中型商用車后橋殼設(shè)計及力學(xué)分析【含有限元分析】【說明書+UG】,含有限元分析,說明書+UG,中型商用車后橋殼設(shè)計及力學(xué)分析【含有限元分析】【說明書+UG】,中型,商用,后橋,設(shè)計,力學(xué),分析,有限元分析,說明書,仿單,ug 附錄A：英文資料 附錄B：英文資料翻譯 為開發(fā)車輛質(zhì)量在線估計系統(tǒng)的試驗評價 K-J Han1,I-K Kim1，H Y Jo2,and K-S Huh1* 1. 韓國漢城漢陽大學(xué)的機械工程學(xué)院 2. 韓國現(xiàn)代汽車公司京畿道南陽研發(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：10,1243/09544070JAUTO991 摘要：由于主動底盤控制器也日趨復(fù)雜和精密，這些控制器的性能對汽車的慣性參數(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，為了確定任意機動車在運行過程中的輛車輛質(zhì)量，網(wǎng)上評價體系，提出值得考慮的駕駛條件，其中包括兩個估計算法。一個是基于在干擾觀測技術(shù)方法下用來估計的車輛縱向運動的遞歸最小二乘法。另一個是基于通過估算橫向速度下汽車的橫向運動的方法。然后，把這兩個估計算法相結(jié)合，使用遞歸最小二乘方法提取車輛質(zhì)量信息。被推薦中的評估系統(tǒng)的性能是通過實驗測試證明的。 關(guān)鍵詞：汽車質(zhì)量，汽車動力學(xué)，評估，實驗 1. 介紹 機箱控制器[1]的性能，如電子穩(wěn)定控制和主動翻覆預(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)會隨著乘客數(shù)量或載荷的不同而發(fā)生變化。特別是在運動型多用途汽車（SUVs），它們的參數(shù)會隨著車頂?shù)呢?fù)荷而顯著改變并會影響到汽車的過渡傾向。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)心高度估計方法已在相關(guān)文獻(xiàn)報道[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)計算出來的，再以縱向動力學(xué)為基礎(chǔ)來估計車輛的質(zhì)量和氣動阻力系數(shù)。Vahidi 等。[7]使用順序遞推最小二乘法多遺留的因素來估計車輛的質(zhì)量和時間變化的公路等級。Wenzel等提出用四自由度車輛模型相結(jié)合使用來擴展卡爾曼濾波技術(shù)來估計車輛狀態(tài)和慣性參數(shù)[9]。 介紹了一種自適式觀測器并利用四分之一的汽車縱向動力學(xué)來估計車輛的簧載質(zhì)量 [10]。朱等人提出了遞推最小二乘算法在線估計汽車質(zhì)量和氣動系數(shù)[11]。盡管上面的方法可以估算出車輛的質(zhì)量，但他們需要一個具體的進(jìn)行方案或一個復(fù)雜的車型，這樣會往往導(dǎo)致在執(zhí)行時自我的限制。例如，具有縱向動力學(xué)模型的估計法只更新了在駕駛車輛的條件下的汽車質(zhì)量，而沒有轉(zhuǎn)向質(zhì)量估計算法。該擴展卡爾曼濾波與組合使用車輛模型可能會導(dǎo)致計算負(fù)擔(dān)，并使其難以實時計算。 在這項研究中，對車輛質(zhì)量在線和簡單的估算系統(tǒng)的開發(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)量評價體系包括兩個分別基于車輛的縱向和橫向運動的估計算法。在縱向運動基礎(chǔ)上的第一個算法利用干擾觀測技術(shù)來提高對干擾的魯棒性遞推最小二乘法。第二種算法是基于橫向運動橫向質(zhì)量計算車輛使用橫向速度的估計。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)量評估系統(tǒng) 本節(jié)介紹了車輛質(zhì)量評價系統(tǒng)，設(shè)計了車輛的縱向和橫向運動兩種估計算法，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)量估計系統(tǒng)的總體結(jié)構(gòu)。 汽車模型 縱向動力學(xué) 橫向動力學(xué) 技術(shù)方法 帶擾動觀測RLS 卡爾曼濾波的RLS 。 。 統(tǒng)一的車輛質(zhì)量評估 圖1 車輛質(zhì)量在線估計系統(tǒng)的整體結(jié)構(gòu) 2.1基于汽車縱向運動的評估算法 基于汽車縱向運動的車輛質(zhì)量評估算法是在車輛不具有轉(zhuǎn)向加速的條件下產(chǎn)生的?？v向運動可以用以下公式來描述 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) 空氣動力反作用力Faero根據(jù)以下公式可以用Cdf的整個參數(shù)來表達(dá) Faero= (3) 旋轉(zhuǎn)反力Frolling和地面級別的影響力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動導(dǎo)致的加速度計信號偏移，使的縱向運動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，也可使用測量向量并輸出y來估計?？v向力可以通過計算公式(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)動機轉(zhuǎn)速來近似。性能系數(shù)可以使用泵和渦輪轉(zhuǎn)速比的實驗數(shù)據(jù)來計算?？蓽y的發(fā)動機轉(zhuǎn)速可從控制器區(qū)域網(wǎng)絡(luò)(CAN)的消息得到。公路等級也可從方程(9)來估計，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可近似為自由滾動的車輪的速度。在前輪驅(qū)動車的情況下，可測后輪速度從來自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，未建模的動態(tài)和參數(shù)擾動，方程(6)被修改，包括總體干擾為 y= (11) 其中η代表一個集中的干擾，可以降低估計性能。干擾觀測[12]，稱為遞歸最小二乘法（RLS）的一個干擾觀測器，它是利用這樣的集中干擾估計和參數(shù)估計的補償 (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)和分別表示估計的參數(shù)向量，協(xié)方差矩陣和估計干擾。該過濾器Q(z)在方程（14）是一個低通濾波器，它決定了魯棒性，能通過考慮干擾特性，采樣時間和截止頻率來設(shè)計。在這個研究中，以階濾波器用作計算一下參數(shù) Q(z)= (15) 和 a1=， b1=， = (16) 其中h和分別表示采樣時間和截止頻率。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)健估計的性能是可以知道的。由于輸入包括加速度計和輪速信號，它提供了足夠的持續(xù)激勵條件的順序。 2.2基于車輛橫向運動的評估算法 在這一部分介紹的是基于車輛橫向運動的質(zhì)量評估算法。當(dāng)車輛以恒定縱向車速旋轉(zhuǎn)時，以兩個自由度（2-DOF）自行車模型，如圖2所示?？梢越泼枋鰝?cè)向運動達(dá)到了一定的極限（如a≤0.3g） 圖2. 車輛橫向動力學(xué) 二自由度車輛模型的橫向移動可以通過方程[13]給出。 may=Fyf+cosδf+Fyr (17) 在這個模型中，空氣阻力和傾向效果被忽略。然而，根據(jù)以下方程，用RLS方法能估計出車輛的質(zhì)量。 Fyfcosδf+Fyr=ay (18) 根據(jù)上述方程對評估車輛質(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)。橫向加速度計測量的信號和轉(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，并可以通過下式證明。 Fyf=f Fyr=r (19) 其中滑移角f和r通過下式定義 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。通過以上討論，縱向車速可從方程（10）中獲得?；谧孕熊嚹Ｐ? =+f (21) 橫向速度估計使用卡爾曼濾波技術(shù)[15]來確定，其精度從已給定的縱向速度和橫擺角速度范圍驗證。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)近似估計的縱向速度和橫向速度，可以計算輪胎的側(cè)向力方程(19)，從方程(18)車輛質(zhì)量可以通過遞歸估計。 2.3質(zhì)量評估算法的統(tǒng)一 如圖3所示，統(tǒng)一的在線車輛質(zhì)量評價系統(tǒng)的流程圖。對于每一個估算法，車輛條件塊利用車輛調(diào)動合適的條件對其進(jìn)行估計。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，激活以縱向運動為基礎(chǔ)的算法。對于以橫向運動為基礎(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表達(dá)。車輛質(zhì)量不具有快速隨時間變化的性質(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)值的時期。如果以前和當(dāng)前時步的估計質(zhì)量存在區(qū)別在，那于在預(yù)定范圍（如100時步），在當(dāng)前時步估計質(zhì)量被認(rèn)為穩(wěn)定狀態(tài)值，并成為一個大規(guī)模的更新數(shù)據(jù)。該估計算法確定在一定時間內(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，估計算法還會被初始化。 以所收集的數(shù)據(jù)為基礎(chǔ)，共振光散射塊執(zhí)行的RLS方法來獲取該車輛的質(zhì)量估計值。在一段時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)體信號和CAN信息 條件1 條件2 使用橫向動力學(xué)對質(zhì)量評估 使用縱向動力學(xué)對質(zhì)量評估 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.實驗 對于實驗證明，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. 實驗裝置 如車輪的速度，發(fā)動機及其他的信號傳輸信號，具有CAN總線的汽車都可以接收。在越野車?yán)锇惭b了一臺筆記本電腦，并安裝了dSPACE Autobox，使在線實時性能的方法可以得以驗證。 每個算法的激活條件是通過仿真和現(xiàn)場試驗確定的。對于測試汽車在表1中就是給出了決定性條件的一個例子。 表1. 對評估算法的活化條件 活化條件 對縱向運動的算法 ︱r︱＜0.03 rad/s ax＞0.6 m/s2 Vx＞5 m/s 對橫向運動的算法 0.15rad/s＞︱r︱＞0.05 rad/s ︱ax︱＜0.3 m/s2 圖5，6和7在測試賽道上通過一系列直接實驗分別說明了車輛的縱向速度和發(fā)動機扭矩，縱向和橫向加速度，傳動齒輪位置和橫向角速度的數(shù)據(jù)。 圖5. 在一系列直接實驗中的縱向車速和發(fā)動機輸出扭矩隨時間變化圖 圖6. 在一系列實驗中車輛縱向和橫向的加速度隨時間變化圖 圖7. 在一系列直接實驗中車輛傳動齒輪的位置和橫擺角速度隨時間變化圖 圖8. 在一系列直接實驗中的質(zhì)量評估結(jié)果隨時間變化圖 圖9,10和11說明，當(dāng)越野車在彎曲的道路上行駛時的集中數(shù)據(jù)。 圖9. 在一系列行駛實驗中的車輛縱向速度和發(fā)動機輸出扭矩隨時間變化圖 圖10. 在一系列行駛實驗中縱向和橫向加速度隨時間變化圖 圖11. 在一系列行駛實驗中傳動齒輪的位置和橫向角速度隨時間圖 圖12. 在一系列行駛實驗中車輛質(zhì)量評估結(jié)果隨時間變化圖 圖13. 在任意演示的情況下車輛質(zhì)量評估結(jié)果 星號代表車輛質(zhì)量更新點，并從統(tǒng)一的方法中估計的質(zhì)量與真值很好的吻合。實驗結(jié)果證明在車輛演示過程中適當(dāng)?shù)南到y(tǒng)能有效并準(zhǔn)確的評估車輛的質(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 這部分為評估車輛質(zhì)量提出了一個統(tǒng)一的系統(tǒng)。為了在任意的車輛演示下對車輛質(zhì)量的評估，分別在車輛縱向和橫向動力學(xué)模型的基礎(chǔ)上設(shè)計了兩種評估算法。在特殊的行駛條件下，例如評估算法的準(zhǔn)確性能被肯定，這樣每種算法都能被激活。此外，從每個算法的估計數(shù)據(jù)是統(tǒng)一的，并車輛的質(zhì)量的最小二乘估計法要重復(fù)更新。該系統(tǒng)的有效性通過實時確認(rèn)實驗的準(zhǔn)確性來證明。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渡預(yù)防與可靠性之間的權(quán)衡問題。 致謝 這項研究是由知識經(jīng)濟部和通過為戰(zhàn)略技術(shù)而進(jìn)行人力資源培訓(xùn)項目的的韓國產(chǎn)業(yè)技術(shù)基礎(chǔ)部的財政支持。 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).