向力減震器模型基礎(chǔ)上，基于底盤硬點、襯套布置、襯套剛度、彈簧預(yù)載及剛度特性建立Adams懸架模型并進(jìn)行仿真，測量側(cè)向力減震器模型中點線副上的接觸力，即可獲取各種仿真工作狀態(tài)下的減震器側(cè)向力。

進(jìn)一步，所述步驟2具體為：

在Isight的SimCode模塊中將步驟1建立的Adams懸架模型集成至Isight模型，同時在Isight模型中通過DOE模塊串聯(lián)SimCode模塊建立減震器摩擦力的DOE分析模型；

DOE分析模型建立后，在SimCode模塊定義DOE分析的輸入變量因子與響應(yīng)因子，確認(rèn)輸入因子的變化范圍，并將此范圍作為輸入變量因子的DOE分析邊界，DOE分析類型采用Parameter Study，變量因子的水平數(shù)不低于3，對輸入因子在邊界范圍內(nèi)采用20水平分析，得到變量因子輸入矩陣；設(shè)置減震器活塞桿與密封圈處、活塞與工作缸的側(cè)向力為響應(yīng)因子，通過DOE分析獲取輸入變量因子與響應(yīng)因子之間的關(guān)聯(lián)矩陣數(shù)據(jù)。

進(jìn)一步，所述步驟3具體為：

首先將步驟2形成的關(guān)聯(lián)矩陣數(shù)據(jù)導(dǎo)入至Matlab程序，調(diào)用神經(jīng)網(wǎng)絡(luò)模型擬合工具，將關(guān)聯(lián)矩陣數(shù)據(jù)中的變量因子與響應(yīng)因子設(shè)置為近似優(yōu)化模型的變量因子與響應(yīng)因子，并根據(jù)導(dǎo)入進(jìn)來的數(shù)據(jù)行列類型進(jìn)行數(shù)據(jù)類型選取；