基于DOE方法的懸置系統優化

王洋，王暉，徐勇

（華晨汽車工程研究院NVH工程室，遼寧 沈陽 110141）

基于DOE方法的懸置系統優化

王洋，王暉，徐勇

（華晨汽車工程研究院NVH工程室，遼寧 沈陽 110141）

車輛動力總成懸置的隔振性能主要取決于其剛度，由于材料屬性特殊，懸置剛度受制造因素影響較大，剛度公差通常設定在±15%，剛度的波動可能會造成NVH性能的波動。如何優化懸置剛度，使其在公差范圍內整車NVH性能保持穩定是懸置系統開發的一項重要任務。文章利用DOE（試驗設計）的方法對懸置系統進行全因子試驗，根據統計分析結果對懸置剛度進行優化，并進行試驗驗證，結果NVH性能穩健性達到要求。

汽車懸置；DOE；穩健性

10.16638/j.cnki.1671-7988.2016.11.022

CLC NO.: U463.33 Document Code: A Article ID: 1671-7988（2016）11-60-04

前言

車輛怠速振動是一項重要的NVH性能，當客戶啟動發動機，怠速振動是顧客對車輛性能和質量的第一印象。怠速振動的激勵源來自發動機周期變化的力及力矩，通過懸置傳動到車身并引起整車振動。因此影響怠速振動的主要因素是發動機振動水平，懸置系統的隔振水平以及車身的結構特性。根據隔振原理，懸置系統的隔振取決于懸置剛度。相對于其他因素，由于懸置材料的特殊性，懸置剛度的公差是很難控制在很小的范圍內。因此，懸置系統的穩健性設計是非常重要的，即減小系統對誤差的敏感性。如圖1所示，D1的設計雖然得到最佳的結果，但在D1的公差范圍內，相應的變化非常大，會對實現產品功能帶來很大風險。D2是經過穩健優化的結果，雖然響應值沒有D1小，但響應隨參數變化的范圍非常小，能夠非常穩定的實現功能。本文采用DOE方法，對懸置系統剛度進行優化。通過統計分析，明確駕駛室內振動主要影響因素，建立振動響應關于懸置剛度的函數。最后，利用擬合函數進行懸置系統優化設計，最終達到NVH目標要求。

圖1　穩健性設計意義

1、試驗設計

DOE(Design of Experiment)試驗設計，一種安排實驗和分析實驗數據的數理統計方法；試驗設計主要對試驗進行合理安排，以較小的試驗規模(試驗次數)、較短的試驗周期和較低的試驗成本，得理想的試驗結果以及得出科學的結論。DOE是一系列試驗及分析方法集，通過有目的地改變一個系統的輸入來觀察輸出的改變情況。

實驗設計的目的包括：

(1) 確定哪些參數給響應帶來最大的影響；

(2) 確定有影響的參數設定在什么水平，使響

應達到或盡可能靠近希望值；

(3) 確定有影響的參數設定在什么水平，使響

Drug dose-response curve was fitted with Hill Eq 2.

應的分散度盡可能小；

(4) 確定有影響的參數設定在什么水平，使不

可控參數對響應的影響盡可能小。

因此，在制造過程的開發以及解決過程中出現的問題中都可以應用實驗設計，以改善過程的性能，或者使過程對于外部波動源不敏感，同時還可節省時間和降低成本。所以，實驗設計對于開發和改善制造過程，提高產品質量是一個非常重要的工程工具。DOE模型如圖2所示。

圖2　DOE模型

常見的DOE方法有全因子法、部分因子法、曲面響應法及田口法。根據不同需求，選擇不同的方法。其中，全因子法包含了所有的組合，全因子試驗所需試驗的總次數會比較多，但它的優點是可以估計出所有的主效應和所有的各階交互效應。所以在因子個數不太多，而且確實需要考察較多的交互作用時，常常選用全因子設計。為了研究響應變量是如何依賴于自變量，進而能找到自變量的設置使得響應變量得到最佳值（望大、望小或望目）。如果自變量的個數較少，則響應曲面方法是最好的方法之一，該方法特別適合于響應變量望大或者望小的情形。DOE一般性流程如圖3所示。

圖3　DOE一般流程

2、懸置系統DOE

本文以前置前驅三點懸置為例，由于需要考察各因素的交互作用，因此選擇全因子法進行懸置系統的優化，利用F檢驗，確認模型是否有效，優化流程如圖4所示。

圖4　懸置系統DOE優化流程

表1　試驗設計表

經過分析及篩選，選擇懸置三個主方向剛度為可控因子，因素水平為設計值的上下公差。選擇方向盤及座椅導軌振動為評價量。由于生產、加工溫度等影響，通常懸置剛度的公差取15%。試驗設計表如表1所示，試驗結果記錄到表1中。

2.1數學模型

其中，y為響應；x為因子；i為因子個數；ε為誤差項。懸置優化需要考核所有因素的交互作用，這里先建立線性模型，后續發現彎曲現象再加入平方項，因此初始模型選擇數學模型（2）。

其中b0為常數項；a為各項系數。模型中包括所有包含全部因子的主效應及全部因子的二階交互效應。在經過細致的分析之后，如果發現某些主效應和二階交互效應不顯著，則在下次選擇模型的時候，將不顯著的主效應和二階交互效應刪除。圖5、圖6分別是經過方差分析繪制的Pareto圖和標準響應的正態分布圖。兩圖顯示AB、BC兩交互作用不顯著，在模型修正時去掉AB及BC作用。

圖5　Pareto

圖6　效應正態分布圖

2.2數據分析

對方向盤數據進行方差分析及假設檢驗，對數學模型的修正，得到公式（3）

各因素效應及系數的估計結果如表2所示：

表2　因素效應與估計結果

方向盤分析結果如表3所示：

表3　方差分析結果

表2因素效應與估計表中， P值小于0.05，拒絕原假設，對應因素為顯著因素。從方差分析表3中可以看到，主效應和2階交互作用對應的概率都小于顯著性水平0.05，應該拒絕原假設，認為此模型是有效的；失擬值和彎曲對應的概率分別為0.471和0.433，都大于顯著性水平，不拒絕原假設，說明本模型未發生失擬和彎曲的現象。輸出pareto圖和標準響應的正態分布圖如圖7、圖8所示。

圖7　Pareto圖

圖8　效應正態分布圖

同樣的方法得到座椅振動與懸置剛度的關系函數如下

3、設計優化

分析擬合的函數（3）與函數（4），只有發動機懸置與扭力臂的交互作用為顯著因素，繪制這兩組交互作用的等值線，如圖9、10所示。由圖中可以得知，雖然交互作用為顯著因素，但由于發動機懸置效應非常強，因此，此交互作用也以發動機懸置變化為主。方向盤及座椅導軌的振動響應與懸置剛度幾乎成線性關系。

圖9　方向盤交互作用等值線

圖10　座椅導軌交互作用等值線

其中發動機懸置Z向為最顯著地因素，現優化發動機懸置剛度，將振動目標、變速器懸置剛度上公差及扭力臂剛度上公差代入函數1與2，計算結果顯示，如果在公差范圍內需要滿足NVH目標，發動機懸置剛度設計值需要降低9%。對計算結果行預測，得到結果如表。表中結果顯示，優化后的結果顯示，在最惡劣的工況下，有95%的概率方向盤振動的平均值在(23.85, 24.81)區間內，而此工況的任意一次試驗，有95%的概率方向盤振動值在(23.55, 24.95)區間內。設計結果滿足NVH目標。

表4　方向盤振動預測結果

4、試驗驗證

挑選5套懸置剛度值在上限的零部件進行試驗驗證。最終測試結果如表5所示，其中5次試驗的均值為24.32，任意一次試驗的結果都在(23.55, 24.95)區間內。說明預測的模型可靠性較高，能夠滿足懸置系統NVH性能優化的要求。

表5　驗證試驗結果

5、結論

通過DOE方法，構建振動響應與懸置系統剛度的函數，通過對設計值的調整，使振動響應發生在目標置信區間內成為高概率事件，達到懸置系統優化的目的。本文在函數擬合過程中，未發生彎曲現象，因此采用線性擬合是正確的。當擬合過程中發生彎曲現象時，應該調整模型，采用響應曲面法進行擬合。

[1]Sanjay K. Mahajan, Matthew M. Surella and Thomas C. Single. Designing Six Sigma Quality into a RWD IRS Driveline System for Improved Vehicle-Level NVH Performance. SAE Technical Paper 2004-01-1536, 2003, DOI: 10.4271/2003-01-1494.

[2]Thomas Wang, Francisco Sturla and Vicente Cepeda Salazar, Mount Rate Robust Optimization for Idle Shake Performance. SAE Technical Paper 2004-01-1536, 2004, DOI: 10.4271/2004-01-1536.

[3]Vikram, M., Patil, R., Chattanahalli, S., and H Meti, V., "Torsional Vibration Damper Development for Emerging Market RWD Vehicle," SAE Technical Paper 2015-26-0128, 2015, DOI: 10.4271/ 2015-26-0128.

Timization of Mount System Based On the DOE Method

Wang Yang, Wang Hui, Xu Yong
( NVH Engineering Section, Brilliance Automotive Engineering Research Institutel, Liaoning Shenyang 110141 )

The vibration isolation of vehicle powertrain mounting system is mostly determined by the stiffness of each mount block. Because of the characteristics of the rubber, the manufacturing tolerance is difficult to control below the fifteen percent. That will bring the reflection to the NVH performance. It is one of the most important processes that the NVH performance of the vehicle keeps stable in the manufacturing tolerance range. According to the statistic analysis of a full factorial experiment, the optimization of mount stiffness is implemented, and the validation result shows the robust of NVH performance is reach the target via the DOE (design of experiments).

Automobile Mount; DOE; Robustness

U463.33 文獻表示碼：A

1671-7988（2016）11-60-04

王洋（1982-），男，工程師，就職于華晨汽車工程研究院。從事動力傳動NVH相關工作。