东北大学学报(自然科学版) ›› 2025, Vol. 46 ›› Issue (4): 43-51.DOI: 10.12068/j.issn.1005-3026.2025.20230293
吴杨俊1, 李振平2, 姚红良1, 韩圣东1
收稿日期:
2023-10-20
出版日期:
2025-04-15
发布日期:
2025-07-01
作者简介:
吴杨俊(1994—),男,江西抚州人,东北大学博士研究生基金资助:
Yang-jun WU1, Zhen-ping LI2, Hong-liang YAO1, Sheng-dong HAN1
Received:
2023-10-20
Online:
2025-04-15
Published:
2025-07-01
摘要:
基于神经网络参数识别法与子结构模态综合法,提出一种考虑辅助部件的动力总成非线性系统建模方法,并运用遗传算法对辅助部件的连接刚度及阻尼进行了多目标优化设计.首先,基于神经网络对动力总成系统模型进行拟合,并以试验模态参数为目标,运用遗传算法对动力总成系统的连接刚度及阻尼进行参数识别,结果显示仿真与试验的模态频率最大误差为-5.98%,模态阻尼比的最大误差为-15.72%.然后,运用子结构模态综合法对动力总成系统进行缩聚处理,并研究了辅助设备与发动机间的耦合振动影响情况.最后,以辅助部件的振动性能最优为目标对连接件刚度及阻尼参数进行多目标优化设计,优化后模型中冷器与空气滤清器的位移最大峰值分别较优化前下降了34.6%与4.61%.
中图分类号:
吴杨俊, 李振平, 姚红良, 韩圣东. 考虑辅助部件的车辆动力总成系统建模方法与优化设计[J]. 东北大学学报(自然科学版), 2025, 46(4): 43-51.
Yang-jun WU, Zhen-ping LI, Hong-liang YAO, Sheng-dong HAN. Modeling and Optimization Design of Vehicle Powertrain System Considering Effect of Auxiliary Components[J]. Journal of Northeastern University(Natural Science), 2025, 46(4): 43-51.
惯性参数 | 空气滤清器 | 中冷器 | 发动机 | |
---|---|---|---|---|
质量/kg | m | 0.509 | 1.816 | 4.820 |
重心 坐标/m | xc | 0.112 | 0.821 | 0.193 |
yc | 0.054 | 0.174 | -0.195 | |
zc | -0.065 | -0.029 | -0.079 | |
Jxo | 0.005 | 0.047 | 1.609 | |
Jyo | 0.007 | 0.028 | 0.917 | |
Jzo | 0.004 | 0.073 | 0.179 |
表1 动力总成各部件惯性参数 (components)
Table 1 Inertial parameters of the powertrain
惯性参数 | 空气滤清器 | 中冷器 | 发动机 | |
---|---|---|---|---|
质量/kg | m | 0.509 | 1.816 | 4.820 |
重心 坐标/m | xc | 0.112 | 0.821 | 0.193 |
yc | 0.054 | 0.174 | -0.195 | |
zc | -0.065 | -0.029 | -0.079 | |
Jxo | 0.005 | 0.047 | 1.609 | |
Jyo | 0.007 | 0.028 | 0.917 | |
Jzo | 0.004 | 0.073 | 0.179 |
支撑 位置 | x | y | z | |||
---|---|---|---|---|---|---|
阻尼/(N·s·m-1) | 刚度/(N·m-1) | 阻尼/(N·s·m-1) | 刚度/(N·m-1) | 阻尼/(N·s·m-1) | 刚度/(N·m-1) | |
弹簧1 | 6.125 | 5.62×104 | 6.125 | 5.62×104 | 0.234 | 4.31×104 |
弹簧2 | 5.412 | 4.51×104 | 6.013 | 4.62×104 | 4.122 | 0.12×104 |
弹簧3 | 7.621 | 0.32×104 | 7.943 | 0.67×104 | 8.142 | 4.23×104 |
弹簧4 | 7.213 | 6.48×104 | 7.213 | 6.48×104 | 6.145 | 4.01×104 |
弹簧5 | 4.706 | 8.20×107 | 0.079 | 0.95×108 | 0.079 | 0.95×108 |
弹簧6 | 0.606 | 7.32×107 | 1.402 | 1.46×108 | 1.602 | 8.12×107 |
弹簧7 | 0.588 | 8.36×107 | 1.080 | 8.20×107 | 0.685 | 0.42×108 |
表2 各部件支撑刚度、阻尼参数识别结果
Table 2 Identification results of supporting stiffness and damping parameters for each component
支撑 位置 | x | y | z | |||
---|---|---|---|---|---|---|
阻尼/(N·s·m-1) | 刚度/(N·m-1) | 阻尼/(N·s·m-1) | 刚度/(N·m-1) | 阻尼/(N·s·m-1) | 刚度/(N·m-1) | |
弹簧1 | 6.125 | 5.62×104 | 6.125 | 5.62×104 | 0.234 | 4.31×104 |
弹簧2 | 5.412 | 4.51×104 | 6.013 | 4.62×104 | 4.122 | 0.12×104 |
弹簧3 | 7.621 | 0.32×104 | 7.943 | 0.67×104 | 8.142 | 4.23×104 |
弹簧4 | 7.213 | 6.48×104 | 7.213 | 6.48×104 | 6.145 | 4.01×104 |
弹簧5 | 4.706 | 8.20×107 | 0.079 | 0.95×108 | 0.079 | 0.95×108 |
弹簧6 | 0.606 | 7.32×107 | 1.402 | 1.46×108 | 1.602 | 8.12×107 |
弹簧7 | 0.588 | 8.36×107 | 1.080 | 8.20×107 | 0.685 | 0.42×108 |
模态阶数 | 模态频率 | 模态阻尼比 | ||||
---|---|---|---|---|---|---|
实验/Hz | 仿真/Hz | 误差/% | 实验 | 仿真 | 误差/% | |
1 | 9.098 | 8.554 | -5.98 | 0.083 | 0.074 | -10.37 |
2 | 15.205 | 14.537 | -4.39 | 0.050 | 0.044 | -11.89 |
3 | 21.995 | 21.000 | -4.52 | 0.034 | 0.030 | -11.77 |
4 | 32.907 | 31.708 | -3.64 | 0.024 | 0.020 | -15.72 |
5 | 50.108 | 48.451 | -3.31 | 0.015 | 0.013 | -1.81 |
表3 仿真与试验的模态参数结果
Table 3 Modal parameters of simulation and experiment
模态阶数 | 模态频率 | 模态阻尼比 | ||||
---|---|---|---|---|---|---|
实验/Hz | 仿真/Hz | 误差/% | 实验 | 仿真 | 误差/% | |
1 | 9.098 | 8.554 | -5.98 | 0.083 | 0.074 | -10.37 |
2 | 15.205 | 14.537 | -4.39 | 0.050 | 0.044 | -11.89 |
3 | 21.995 | 21.000 | -4.52 | 0.034 | 0.030 | -11.77 |
4 | 32.907 | 31.708 | -3.64 | 0.024 | 0.020 | -15.72 |
5 | 50.108 | 48.451 | -3.31 | 0.015 | 0.013 | -1.81 |
支撑 位置 | x | ||
---|---|---|---|
阻尼/(N·m-1) | |||
弹簧8 | 4.23×105 | 6.72×105 | 1.3 |
弹簧9 | 8.43×105 | 9.15×105 | 44.1 |
弹簧10 | 4.63×105 | 8.43×105 | 1.6 |
支撑 位置 | y | ||
阻尼/(N·m-1) | |||
弹簧8 | 4.23×105 | 6.72×105 | 1.3 |
弹簧9 | 4.68×105 | 5.63×105 | 15.6 |
弹簧10 | 8.12×105 | 1.53×106 | 40.1 |
支撑 位置 | z | ||
阻尼/(N·m-1) | |||
弹簧8 | 9.12×105 | 1.43×106 | 31.3 |
弹簧9 | 4.68×105 | 5.63×105 | 15.6 |
弹簧10 | 4.63×105 | 8.43×105 | 1.6 |
表4 发动机悬置刚度、阻尼参数识别结果
Table 4 Identification of supporting stiffness and damping parameters for the engine
支撑 位置 | x | ||
---|---|---|---|
阻尼/(N·m-1) | |||
弹簧8 | 4.23×105 | 6.72×105 | 1.3 |
弹簧9 | 8.43×105 | 9.15×105 | 44.1 |
弹簧10 | 4.63×105 | 8.43×105 | 1.6 |
支撑 位置 | y | ||
阻尼/(N·m-1) | |||
弹簧8 | 4.23×105 | 6.72×105 | 1.3 |
弹簧9 | 4.68×105 | 5.63×105 | 15.6 |
弹簧10 | 8.12×105 | 1.53×106 | 40.1 |
支撑 位置 | z | ||
阻尼/(N·m-1) | |||
弹簧8 | 9.12×105 | 1.43×106 | 31.3 |
弹簧9 | 4.68×105 | 5.63×105 | 15.6 |
弹簧10 | 4.63×105 | 8.43×105 | 1.6 |
支撑位置 | x | y | z | |||
---|---|---|---|---|---|---|
阻尼/(N·s·m-1) | 刚度/(N·m-1) | 阻尼/(N·s·m-1) | 刚度/(N·m-1) | 阻尼/(N·s·m-1) | 刚度/(N·m-1) | |
弹簧1 | 7.810 | 4.83×104 | 7.87 | 4.16×104 | 4.120 | 0.65×104 |
弹簧4 | 9.160 | 6.64×104 | 9.37 | 7.98×104 | 7.970 | 4.32×104 |
弹簧5 | 5.960 | 1.03×108 | 0.77 | 0.43×108 | 0.300 | 0.47×108 |
弹簧6 | 0.614 | 5.58×107 | 1.29 | 1.35×108 | 1.920 | 7.35×107 |
弹簧7 | 0.653 | 1.08×108 | 1.29 | 1.01×108 | 0.843 | 1.79×107 |
表5 优化后的辅助部件支撑刚度与阻尼
Table 5 Optimized support stiffness and damping of the auxiliary components
支撑位置 | x | y | z | |||
---|---|---|---|---|---|---|
阻尼/(N·s·m-1) | 刚度/(N·m-1) | 阻尼/(N·s·m-1) | 刚度/(N·m-1) | 阻尼/(N·s·m-1) | 刚度/(N·m-1) | |
弹簧1 | 7.810 | 4.83×104 | 7.87 | 4.16×104 | 4.120 | 0.65×104 |
弹簧4 | 9.160 | 6.64×104 | 9.37 | 7.98×104 | 7.970 | 4.32×104 |
弹簧5 | 5.960 | 1.03×108 | 0.77 | 0.43×108 | 0.300 | 0.47×108 |
弹簧6 | 0.614 | 5.58×107 | 1.29 | 1.35×108 | 1.920 | 7.35×107 |
弹簧7 | 0.653 | 1.08×108 | 1.29 | 1.01×108 | 0.843 | 1.79×107 |
1 | Tametang M M I, Yemélé D, Leutcho G D. Dynamical analysis of series hybrid electric vehicle powertrain with torsional vibration: antimonotonicity and coexisting attractors[J]. Chaos, Solitons & Fractals, 2021, 150: 111174. |
2 | Lee H J, Shim J K. Multi-objective optimization of a dual mass flywheel with centrifugal pendulum vibration absorbers in a single-shaft parallel hybrid electric vehicle powertrain for torsional vibration reduction[J]. Mechanical Systems and Signal Processing, 2022, 163: 108152. |
3 | Guo R, Zhou Z W, Lou D M, et al. Dynamic modeling and optimization for powertrain shake characteristics of electric powertrain system with hydraulic engine mounts [J]. Journal of Vibration and Control,2024,163:108152. |
4 | 吴杨俊, 徐翠强, 陈杰, 等. 内燃动力包隔振参数灵敏度分析及优化设计[J]. 中南大学学报(自然科学版), 2021, 52(11): 3872-3884. |
Wu Yang-jun, Xu Cui-qiang, Chen Jie, et al. Sensitivity analysis and optimization design of parameters of vibration isolation for power pack[J]. Journal of Central South University (Science and Technology), 2021, 52(11): 3872-3884. | |
5 | Fan R L, Fei Z N, Feng C C, et al. Low-frequency structure-borne noise refinement based on rigid-flexible coupling model of powertrain mounting system[J]. International Journal of Computer Applications in Technology, 2019, 61(4): 247-252. |
6 | Mohite S R, Bijwe V B, Deysarkar S, et al.Application of flexible multi body dynamics (MBD) and finite element analysis (FEA) for powertrain induced NVH development of a vehicle[J]. Symposium on International Automotive Technology, 2011, 26(7): 2688-3627. |
7 | 李飞, 朱天军, 姜清伟,等. 基于 K&C 试验台的汽车动力总成惯性参数精确测试方法研究[J]. 测试技术学报, 2015, 29(6):467-472. |
Li Fei, Zhu Tian-jun, Jiang Qing-wei,et al. The accurate measurement research on inertia parameters of vehicle powertrain based on K & C test rig[J]. Journal of Test and Measurement Technology, 2015, 29(6): 468-472. | |
8 | Malekjafarian A, Ashory M R, Khatibi M M, et al. Rigid body stiffness matrix for identification of inertia properties from output-only data[J]. European Journal of Mechanics-A/Solids, 2016, 59: 85-94. |
9 | Pv T, Msa E. Development of high fidelity reduced order hybrid stick[J]. Aerospace Science and Technology, 2019, 87(36): 404-416. |
10 | 刘庆林, 孙攀旭, 杨红. 基于复阻尼理论的混合结构Rayleigh阻尼模型[J]. 地震工程学报, 2018, 40(5): 983-987. |
Liu Qing-lin, Sun Pan-xu, Yang Hong. Rayleigh damping model of mixed structures based on complex damping theory[J]. China Earthquake Engineering Journal, 2018, 40(5): 983-987. | |
11 | Gao Y K, Feng H X, Fang J G,et al. Experimental study on identification of inertia parameters of truck cab based on mass line method[J]. Journal of Vibration and Shock, 201, 32 (16): 193-197. |
12 | Pavlenko I, Saga M L, Kuric I, et al. Parameter identification of cutting forces in crankshaft grinding using artificial neural networks[J]. Materials, 2020, 13(23): 5357. |
[1] | 刘林, 宋雨昊. 基于误差因子的改进WLS超宽带定位算法[J]. 东北大学学报(自然科学版), 2024, 45(9): 1235-1243. |
[2] | 李小彭, 付嘉兴, 刘海龙, 尹猛. 柔性空间机械臂RBF神经网络补偿滑模控制策略[J]. 东北大学学报(自然科学版), 2024, 45(9): 1258-1267. |
[3] | 任涛, 刘昕靓, 陈宏峰, 马延路. 基于卷积神经网络的预警震级分段估算方法[J]. 东北大学学报(自然科学版), 2024, 45(8): 1073-1079. |
[4] | 刘伟嵬, 刘炳君, 刘焕强, 刘泽远. 激光熔化沉积过程缺陷识别方法[J]. 东北大学学报(自然科学版), 2024, 45(8): 1150-1158. |
[5] | 薛珮芸, 白静, 张楠, 赵建星. 基于VMD的双通道构音障碍语音特征图谱提取算法[J]. 东北大学学报(自然科学版), 2024, 45(6): 793-801. |
[6] | 康红光, 胡宪伟, 赵婉婷, 于江玉. LiF-ZrF4熔盐体系离子结构的Raman光谱[J]. 东北大学学报(自然科学版), 2024, 45(6): 823-828. |
[7] | 房立金, 高跃, 曹新星, 巩云鹏. 基于NSGA-II的串联机器人几何参数公差的多目标优化分配[J]. 东北大学学报(自然科学版), 2024, 45(6): 829-836. |
[8] | 谢洪途, 陈佳兴, 张琳, 朱楠楠. 基于脉冲神经网络的轻量化SAR图像舰船识别算法[J]. 东北大学学报(自然科学版), 2024, 45(4): 474-482. |
[9] | 杨爱萍, 方思捷, 邵明福, 张腾飞. 基于Transformer的多尺度水下图像增强网络[J]. 东北大学学报(自然科学版), 2024, 45(12): 1696-1705. |
[10] | 刘梦园, 吴朝霞, 王金杨, 閤光磊. 基于TST-LSTM模型的烧结料层透气性预测[J]. 东北大学学报(自然科学版), 2024, 45(10): 1379-1385. |
[11] | 吕艳霞, 郝帅, 乔广通, 邢烨. 一种基于图神经网络的社会化推荐算法[J]. 东北大学学报(自然科学版), 2024, 45(1): 10-17. |
[12] | 郑艳, 赵佳旭, 边杰. 基于SiamBAN跟踪器改进的目标跟踪算法[J]. 东北大学学报(自然科学版), 2023, 44(9): 1227-1233. |
[13] | 刘晓熙, 姜慧研, 骆敏. 面向肝癌消融术的多约束最优穿刺路径规划算法[J]. 东北大学学报(自然科学版), 2023, 44(7): 922-930. |
[14] | 杨譞, 何占奇. 改进的两层BiLSTM的心电信号分割方法[J]. 东北大学学报(自然科学版), 2023, 44(12): 1705-1711. |
[15] | 孙颖, 李泽, 张雪英. 基于约束式双通道模型的语音情感识别[J]. 东北大学学报(自然科学版), 2023, 44(11): 1537-1542. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||