汽车悬架控制臂拓扑优化研究

周磊

摘要：不同车型的动力学性能、悬架总成空间布置的多样性，往往引起控制臂结构设计空间的不确定性，且由于路况和行驶工况的复杂性以及阻尼和摩擦等边界条件的干扰，极易导致所受载荷的随机性。同时，材料的多相特征、制造工艺的差异也会引起材料属性的波动。因此，有必要在控制臂结构进行拓扑优化设计时融合可靠性分析，定量计入不确定性因素的影响。

关键词：汽车悬架；控制方法；发展趋势

引言

悬架系统属于汽车四大系统中的底盘系统，其主要作用是承受车身重量及缓冲减振，是保证汽车操纵稳定性和行驶平顺性的关键部件。文章主要讨论了按照不同标准划分的各类悬架优缺点，以及各类悬架的控制方法和悬架的研究趋势。

1多目标拓扑优化方法

1.1折衷规划法

控制臂在拓扑优化阶段要考虑静态刚度特性和动态频率特性，刚度和频率属性不同，在数值上差异明显。不同工况间的刚度值和变形方式差别很大，不同阶数的频率值也有明显差别，因此将多目标优化问题转化为单目标优化问题时，需要将各个子目标归一化处理，消除不同属性和相同属性下不同数量级的影响。利用带权重系数的折衷规划法处理多目标优化问题，得到综合目标函数

或

1.2灰色关联分析

在多目标问题中，以任意一种状态下子目标的数值为一个序列，在优化某一个子目标时，序列中其它子目标会增大或者减小。灰色综合关联分析是一种评价不同序列关联是否紧密的数学方法]，在多目标拓扑优化时，首先通过单目标优化得到每个子目标优化时产生的子序列作为关联序列Xi，将各个子目标的最优值形成最优序列作为被关联序列Xj，再将关联序列与被关联序列进行灰色综合关联分析得到综合关联度。设有关联序列Xi与被关联序列Xj如式(3)、(4)所示

以综合关联度作为子目标的权重系数，不仅避免了经验法中主观判断权重系数和层次分析法中决策矩阵不一致带来的影响，减少了正交试验法中庞大的计算量，同时体现了优化某个子目标时对其他子目标产生的影响。

2优化设计理论基础

结构优化设计源于马克思威尔理论和米歇尔桁架的研究，许多人在结构优化的理论研究和工程应用方面作了很多的工作。优化设计有3个要素，分别为设计变量、目标函数和约束条件，而各种优化问题的描述可概括如下：

（1）设计目标（即我想要的是什么？）：最小化f(x)或最小化f(x)的最大值；

（2）设计变量（我可以改变什么？）：XL≤Xi≤XUi=1,2,3,…N

（3）设计约束（必须保证哪些性能指标？）：gj(x)≤0j=1,2,3,…,M。大部分的产品研发消耗在概念设计阶段，而综合运用有限元法和现代结构优化设计理论进行高效的概念设计可以最大化的节省研发成本和研发时间，并能有效的保证研发产品的性能和质量。

3控制臂算例分析

以某汽车悬架系统的下控制臂为例，考虑结构的材料属性与载荷工况的不确定性，根据控制臂的结构特点与装配关系定义初始设计空间。其中，控制臂与球铰和橡胶衬套的连接部位设置为非设计区域。采用刚性单元(ＲBE2)模拟球铰或橡胶衬套与控制臂之间的装配接触。位移自由度约束设置为:约束后衬套节点处沿X，Y，Z方向的平动自由度、前衬套节点处沿X，Z方向的平动自由度和控制臂球铰节点处沿Z方向的平动自由度。在控制臂球铰节点处施加纵向力Fx和侧向力Fy两个载荷。

通过对比确定性和可靠性优化结果以看出，基于可靠性的拓扑优化结果需要更多的材料分布构型，以便满足可靠性指标约束要求，且材料分布均匀，具备良好的可制造加工性，结果更趋于合理。对于确定性拓扑优化，结构柔度约束条件，即许用柔度值，纵向力工况时为。

侧向力工况时为

制造工艺性约束设置为最小成员尺寸约束与双向拔模约束。对于可靠性拓扑优化，可靠性指标约束设置为3，4，5。随机变量选取为弹性模量E、纵向力Fx和侧向力Fy，其中变量满足正态分布，设置标准差为σ=10m，m为随机变量的均值。

依据可靠性指标可方便进行随机变量修正，且只需要几十次迭代优化计算即可获得良好的拓扑构型;相较于确定性拓扑优化算法，计算速度更快，计算效率更高。对比确定性与可靠性优化结果目标函数体积，以β*=3为例，体积相对增加37.8%，表明结构可靠性的提高有可能伴随结构体积的增大。

4汽车悬架控制系统的控制方法

4.1自适应控制方法

自适应控制方法主要采用自校正控制策略。自校正控制策略在非线性车辆主动悬架系统上的运用，使得车辆能够适应在不同工况和不同载荷下悬架元件特性的变化，并及时反馈给电控单元以降低车身的振动频率和幅度。其关键之处在于电控单元根据实时输入信号，从设置好的存储器中自动匹配出最符合当前路况的控制参数。

4.2预见控制方法

预见控制方法的主要原理为电控单元在对输入信号做出判断并摘要：悬架系统属于汽车四大系统中的底盘系统，其主要作用是承受车身重量及缓冲减振，是保证汽车操纵稳定性和行驶平顺性的关键部件。文章主要讨论了按照不同标准划分的各类悬架优缺点，以及各类悬架的控制方法和悬架的研究趋势。

4.3智能控制方法

目前，智能控制方法主要有神经网络控制和模糊控制。神经网络控制具有巨量并行性和可学习性的特点，当系统再次遇到类似信号时能做出快速与准确的反应，这也是其与传统控制方法的区别所在。模糊控制方法指在随机激励作用下，通过模糊推理分别构成主动和半主动控制规则，并使用此规则进行计算机模拟分析来控制车体的俯仰振动和垂直振动。

4.4复合控制方法

汽车悬架的控制方法发展至今已经延伸出了很多种类，将各种不同的控制方法进行整合，相互补充取得最佳的悬架控制效果是当前研究工作的重点方向。复合控制方法的产生，不仅使悬架系统的建模与控制更加便捷高效，而且对于悬架整体性能的改进与提升也有显著的推动作用。

结束语

由汽车控制臂的可靠性优化设计算例结果可得，本文中提出的方法通过求解符合满足可靠性指标的标准化变量值，完成随机变量的修正，进而进行等价的确定性拓扑优化，避免了优化过程中繁琐的可靠性分析，从而大大缓解了可靠性优化的计算负担。所提出的优化算法不仅能获得优良的可靠性拓扑优化构型，且能通过合理修改结构的参数值，获得指定的可靠性指标。因此，所提出的方法具备良好的实用价值，可最大限度地满足经济性和安全性的设计要求。

参考文献

[1]石广丰,高韬,宋林森,史国权.基于ABAQUS的某汽车悬架控制臂仿真模态分析[J].长春理工大学学报(自然科学版),2013,36(06):75-77+89.

[2]张海波,常影,范红媛,涂方喜.基于CATIA的汽车悬架控制臂逆向造型研究[J].制造业自动化,2013,35(22):100-101.

[3]李靖.汽车悬架控制系统的类型与方法研究[J].武汉纺织大学学报,2013,26(03):52-56.