基于遺傳算法的重型車輛空氣懸架參數優化與性能分析

張俊玲ZHANG Jun-ling（貴州工業職業技術學院 機械與電氣工程學院，貴陽 550003）

基于遺傳算法的重型車輛空氣懸架參數優化與性能分析

張俊玲
ZHANG Jun-ling
（貴州工業職業技術學院 機械與電氣工程學院，貴陽 550003）

運用虛擬樣機技術，建立重型車輛空氣懸架系統三維模型。根據三維模型的相關參數，創建車輛空氣懸架動力學模型。為提高車輛舒適性、操縱穩定性及道路友好性，選取車身加速度、懸架動行程及輪胎動變形為控制目標，基于遺傳算法對某重型車輛進行參數優化及多目標控制。通過仿真分析，對比參數優化前后車輛性能的改善。

參數優化；空氣懸架；遺傳算法；多目標控制

0　引言

隨著我國經濟的發展，國家對于重大工程的基礎設施建設投資規模的不斷擴大，使得重型車輛需求旺盛。另一方面，城市化進程的加快及物流行業的快速發展，也導致了重型車輛需求的超常規增長。伴隨商用車輛需求的增加，重型車輛開發也將進入快速發展的軌道。重型車輛一般工作條件惡劣、駕駛情況復雜，行駛過程中彎道多、坡度多，且由于車輛長度原因導致部分路段轉彎半徑要足夠小［1］。另外，重型車輛是導致路面破壞的主要原因，尤其是車輛超限和超載時帶來的路面動載，縮短了路面的使用壽命，極大增加了道路維護費用［1］。

鑒于上述原因，車輛的舒適性、操縱穩定性及道路友好性應該作為重型車輛設計時主要目標［2］。作為車輛底盤的重要組成部分，重型車輛的懸架系統的設計對于上述目標優劣起到決定性作用。隨著車輛廠商對于車輛性能要求的不斷提升及政府對于公路養護的重視，空氣懸架由于其變剛度特性且對于車輪動載荷降低的有效性在重型車輛上開始得到廣泛應用。空氣懸架設計中，通過空氣彈簧剛度與減振器的阻尼之間的不同參數匹配，可以獲得不同的懸架特性［3］。

傳統方法對于懸架參數進行優化時，往往根據實踐經驗進行設定，再根據參數在物理過程中的響應獲得系統性能。依靠經驗的設計方法需要設計人員對系統充分了解，且調試需要耗費大量時間。隨著懸架系統的日趨復雜及廠商對開發成本的控制，智能且有效的懸架參數優化方法逐漸受到歡迎［4］。基于此，本研究提出使用遺傳算法，基于車輛性能目標參數對重型車輛空氣懸架進行參數優化。

為最大限度衰減外部激勵、提升車輛性能，本研究首先分析某型號重型車輛拓撲結構及幾何尺寸，參考空氣彈簧及減振器相關試驗數據，對該車輛空氣懸架進行虛擬樣機建模。通過建立的重型車輛前后空氣懸架三維模型，獲得空氣彈簧及減振器的相關剛度及阻尼參數。在此基礎上，根據車輛多體動力學理論，建立該重型車輛二分之一車輛動力學模型。以車輛舒適性，操縱穩定性及道路友好性為控制目標，基于遺傳算法對車輛各項性能的權重系數進行優化，通過多目標控制算法對車身加速度、懸架動行程及輪胎動變形進行控制，實現整車性能提升。

1　空氣懸架虛擬樣機建模

1.1空氣彈簧參數確定

根據選取的重型車輛結構形式，在其前后懸架的左右側各配置一個空氣彈簧。配置后，根據車輛的整備質量及前后懸架簧載質量，參考貴州前進橡膠有限公司的《橡膠空氣彈簧使用手冊》，確定前空氣懸架型號。在空氣懸架選型過程中，前懸架主要考慮載荷轉移，后懸架主要考慮車輛過載能力。最終確定前后懸架空氣彈簧型號分別為IT115M型及IT19F-7型，參數如表1所示。確定空氣彈簧型號后，結合空氣彈簧使用手冊，通過試驗得到前后懸架空氣彈簧剛度特性曲線（如圖1所示），用于下文懸架系統動力學分析。

表1　前后懸架空氣彈簧相關參數

圖1　空氣懸架減振器阻尼特性曲線

1.2減振器

確定空氣彈簧特性參數后，根據車輛安全及平穩性的要求，可以進一步確定車輛減振器的阻尼參數［5］。車輛阻尼參數的設置，一般用相對阻尼比來評價阻尼的大小或者振動衰減的快慢程度。相對阻尼比與車輛阻尼之間的關系式為：

1.3空氣懸架物理建模

完成懸架中空氣彈簧和減振器兩個主要部件的特性參數配置后，根據所選取的重型車輛底盤總成布置形式，查閱車輛參數，建立該重型車輛的前后空氣懸架虛擬樣機模型。在此基礎上，根據選定的空氣彈簧型號，運用虛擬樣機技術建立所選定前后懸架的空氣彈簧的三維模型，并將建立的空氣彈簧模型在車輛前后懸架上進行安裝并賦值。對于前后懸架減振器的特性參數，以數值形式賦予空氣彈簧安裝位的上下支點之間。至此，車輛前后懸架物理模型搭建完成。搭建的車輛前空氣懸架三維模型如圖3所示。

圖2　空氣懸架減振器示功特性曲線

圖3　重型車輛前空氣懸架三維模型

1.4空氣懸架動力學建模

除了實現所涉及的智能算法在車輛空氣懸架參數優化方面的性能分析外，本研究的還需對懸架參數優化后的車輛性能進行多目標控制。故在完成懸架物理樣機建模后，還需建立對應的懸架動力學模型以便完成后期控制算法的應用。為簡化計算，車輛動力學建模只考慮半車模型，如圖4所示。根據車輛懸架動力學方程，可以推導出相應等效方程，進而建立車輛懸架動力學模型。

圖4　空氣懸架重型車輛半車車輛動力學模型

2　基于遺傳算法的多目標優化控制

由于需要考量的三項目標性能對應不同的動力學參數，所以需要建立權重系數優化環節，對不同的目標性能進行優化［6］。本研究中，采用遺傳算法針對各項目標性能的權重系數進行優化，之后采用LQG（線性二次高斯）控制器根據優化后的權重系數進行多目標控制。上述基于遺傳算法優化的LQG多目標控制原理圖如圖5所示。

圖5　遺傳粒子群LQG控制原理圖

2.1懸架控制器設計

遺傳算法主要是對車輛模型中涉及車輛性能指標的懸架參數進行權重優化，經過多次迭代計算得到滿足遺傳算法停止條件的最優權重系數后，將得到的最優權重系數代入到LQG控制器中進行最優控制求解。LQG控制解決多目標優化問題，為避免局部最優，需要設立目標函數對總體的目標性能進行控制。

考慮車輛行駛過程中的眾多外界擾動，對前文所創建的車輛模型進行進一步簡化。采用兩自由度四分之一車輛動力學模型進行LQG控制器的設計。結合車輛目標性能，定義控制器中各量為：輸入量為U=Fa，干擾量為W=Zr。將懸架模型整理成狀態空間方程如下：

其中，A，B，D分別為：

數學模型主要為本研究采用LQG控制器建立上述三項性能指標體系的評價函數，表示如下：

其中，ηi為各項指標的權重系數，Fa為控制輸入量。

將上式整理為標準二次型，可得：

其中H、N、Q、R、S分別為狀態變量、輸入量、狀態變量與控制變量交叉項、狀態變量與干擾量交叉項、干擾量的權重矩陣，表示如下：

根據最優控制器，可得到控制輸入量Fa為：

其中K=N-1（QT+BTP），且P為修正的Riccati方程的解。至此，只需求解出反饋矩陣，則根據任意時刻的狀態變量就可以得到最優控制的輸入量。

2.2控制目標權重系數遺傳算法優化

權重系數的大小直接決定著其所對應的指標對車輛整體目標性能的重要程度。為了獲得最優的控制力，需要進一步對權重系數進行優化。考慮到車輛模型中的眾多參數及其復雜性，本研究采用遺傳算法對車輛性能指標的權重系數進行優化。

基于四份之一車輛動力學模型，懸架系統參數優化目標函數設置為：

在f（x）目標函數中，各項分子分母分別為有控制及無控制的各項性能指標的均方根值。

由于遺傳算法中相關參數的選取對優化效果影響較大，根據各性能指標的重要程度，定義各權重系數范圍及終止條件如下：若目標函數連續五次迭代未發生改變，則以每次5%的速率增加變異概率，若目標函數在增加變異概率后的另外五次迭代后仍未發生改變，則優化終止。基于上述方法，結合表2中的車輛仿真參數，最終獲得各目標性能權重系數為：

3　參數優化性能分析

為進一步檢驗所設計的算法有效性，結合表2中車輛仿真參數，對參數優化前及優化后的各指標性能進行分析。根據國際標準協會對路面的分級，采用常用的C級路面，車速為72km/h對參數優化后的車輛性能進行驗證［3］。針對選取的舒適性、操縱穩定性、道路友好性指標，參數優化前后車輛的車身垂向及俯仰加速度、懸架動行程、輪胎動變形如圖6～圖8所示。

圖6　參數優化前后的車身垂向加速度與俯仰加速度對比

表2　重型車輛仿真參數表

圖7　參數優化前后的車輛前后懸架動行程對比

圖8　參數優化前后的車輛前后輪動變形對比

由圖6～圖8可見，經過參數優化后的車輛各項性能都得到了提升。針對車輛舒適性，通過圖6可見，優化后不僅車身垂向加速度降低，車輛俯仰加速度也得到有效改善，車輛舒適性得到有效提升。從圖7和圖8可見，對于車輛操縱穩定性及道路友好性而言，由于車輛前懸負載小，所以參數優化后前懸懸架動行程及車輪動變形的動力學性能改善都較小，但后懸對應參數的性能改善明顯，優化后車輛整體操縱穩定性及道路友好性得到進一步提升。

4　結論

空氣懸架結構復雜，僅通過對整車進行大量簡化所建立的數學模型來研究整車的動力學特性有很大的局限性，建立接近真實系統的動力學模型進行仿真對懸架動力學特性的分析應用意義重大。運用多體動力學軟件進行空氣懸架動力學模型的構建為懸架動力學特性的分析與優化提供了極大的方便，在此基礎上進行了相關研究，為相關研究的進一步準確深入提供了研究思路，擴充了研究手段。

將整車中各項關鍵性能指標的權重系數作為遺傳算法優化目標，確定設計變量后基于多目標控制器進行優化，有效規劃了車輛的目標性能并使整車動力學性能得到改善，為運用多體動力學軟件及先進算法進行懸架設計開辟新思路，為具有良好變剛度特性的空氣彈簧懸架的使用和相關分析引入新方法。

［1］ 李金輝，何杰，李旭宏.基于軸距預瞄的重型汽車主動懸架道路友好性研究［J］.公路交通科技，2013，30（11）:152-158.

［2］ 申一方，李翔晟，蔣淑霞，等.基于非線性振動模型的空氣懸架特性研究［J］.制造業自動化，2014，（6）:82-85.

［3］ 張俊玲.重型車輛空氣懸架參數匹配與性能分析［J］.制造業自動化，2015，（5）:96-99.

［4］ 金智林，張甲樂，馬翠貞，等.多種群遺傳優化的客車防側翻魯棒控制方法［J］.機械工程學報，2014，（24）:130-136.

［5］ 王長新，史文庫，張一京，等.變剛度懸架的虛擬匹配優化［J］.湖南大學學報（自然科學版），2015，42（4）:19-26.

［6］ 潘公宇，于海浪.基于遺傳算法的懸架動力吸振器優化［J］.制造業自動化，2014，（20）:82-84，92.

Optimization and performance analysis for air suspension of heavy vehicles based on GA

U463

A

1009-0134（2016）06-0044-05

2016-04-04

貴州省國際科技合作機械化項目（黔科合外G字700105號）

張俊玲（1973 -），女，貴州貴陽人，副教授，碩士，研究方向為重型車輛懸架系統動力學。