基于ADAMS的電動汽車后懸架性能分析與優化*

陳雙 孫艷

（遼寧工業大學）

懸架是將車架（或承載式車身）與車軸彈性連接起來的裝置總稱[1]，是汽車的重要總成之一。懸架系統運動特性的研究一般利用特制的懸架試驗臺對其運動特性進行測量，而不是在汽車的行駛過程中對懸架運動特性進行測量。車輛性能仿真軟件ADAMS/Car提供了一個專門用于懸架性能測試的懸架特性虛擬試驗臺_MDI_SUSPENSION_TESTRIG。應用該試驗臺進行懸架運動學仿真分析時，可以向車輪施加垂向運動，如果是對前懸架系統仿真分析，還會輔之以轉向盤的仿真形式，使仿真更能體現懸架真實的運動特性。因此，文章將基于ADAMS/Car懸架仿真試驗臺進行后懸架運動學性能仿真，并通過遺傳算法進行后輪前束角和外傾角隨車輪跳動變化的優化，確保后懸架系統的良好性能。

1 后懸架系統虛擬樣機模型的建立

1.1 后懸架系統三維模型的建立

文章研究的電動汽車實車，如圖1所示。

該電動汽車的后懸架系統為麥弗遜式獨立懸架系統，根據CATIA三維模型，建立后懸架模板文件所需要的硬點坐標、質量及轉動慣量，如圖2所示。

1.2 后懸架性能仿真模型的建立

該電動汽車為前置前驅電動汽車，因而后懸架系統不具有驅動軸，且仿真過程中后懸架系統不需要與轉向系統連接與信息交換，因而應用ADAMS/Car建立后懸架系統的仿真模型不需要驅動軸，也不需要添加與轉向系統進行信息交換的通訊器。應用ADAMS/Car建立的后懸架系統虛擬樣機模型，如圖3所示[2]。

將建立的后懸架子系統與懸架虛擬試驗臺_MDI_SUSPENSION_TESTRIG進行組裝，建立后懸架性能仿真模型，如圖4所示。

2 懸架運動學仿真分析

對于電動汽車而言，車輪定位參數通常針對汽車的前轉向輪而言[3]，而文章對后懸架性能分析主要考慮前束角和外傾角隨車輪跳動的變化量。其原因是：文章研究的電動汽車是前置前驅，如果后輪沒有前束角，當汽車行駛時，在驅動力作用下，后輪將產生一定彎曲，使后輪出現前張現象，而預先設置的前束角就是用來抵消這種前張的。后輪外傾角的存在一方面可增加后輪接地點的跨度，增加汽車的橫向穩定性，另一方面可抵消高速行駛且驅動力較大時后輪出現的前張，以減少輪胎磨損。

采用雙輪同向跳動仿真試驗對后懸架完成性能仿真。設置仿真步數為30，跳動量為±50 mm的雙輪同向跳動試驗，獲得的前束角和外傾角隨車輪跳動的變化情況，如圖5和圖6所示。

車輪外傾角對汽車穩定直線行駛具有很大影響，其取值范圍一般在1°左右；而前束角應具有較小的變化量，且一般設計成在上跳過程中為0或弱負值。從圖5和圖6可以看出，該電動汽車懸架在隨車輪上下跳動50 mm的過程中，外傾角變化在-0.59～0.57°，相對合理，而前束角隨車輪跳動過程中的變化量較大，并不理想。因此，文章對外傾角和前束角均做進一步優化。

3 靈敏度分析及優化變量的確定

本次的靈敏度分析對象是執行完雙輪同向跳動試驗的后懸架仿真系統。執行靈敏度試驗時，第1步是設定靈敏度檢測對象，即前束角和外傾角；第2步是將對靈敏度影響較大的因素設置為靈敏度檢測的變量；第3步是設置響應；第4步是設計計算空間；第5步則是系統根據前4步設計，計算出運算矩陣；最后，根據設計完成整個靈敏度試驗過程。

試驗設計過程中選定DOE Response Surface（對試驗結果進行多項式擬合）方法創建分析矩陣，選擇Full Factorial方法創建設計矩陣，分析得到各變量對測試對象的靈敏度，如表1所示。表1示出在車輪跳動過程中，對前束角影響靈敏度大于8%的6個硬點坐標。將這6個坐標點作為后續優化工作的優化變量。

表1 靈敏度試驗變量對前束角的影響

4 基于遺傳算法的性能優化

由于遺傳算法在處理求解大量問題過程中具有傳統優化算法無可比擬的優點，因而得到廣泛應用[4]。文章對定位參數的優化利用軟件自帶的接口Userl，User2，User3，將自定義優化算法添加到ADAMS中，優化算法采用MATLAB遺傳算法工具箱中的多目標優化算法[5]。但ADAMS中添加優化算法必須是基于C語言的優化算法，文章基于MATCOM軟件將多目標優化遺傳算法的.m文件轉變為C語言文件，供ADAMS調用。遺傳算法的運算流程，如圖7所示[6]。

選定種群個體數目為100，最大遺傳代數為200，代溝為0.9，優化仿真試驗后，得到的懸架優化前后硬點坐標對比，如表2所示。

表2 懸架優化前后硬點坐標對比mm

對優化前后的后懸架系統進行相同設置的雙輪同向跳動試驗，得到優化前后后懸架系統的前束角和外傾角隨車輪跳動變化對比曲線，如圖8和圖9所示。

從圖8和圖9中可以看出，經過優化后，后輪前束角的變化范圍由 -0.631～0.536°變為 -0.214～0.168°，后輪外傾角隨車輪跳動的變化范圍由-0.957～1.284°變為-0.760～1.148°。后輪外傾角的變化范圍明顯減小，且在隨車輪上跳過程中，仍為負值，有利于增加汽車穩定性以及在高速行駛過程減弱輪胎的磨損。后輪前束角的變化范圍減小更為明顯，在隨車輪上下跳動50 mm的過程中，前束角的變化范圍在0左右，且變化趨勢符合不足轉向要求，能較好消除汽車行駛過程的后輪前張現象，優化結果較理想。

綜上，將遺傳算法導入ADAMS中，結合ADAMS/Insight模塊對后懸架定位參數靈敏度的測試，較好地滿足了后輪定位參數的優化設計。

5 結論

文章從研究懸架運動特性的角度出發，在以往只研究前輪定位參數優化的基礎上，針對微型電動汽車的特點，通過對后懸架性能分析與遺傳算法優化，實現了電動汽車后輪定位參數的優化設計，確保了后懸架系統的良好性能。在下一步工作中，還可以對懸架的縱傾特性及制動點頭量等更多特性進行研究分析。研究成果對于深入研究電動汽車行駛性能具有一定的理論參考價值和實際應用意義。