摘要
随着智能网联汽车的发展,半主动悬架系统的应用范围也更加广泛,因此有必要针对半主动悬架系统对车辆耐久性的影响进行深入研究。首先基于实际天棚阻尼控制模型建立了半主动悬架振动模型,并将其运用到车辆悬架七自由度模型中;其次确定了基于该七自由度模型的悬架性能评价指标,标定出了最优天棚阻尼控制系数;然后以悬架输出的四通道垂向力作为激励,基于一典型轿车的有限元模型,使用惯性释放法进行了静应力分析;之后使用准静态叠加法,对其疲劳损伤进行了分析,确定了该车身的疲劳损伤关键位置,对比了使用半主动悬架和被动悬架时疲劳损伤值,结果发现前者的疲劳寿命得到了较大的优化。
悬架是影响着车辆平顺性和操作稳定性等关键性能指标的重要零部件,可分类为被动悬架、半主动悬架、全主动悬架。其中,半主动悬架相比全主动悬架有着能耗低、成本低的优势,而相比被动悬架有更佳的性能,因此受到了较广泛的关注。在半主动悬架的控制理论方面,Kamopp
本文将基于天棚控制理论,在车辆悬架七自由度模型上标定天棚阻尼系数,仿真得到簧载质量的四通道悬架垂向力输入,然后结合一典型轿车的CAE模型,分析使用半主动悬架和被动悬架对车身疲劳寿命的影响。
理想的天棚阻尼控制理论假想簧载质量通过阻尼器与天棚相连,如

(a) 理想天棚

(b) 实际天棚
图1 天棚控制悬架
Fig.1 Skyhook control suspension
对从理想天棚阻尼转换到实际天棚阻尼的过程进行推导。首先,分别建立起其运动微分方程,对理想天棚阻尼悬架控制模型建立运动微分方程如下:
(1) |
对实际天棚阻尼悬架控制模型建立运动微分方程如下:
(2) |
因为天棚阻尼控制以簧载质量为被控对象而不考虑非簧载质量的运动,故需使
在不考虑分母为0的情况下,可得理想天棚阻尼与实际天棚阻尼的等效方程:
(3) |
基于
(4) |
基于

图 2 实际天棚阻尼悬架振动
Fig.2 Actual skyhook damping suspension vibration
该模型的上半部分为实际天棚阻尼c的计算,下半部分为非簧载质量振动模型。模型的输入为簧载质量垂向位移和路面垂向位移,输出为悬架垂向力。模型中的参数取值将在下一章节详细列出。
使用六自由度刚体模型对簧载质量建模,但因天棚阻尼悬架模型只输出垂向力给该刚体模型,故实际仅考量该刚体模型中沿z轴位移、绕x轴旋转及绕y轴旋转这3个自由度,加上4个悬架中的非簧载质量沿z轴位移,构成了车辆悬架七自由度模型。该模型在Simulink软件中的结构如

图3 七自由度车辆模型
Fig.3 7 DOF vehicle model
悬架模型参数 | 参数值 | 车身刚体模型参数 | 参数值 |
---|---|---|---|
天棚阻尼系数最大值 | 8 000 | 簧载质量 | 1 600 kg |
天棚阻尼系数最小值 | 100 0 | 前轴到质心纵向距离 | 1.68 m |
被动悬架阻尼系数 | 1 500 | 后轴到质心纵向距离 | 1.12 m |
悬架弹簧刚度 | 20 000 | 质心到车轴平面垂向高度 | 0.35 m |
轮胎刚度 | 300 000 | 绕x、y、z轴转动惯量 |
350、 1 500、 1 700 kg· |
非簧载质量 | 45 | 前后轮距 | 1.55、 1.55 m |
纵向等效车速 | 10 m/s |
路面输入采用一段正弦扫频路和一段交叉轴路。正弦扫频路的空间频率从增加到,用于激励车辆在垂向加速度、pitch角加速度方面的响应。交叉轴路空间频率为,与车辆轴距相等,用于激励车辆在roll角加速度上的响应。
因
基于上述方法得到天棚阻尼控制半主动悬架和被动悬架的各项性能指标的对比,如

图 4 天棚阻尼控制半主动悬架与被动悬架性能对比
Fig.4 Comparison of performance between semi-active suspension and passive suspension with skyhook damping control

图 5 天棚阻尼控制综合性能指标曲线
Fig.5 Comprehensive performance index curve of skyhook damping control

图 6 天棚阻尼控制@alpha=0.678与被动悬架性能对比
Fig.6 Comparison of performance between skyhook damping control @ alpha=0.678 and passive suspension
本文将上一节中悬架振动模型所输出的悬架垂向力所为研究车身疲劳寿命的输入载荷。在耐久性研究中,雨流计数法所得到的雨流矩阵对载荷历程的计数能反映材料在应力-应变响应中的滞回环特性,拥有明确的物理意义,因而被广泛采用。为了使不同载荷历程所得的雨流矩阵对比更直观,可以提取雨流矩阵中代表相同载荷幅值的部分并由大到小累加,得到range pair累积频次曲线。以左后轮的力激励为例,其计数结果如

图 7 使用被动和半主动悬架的车辆左后轮力计数对比
Fig.7 Comparison of left rear wheel force counts for vehicles using passive and semi-active suspensions
但以上单通道的计数结果还不能准确反映使用半主动悬架和被动悬架时车身关键点处的疲劳寿命的区别,因为车身几何形状和受力情况更复杂,关键点处的应力大小与上述单轴力输入之间的数学关系未知。基于这一考量,本文使用一典型轿车的CAE模型,以
本文使用准静态叠加法来实现对该车架的疲劳寿命预测。首先,基于车身有限元网格文件进行单位载荷下的静态应力分析,分析时采用惯性释放法,依靠自身重力对施加的力进行平衡;然后,利用悬架振动模型输出的垂向力作为车身接附点处的边界载荷;获取到部件的应力-时间历程之后,结合定义的材料S-N曲线,选用临界平面法和Goodman平均应力修正,对车身进行疲劳寿命预测。
基于上述流程,对该轿车车身进行疲劳寿命计算的结果如

图 8 使用半主动悬架的车身疲劳损伤云图
Fig.8 Cloud map of vehicle fatigue damage using semi-active suspension

图9 使用被动悬架的车身疲劳损伤云图
Fig.9 Cloud map of vehicle fatigue damage using passive suspension
在
Node编号 | 位置 | 使用被动悬架的疲劳损伤d1 | 使用半主动悬架的疲劳损伤d2 | 相对差值(d2-d1)/d1 |
---|---|---|---|---|
7503 | 前纵梁接附点 |
5.533×1 |
5.213×1 | 961% |
103993 | A柱上接附点 |
2.729×1 |
3.432×1 | 695% |
99984 | B柱上接附点 |
4.996×1 |
3.848×1 | 1 198% |
271327 | C柱下接附点 |
9.825×1 |
6.149×1 | 1 498% |
382873 | 后纵梁、轮拱接附位置 |
3.685×1 |
3.535×1 | 942% |
本文基于实际天棚阻尼控制,建立了使用该控制方法的悬架振动模型并运用到车辆悬架七自由度模型中。使用正弦扫频和交叉轴路作为模型激励,综合车身垂向加速度、车身pitch角加速度、车身roll角加速度、悬架动行程、车轮动载荷5项性能指标,标定得到最优天棚阻尼控制系数。使用悬架振动模型以正弦扫频和交叉轴路面为输入后输出的垂向力作为边界载荷,基于一典型轿车有限元模型,使用准静态叠加法计算四通道力输入下车身的疲劳损伤,对使用半主动悬架和被动悬架的车身在损伤关键位置做了对比,发现使用半主动悬架的非簧载车身有更优的疲劳寿命表现。
但天棚阻尼控制并不考虑非簧载质量的振动,有研究表明车轮动载荷会增加,悬架下摆臂寿命会降低,故半主动悬架对车辆疲劳寿命的影响仍值得进一步研究。
参考文献
CROSBY M J, KARNOPP D C. The active damper: a new concept for shock and vibration control[J]. Shock and Vibration Bulletin, 1973, 43(4): 119. [百度学术]
VALÁŠEK M, NOVAK M, ŠIKA Z, et al. Extended ground-hook-new concept of semi-active control of truck's suspension[J]. Vehicle system dynamics, 1997, 27(5/6): 289. [百度学术]
吴光强,黄焕军,叶光湖.基于分数阶微积分的汽车空气悬架半主动控制[J].农业机械学报,2014,45(7):19. [百度学术]
WU G Q, HUANG H J, YE G H. Semi-active control of automotive air suspension based on fractional calculus[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014,45(7): 19. [百度学术]
叶光湖,吴光强.汽车磁流变减振器半主动空气悬架仿真研究[J].汽车工程,2015,37(5):560. [百度学术]
YE Guanghu1, WU Guangqiang. A study on the simulation of semi-active air suspension with magneto-rheological dampe[J] EngineeringAutomotive,2015,37(5):560. [百度学术]
SMITH M C. Synthesis of mechanical networks: the inerter[J]. IEEE Transactions on automatic control, 2002, 47(10): 1648. [百度学术]
QIN Y, DONG M, ZHAO F, et al. Road profile classification for vehicle semi-active suspension system based on adaptive neuro-fuzzy inference system[C]//2015 54th IEEE Conference on Decision and Control (CDC). Osaka: IEEE, 2015: 1533. [百度学术]
WANG R, LIU W, DING R, et al. Switching control of semi-active suspension based on road profile estimation[J]. Vehicle System Dynamics, 2022, 60(6): 1972. [百度学术]
YANG Z, SHI C, ZHENG Y, et al. A study on a vehicle semi-active suspension control system based on road elevation identification[J]. PLoS one, 2022, 17(6): e0269406. [百度学术]
LI Z J, KOLMANOVSKY I V, ATKINS E M, et al. Cloud aided semi-active suspension control[C]//2014 IEEE Symposium on Computational Intelligence in Vehicles and Transportation Systems (CIVTS). Orlando: IEEE, 2014: 76. [百度学术]
VALÁŠEK M, KORTÜM W, ŠIKA Z, et al. Development of semi-active road-friendly truck suspensions[J]. Control Engineering Practice, 1998, 6(6): 735. [百度学术]
RAMLI R. Dynamic simulation of semi-active suspension systems for durability analysis[D]. Leeds: University of Leeds, 2007. [百度学术]