目前电动汽车大多由燃油车改装而成,改装后因零部件布置发生改变,导致汽车质量与质心位置改变。悬架系统若布置不合理,汽车将会出现摆振现象,从而降低操纵稳定性和乘坐舒适性。近年来,汽车悬架系统的多目标优化研究很多,传统的多目标优化算法约束条件较苛刻,且求解过程复杂,优化算法迭代求解不能很好地收敛[1]。本文通过对电动汽车麦弗逊式前悬架的仿真结果与实验数据对比,对不符合要求的参数主销内倾角和前束角进行优化,采用改进型非支配排序遗传算法NSGA-Ⅱ(Non-Dominated Sorting Genetic Algorithm)建立多目标优化的数学模型,求得Pareto最优解。

钢琴学习的起步是扎实的乐谱认知。乐谱认知包括音符在五线谱位置的认知、基本音符时值的认知、基本节奏的认知以及谱内各种术语的认知等。乐谱的认知对于儿童来说是抽象的，如何将抽象变具体，如何让儿童愉悦地进行钢琴识谱学习，情景教学给我们提供了新的思路。

1 悬架模型建立及仿真分析

由汽车四轮定位仪测得某电动汽车悬架的初始定位参数如表1所示。

（2）紧扣基础业务展开业务信息库建设。应当借鉴公安机关人口管理信息系统、车辆管理信息系统、失踪人查询信息系统、赃物查询系统等信息库的建设经验，进行基础业务信息库的建设。基础业务信息库的建设，应当结合具体日常业务中职能部门日常工作流程和内容的信息化转型。在此基础上，再针对职务犯罪调查进行定位开发基础信息库。

 

表1 某电动汽车悬架的初始定位参数

  

前轮外倾角/(°)前轮前束角/(°)主销后倾角/(°)主销内倾角/(°)-1．00．15．0412．61

1.1 悬架模型的建立

考虑汽车的动力学特性,设麦弗逊悬架为多刚体系统,各零部件连接运动副的摩擦力忽略不计,对悬架系统进行简化,设置悬架硬点坐标,利用ADAMS/Car建立悬架系统模型。

1.2 振动仿真试验及分析

采用非支配排序遗传算法NSGA-Ⅱ进行多目标优化时,各子目标可能会相互冲突,通过协调、折中各子目标,使各子目标函数尽量都达到最优,形成一个最优解集合,即Pareto最优解[2]。针对多目标最小化问题,Pareto最优解的数学表达式为:

最好玩的就是iPad了。令人走火入魔的游戏，大快人心的漫画，搞笑的视频段子，都是我的最爱。还等什么？上手就玩“吃鸡”。不过我很有自觉性，只有老妈看不到，才能想玩多久就玩多久。再好吃的鸡，也有吃撑的时候，这会儿我已头晕目眩，站不起身。

 

表2 前轮四个主要定位参数仿真结果

  

前轮外倾角/(°)前轮前束角/(°)主销后倾角/(°)主销内倾角/(°)-1．56～1．75-1．41～1．464．28～6．019．80～13．32

由仿真结果与实验数据比较得知,前轮外倾角和主销后倾角符合设计要求,不再优化；主销内倾角、前束角变化范围较大,因此这两个参数需进行优化。

2 基于遗传算法的多目标优化

2.1 Pareto最优解

选择双轮同向激励进行麦弗逊悬架仿真试验,即给予两车轮相同方向和大小的激励。设仿真步数为100步,车轮跳动行程为-100～100 mm[2]。模拟高低不同的路面,使悬架分别处于上、下极限位置时,得出各硬点坐标以及各定位参数的变化范围。前轮四个主要定位参数仿真结果如表2所示。

 

其中fi(X)为目标函数,X=(X1,X2,…,XP)为P维向量,hk(X)=0为目标函数的约束。任意设定两变量X,X*∈U,若X*∈U,且不存在X∈R,使fi(X)≤fi(X*),则X*为Pareto最优解。

2.2 优化目标

悬架的各定位参数由硬点布置来决定,硬点设计对悬架系统的运动及动力特性起着关键作用,也是整车架构的基础。根据优化设计目标,将硬点作为设计变量,将减小前轮各定位参数的变化范围作为优化目标。初选悬架系统的设计变量:减震器上止点(top_mount),下控制臂前点(lca_front)、后点(lca_behind)和外点(lca_outer),转向横拉杆的内点(tierod_inner)和外点(tierod_outer)。将这6个硬点作为设计变量,此时在X、Y、Z三个坐标方向上共有18个设计变量因子；将主销内倾角、前束角作为目标函数。

二段浓缩机的作用，一是实现煤泥水深度澄清，二是将底流浓缩到合适浓度，为尾煤压滤工作创造工艺条件。该设备的工艺指标见表4。

2.3 设计变量灵敏度

将上述6个设计变量进行优化,经反复迭代计算,可得到优化的硬点坐标值(表3)。根据优化后的硬点坐标值,重新布置设计悬架系统结构,以及建立悬架动力学模型并进行设计计算。

经过多次迭代拟合运算,优化目标定位参数主销内倾角和前束角均在约束范围内收敛,得到目标函数的Pareto最优解集。主销内倾角的变化范围由优化前的9.80～13.32°减小为8.18～10.7°(图4),符合设计要求。前束角优化的变化范围由优化前的-1.41～1.46°减小为-0.96～1.29°(图5),符合设计要求。随着车轮跳动行程的变化定位参数均有不同程度的减小,表明悬架几何空间优化后其运动特性有所改善。

2.4 多目标遗传算法优化

NSGA-Ⅱ是目前多目标优化设计最具有代表性的方法之一。采用快速非劣排序法及简单的拥挤算子,使准Pareto 解域中的个体可以均匀地分散到整个Pareto 解域,对于求解Pareto 解集,不仅能提高收敛速度和寻优能力,保证优良种群不被丢弃以及种群的多样性,而且各目标可以相互协调,使之均能达到最优,同时NSGA-Ⅱ具有探索性好、搜索率高等特点,可有效提高优化结果精度[3]。

建立优化的悬架系统数学模型为:

 

优化后垂直加速度明显减小。0.69 s时,加速度由-0.490 g变为-0.199 g；0.95 s时,加速度由-0.225 g变为-0.138 g。可见波动幅度减小。衰减幅度和速度增大。

  

图1 主销内倾角影响因子

  

图2 前束角影响因子

  

图3 优化流程示意图

3 优化结果分析

3.1 优化前后设计变量对比

针对多目标多参数优化问题,首先对18个设计变量因子进行灵敏度分析,然后找出对优化目标影响最大的因子,作为主要设计变量,再通过灵敏度分析确定最终的优化变量。

 

表3 硬点坐标优化前后对比

  

硬点坐标情况lca＿outer＿ylca＿outer＿ztierod＿inner＿ztierod＿outer＿ztop＿mount＿ytop＿mount＿z优化前-650150300300-503．8800优化后-640150．88299．99300．01-513．8810

3.2 优化前后目标变量对比

为了使设计变量因子和目标函数响应的拟合更精确,利用ADAMS/Car与Isight进行联合优化,依次对每个目标函数进行迭代计算,得到拟合结果,再根据结果,分析各影响因子对目标函数的灵敏度,得到主销内倾角和前束角灵敏度影响因子,及硬点坐标所对应的定位参数的响应百分比。主销内倾角和前束角的灵敏度影响因子如图1、图2所示。根据得出的灵敏度影响因子,分别选取主销内倾角和前束角影响因子最大的3种共6个因子:lca_outer_y,z,tierod_ inner_z,tierod_outer_z,top_mount_y,z,作为优化设计变量。

  

图4 主销内倾角优化结果

  

图5 前束角优化结果

4 整车振动特性仿真分析

以某电动汽车麦弗逊前悬架为研究对象,利用ADAMS/Car建立悬架仿真模型,对悬架主要目标定位参数采用改进型非支配排序遗传算法NSGA-Ⅱ进行多目标优化,得到Pareto最优解集,优化后的主销内倾角和前束角的变化范围比优化前减小,体现出NSGA-Ⅱ算法得出的优化结果精度提高。将优化后的悬架装配于整车上,对整车进行振动仿真分析。仿真结果表明,不仅悬架本身的振动特性得到提高,而且整车在垂直方向的速度和加速度均趋于减少,振动衰减较快,整车的振动特性得到有效改善。

其优化流程如图3所示。

车身垂直速度峰值均减小,0.56 s时,峰值速度变为421.11 mm·s-1；0.62 s时变为270.28 mm·s-1；0.83 s时由51.41 mm·s-1减小为11.36 mm·s-1。可见车身垂直速度变化幅度减小,衰减幅度和速度增大。

由上述分析可知,悬架本身的振动特性得到改善,且整车在垂直方向的速度和加速度均趋于减少,振动可得到较快衰减,可见整车的振动特性得到改善[4]。

  

图6 底盘垂直加速度优化图

  

图7 车身垂直速度优化图

5 结 语

为分析比较优化前后的悬架对整车振动性能的影响,在ADAMS中将优化前后的悬架分别模拟装配到整车上,利用ADAMS/Car创建一平坦路面,并设置一路障,模拟汽车匀速行驶。分别测得底盘垂直加速度和车身垂直速度的变化情况如图6、图7所示。

参考文献:

郑西客运专线桥梁变形按照《高速铁路设计规范)》[9](TB 10621—2009)、《铁路桥涵设计基本规范》[10](TB 10002.1—2005)中要求进行控制，主要控制内容为：

[1] 刘伟,史文库,方德广.汽车动力学分析及悬架子系统优化设计[J].哈尔滨工业大学学报,2013,44(3):96-100

我国再审的级别管辖制度历经向原审法院或者上一级法院申请(1991年民事诉讼法第178条)，到仅允许向上一级法院申请(2007年民事诉讼法第178条)，再到现今确立的以上一级法院管辖为原则、以原审法院管辖为补充(2012年民事诉讼法第199条)。［9］其中以原审法院管辖为补充，意味着满足“当事人一方人数众多或者当事人双方为公民的案件”时才可向原审法院申请再审。但对于调解书的再审来说，原审法院仅仅作为“补充”是很不足够的，相反的，法院调解的属性内在地要求了其再审当以原审法院管辖为原则，以上一级法院管辖为补充。

第二，二元创新对新创企业绩效具有显著正向影响。探索性创新的作用主要体现在企业初期，通过新技术、新产品和新服务的开发来开拓新市场，追求新的市场机会；而利用性创新主要体现在企业的成熟期，对企业现有技术、管理以及商业模式的改良，更加倾向于在动荡的市场环境中的地位维持。

[2] 饶江,胡树根,宋小文.汽车悬架优化过程的Pareto最优解[J]．机电工程,2010,27(6):28-31

[3] 何志刚,陈阳,盘朝奉.基于NSGA-Ⅱ算法的麦弗逊悬架多目标优化[J].广西大学学报,2016,41(6):1807-1814

[4] 陈黎卿,王继先,郑泉.基于ADAMS的悬架系统与整车匹配优化设计[J].合肥工业大学学报(自然科学版),2006,29(7):814-817