基于遗传算法的车架结构优化
基于遗传算法的车辆半主动悬架控制系统参数优化
10.16638/ki.1671-7988.2021.07.018基于遗传算法的车辆半主动悬架控制系统参数优化范养强，赵化刚，赵华杰（陕西重型汽车有限公司，陕西西安710200）摘要：遗传算法（Genetic Algorithm，GA）是一种基于自然群体遗传演化机制的高效优化算法，它能模拟自然界生物进化过程，依据适者生存，优胜劣汰的进化规则，采用人工进化的方式对目标群体进行遗传操作，不断得到更优群体。
文章根据遗传算法基本思路，在MATLAB/Simulink中搭建了基于遗传算法的车辆半主动悬架参数优化模型，利用该算法对半主动悬架控制系统参数进行了优化，并对优化结果进行了仿真分析，结果表明，优化后车辆簧载质量加速度均方根值降低31.1%、悬架动挠度均方根值降低11.2%、轮胎动载荷均方根值降低7.1%，车辆平顺性得到提升。
关键词：半主动悬架；遗传算法；平顺性；优化中图分类号：U463.4 文献标示码：A 文章编号：1671-7988(2021)07-53-04Parameter Optimization of Vehicle Semi-active Suspension Control System Basedon Genetic AlgorithmFan Yangqiang, Zhao Huagang, Zhao Huajie( Shaanxi Heavy Duty Automobile Co, Ltd, Shaanxi Xi'an 710200 )Abstract:Genetic Algorithm is an efficient optimization algorithm based on the genetic evolution mechanism of natural population. It can simulate the evolution process of nature organisms, and according to the evolution rules of survival of the fittest, it adopts artificial evolution to carry out genetic manipulation on the target population, so as to obtain a better population. In this paper, according to the basic idea of genetic algorithm, the optimization model of vehicle semi-active suspension parameters based on genetic algorithm is built in MATLAB, and the parameters of semi-active suspension control system are optimized by using this algorithm, and the optimization results are analyzed. The results show that the root mean square value of vehicle sprung mass acceleration is reduced by 31.1%, the root mean square value of suspension dynamic deflection is reduced by 11.2%, and the root mean square value of the tire dynamic load is reduced by 7.1%, the vehicle ride comfort is optimized.Keywords: Semi-active suspension; Genetic algorithm; Ride comfort; OptimizationCLC NO.: U463.4 Document Code: A Article ID: 1671-7988(2021)07-53-04前言作者简介：范养强，就职于陕西重型汽车有限公司，主要从事底盘平顺性是车辆的重要品质之一，尤其对于重型精密仪器应用技术开发工作。
基于遗传算法和神经网络的汽车板簧支架多目标优化设计
基于遗传算法和神经网络的汽车板簧支架多目标优化设计摘要：本文探讨了一种方法。
起首，我们介绍了汽车板簧支架的背景和重要性。
然后，我们详尽介绍了遗传算法和神经网络的原理和应用。
接着，我们阐述了我们的多目标优化设计方法以及实施步骤。
最后，我们使用该方法对某款汽车板簧支架进行了优化设计试验，并对试验结果进行了分析和谈论。
试验结果表明，接受我们提出的方法，能够显著提高汽车板簧支架的性能和效能。
1. 引言汽车板簧支架作为汽车重要的结构零部件之一，承担着车辆悬挂系统的承载和减震功能。
其设计质量直接影响了汽车的悬挂和行驶性能。
因此，如何优化设计汽车板簧支架成为了汽车工程师们关注的焦点。
2. 遗传算法遗传算法是一种受到自然进化启发的优化算法，主要用于解决复杂的组合优化问题。
其基本原理是模拟自然界中的进化过程，通过模拟遗传、变异、选择等操作来查找最优解。
遗传算法具有全局查找能力和适应性优势，能够较好地解决多目标优化问题。
3. 神经网络神经网络是一种模拟人类神经系统工作方式的数学模型，通过构建多层网络结构，模拟神经元之间的毗连和传递，实现信息处理和进修功能。
神经网络可以通过进修和训练不息优化模型参数，从而提高性能。
在优化设计问题中，神经网络可以通过进修代表问题解空间的非线性映射干系，援助查找最优解。
4. 多目标优化设计方法本文提出的多目标优化设计方法由遗传算法和神经网络相结合。
详尽步骤如下：(1) 收集问题相关数据和参数，包括汽车板簧支架的几何参数、材料特性和载荷要求等。
(2) 利用遗传算法进行初始设计，生成一组优化的初始个体集合。
(3) 使用神经网络对初始个体集合进行评估，得到每个个体的性能指标。
(4) 依据性能指标对个体进行排序和选择，保留一部分优秀个体。
(5) 使用遗传算法进行遗传操作（交叉和变异），生成新的个体集合。
(6) 重复步骤(3)~(5)，直到达到设计要求。
5. 试验结果分析我们以某款汽车板簧支架为例进行了优化设计试验，并对试验结果进行了分析和谈论。
关于重型矿用自卸车油气悬架参数优化的分析
关于重型矿用自卸车油气悬架参数优化的分析摘要：本文将通过对油气悬架的优势以及劣势进行介绍，从而借助遗传算法，对重型矿用自卸车的油气悬架参数加以有效优化，进而为有关部门能够更有效地使用重型矿用自卸车开展采矿相关作业提供可靠参考。
关键词：重型矿用自卸车；油气悬架；参数优化引言中型矿用自卸车拥有运营成本较低、工作效率较高等优势，如今已被广泛应用到大型的露天矿山作业当中。
矿区路面并不平整，车轮极易受到垂直作用力的冲击，使其有较差的行驶平顺性。
油气悬架阻尼特性以及非线性刚度较好，能有效提升车辆平顺性，使驾驶员更舒适，并使零件受损程度降低，提升车辆寿命。
1油气悬架的优势与劣势1.1油气悬架的优势（1）具有紧凑的结构，特别是将阻尼阀进行加装之后，使得油气悬挂无需单独使用减振器，使整体结构更简单。
一般会将气室设于活塞杆之内，经由浮动活塞分离油气，适应了重型车辆大行程特征。
除此之外，此系统重量轻、体积小，拆卸极为方便。
（2）具备非线性刚度：以往传统的悬架，其刚度属于线性刚度，并且基本不会发生改变，在车辆载重逐渐改变的过程中，其振动频率也会发生改变；在油气悬架中，其刚度属于渐增/渐减且非线性的，在车辆栽种逐渐改变的过程中，其振动频率不会改变，且此现象能够经由优化相应参数得以有效实现[1]。
（3）油气悬架中的“悬挂闭锁”功能可以把油气悬挂中蓄能器与动力缸分置开来，同时在对其进行连接的高压管路中安置锁止阀来使此功能得以实现。
此功能有助于对重物进行移动以及运载。
（4）具备非线性阻尼特点：在安装完阻尼阀之后，能够使油气弹簧阻尼系数具备非线性的特点，而阻尼比以及悬挂阻尼力都会伴随车桥、车架相对速度的改变而发生改变。
（5）调整车姿：可调式的油气悬架能够有效使车体左右倾斜、升降以及前后俯仰，然而需要加装调节车姿系统。
此项功能一般只会实现于主动悬挂当中，从而将油气悬架的优势充分彰显出来。
（6）有较大的单位储能：在氮气的充气压力达到6MPa的时候，单位重量的储能可以达到同条件中3500倍钢板弹簧的单位重量储能，从而使悬架质量减轻，进而使悬架质量变轻。
基于遗传算法的汽车主动悬架最优PID控制与仿真
基于遗传算法的汽车主动悬架最优PID控制与仿真作者：司志远苑风霞来源：《赤峰学院学报·自然科学版》 2014年第12期司志远，苑风霞（安徽科技学院机电与车辆工程学院，安徽滁州 233100）摘要：本文以车辆主动悬架系统为研究对象，建立了1/4车辆模型，在此基础上建立simulink模型，并设计了PID控制器，然后运用遗传算法对相关参数进行了优化设计，实现了主动悬架的最优PID控制.最后对比了主、被动悬架的性能指标（车身加速度、悬架动挠度、车轮动位移），结果表明通过本文方法实现的最优PID控制器对于改善车辆的行驶平顺性和稳定性是有效的.关键词：主动悬架；PID；遗传算法；最优控制中图分类号：U463.33 文献标识码：A 文章编号：1673-260X（2014）06-0047-03汽车悬架系统性能是汽车平顺性和行驶稳定性的决定因素，传统的被动悬架由于阻尼、刚度等参数的限制，很难满足汽车性能改善的需要，而主动悬架通过给悬架输入一定的作动力，能够提高汽车的平顺性等性能.主动悬架的设计关键是控制方法及策略，其中最优控制能够在一定条件下，完成控制任务，使得选定的指标最小，能够取得较好的效果，国内外学者对其进行了大量研究.但是，在最优控制问题的求解中，为使得问题解析可解，需要引入附加的约束或条件，如二次型最优控制问题[1-2]中要引入矩阵Q、R等.本文基于微分方程建立仿真模型（simulink模型），运用遗传算法实现悬架的最优控制.1 汽车主动悬架系统数学模型本文选用2自由度1/4车辆建立系统模型，系统模型如图1所示.模型中参数的意义，mb为簧载质量，mw为非簧载质量，ks、cs分别为悬架的刚度和阻尼，kw、cw分别为轮胎的刚度和阻尼，U为悬架的主动控制力.xb、xw、xg分别为车身垂向位移、轮胎垂向位移、路面不平度.根据牛顿第二定律，建立2自由度1/4车辆模型的运动微分方程，如下所示.2 主动悬架系统simulink模型建立PID控制器[3]作为主动控制器，控制器模型如下其中e(t)为车身加速度相对于参考值的误差.在simulink中建立的模型如图3所示.参数：kp为比例系数、ki为积分系数、kd为微分系数、road为路面输入.3 最优PID控制问题的建立最优PID控制问题[4]是建立在PID控制的基础上，以其相应的参数为设计变量，以系统性能为目标的优化问题.在车辆悬架设计中，需要考虑的性能指标主要有三方面：（1）车身加速度—影响乘坐舒适性；（2）悬架动行程—影响车身姿态；（3）轮胎动负荷及位移—影响轮胎接地性能及汽车操纵稳定性能.因此在使用控制器对悬架进行控制时，必须同时兼顾三种性能，即在改善某一项性能的同时，不能损害其它性能.在上一节的基础上，选择kp（比例系数）、ki（积分系数）、kd（微分系数）为设计变量，即X=(kp,ki,kd)，建立以车身加速度为最小的目标函数，即minf=RMS (4)根据相应平顺性国家标准[5]，车辆乘员没有不舒服感觉的总加权加速度均方根值为0.315m/s2，因为1/4车辆模型研究的是车身加速度均方根值，相当于地板处的加速度，该处的轴加权系数为0.40，根据总加权加速度均方根值计算公式，计算得到目标函数的第一个约束条件.g1=RMS| |-0.7875m/s2≤0 （5）对于不同的车型，在吸收车身振动的前提下，悬架动行程都有一定的要求，从而得到目标函数的第二约束条件.g2=|xb-xw|-Ds≤0 （6）其中Ds为悬架动行程的最大值.为了限制轮胎动负荷，同时具有良好的接地性能，得到另外两个约束条件.g3=|xw-xg|-Dwg≤0 （7）g4=|xw|-Dw≤0 （8）其中Dwg、Dw分别为轮胎最大变形、最大位移.4 最优PID控制问题的求解对最优PID控制问题的求解，优化方法的选择至关重要.传统优化方法的缺点是要以所解问题的凸性作为得到全局最优解的前提条件，否则易得到局部最优解.遗传算法[6]主要借助生物进化中“适者生存”的规律，模拟生物进化过程中的遗传繁殖机制，对优化问题的解空间的每一个个体进行编码，然后对编码后的优化问题进行组合划分，通过迭代从中寻找最优解，其算法的适应性强，对问题本身要求低.而本文所研究的问题的凸性是很难判断的，因此选用遗传算法.遗传算法的计算过程主要包括个体编码、初始种群的形成、适应度计算、选择运算的复制、交叉运算及操作、变异运算.适应度函数的定义：计算过程中系统性能的参数计算是在simulink中进行的，为了处理方便，需要将式（6）—（8）的约束条件放到适应度函数里，构造带有惩罚项的适值函数.即其中当设计变量的值可行时，pi(X)=0，否则pi(X)取正值，对于不同的约束条件取值不同.5 路面输入模型[7]采用滤波白噪声作为路面输入模型，即其中xg为路面位移，m；G0为路面不平度系数，m3；f0为下限截止频率，Hz；u为车辆行驶速度，m/s；?棕(t)为均值为零的高斯白噪声.6 仿真计算及结果车辆模型参数：mb=2500kg，mw=320kg，ks= 80000N/m，kw=500000，cs=350N.s/m，cw=15020N.s/m，悬架动行程限制Ds=0.15m，轮胎动变形限制Dwg=0.05m，轮胎位移限制Dw=0.2m.优化参数：选择二进制编码，种群数为50，最大进化代数为200代，交叉概率为0.8，变异概率为0.05，由计算机在变量范围内随机生成初始种群.路面输入参数：G0=64×10-6m3/cycle，u=20m/s，f0=0.1Hz.路面输入曲线如图4所示.优化结果：kp=201.901，ki=2888.677，kd=1.369.优化前后车身加速度、悬架动挠度、车轮动变形及动位移的仿真结果曲线如图5、图6、图7和图8所示，各性能指标均方根值见表1.从图5-8及表1中可以看出，与被动悬架相比，主动悬架能够：（1）有效的降低车身加速度，其均方根值降低到乘员没有不舒服感觉所要求的值以下，提高了舒适性；（2）减少了悬架的动挠度，改善汽车的平顺性；（3）一定程度上减小轮胎变形，从而减小了轮胎动载荷，改善了汽车的操纵稳定性；（4）保持轮胎位移与被动悬架基本一致，从而保持轮胎的接地性能不变.7 结论建立了带有主动悬架的2自由度1/4车辆系统的simulink模型，运用遗传算法对参数进行优化设计，实现了悬架的最优PID控制，改善了系统的性能，并且与被动悬架对比了悬架的性能指标（车身加速度、悬架动挠度、车轮动位移），结果表明通过本文方法实现的最优PID控制器对改善车辆的行驶平顺性和稳定性是有效的.本文所采取的在simulink中建模（可以结合其它多体动力学软件），运用现代优化方法对系统参数进行优化的方法，具有方便、灵活、适应性强的特点.参考文献：〔1〕兰波，喻凡.车辆主动悬架LQG控制器的设计与仿真分析[J].农业机械学报，2004，35(1):13-17.〔2〕潘国建，刘献栋.汽车悬架参数优化的最优控制方法[J].农业机械学报，2005，36(11):21-24.〔3〕白金，韩俊伟．基于MATLAB／Simu1ink环境下的PID参数整定[J].哈尔滨商业大学学报(自然科学版)，2007，23(6):673-676.〔4〕薛定宇.控制系统计算机辅助设计[M]．北京：清华大学出版社，2005：260-281.〔5〕Saeed Badran, Ashraf Salah, Wael Abbas. Design of Optimal Linear Suspension for Quarter Car with Human Model using Genetic Algorithms[J]. The Research Bulletin of Jordan ACM, VolumeⅡ:42-51.〔6〕喻凡.车辆动力学及其控制[M]．北京：机械工业出版社，2009.106-112.。
基于遗传算法的某车型悬置系统优化设计
发动机只是用来发电，可以让发动机运行在高效率区，动力系统会有一个比较高的效率，整车会有良好的燃油经济性。
通过对发动机、电机、电池参数的合理匹配，在软件中对整车进行了整车性能仿真分析，其结果都达到了设计目标。
下一步等样车制造出来后，对实车进行测试，然后与仿真分析结果进行对比。
参考文献:[1]余志生.汽车理论[M].北京：机械工业出版社，1998.[2]徐杨.串联混合动力客车参数选择及仿真[J].设计研究，2006（1）.[3]贾姝超.基于日产e-POWER的串联混合动力系统工况适应性研究[J].2019中国汽车工程学会论文集，2019.表7仿真结果表工况单位数值目标WLTC油耗L/100km 5.57 6.01表8对比表类型动力配置WLTC油耗2022法规目标值HEV双电机串联 5.57 6.27燃油车1.5升增压发动机+手动变速箱1.5升增压直喷发动机+6AT变速箱1.5升增压直喷发动机+8AT变速箱2.0升增压直喷发动机+6AT变速箱2.0升增压直喷发动机+8AT变速箱8.258.838.989.910.125.986.296.296.356.350引言动力总成作为激励源，在车辆怠速或行驶过程中，时刻向悬置被动侧的车架部位传递着振动能量，该振动能量在传递过程中不管为减弱还是放大，都会直接影响客户对车辆的主观感受，所以悬置系统的设计在整车测评中尤为重要。
一直以来，国内外许多学者针对悬置系统的设计、优化问题，进行过大量的研究。
John Brett[1]将优化目标定为车厢，利用“最小响应法”，对悬置系统进行优化设计；Seonho Cho[2]选取座椅和转向柱为优化目标，利用能量解耦法，优化悬置系统，得到较好的结果，使得两个部位振动加速度值均减小；在悬置系统设计中，LE Ooi等[3]人增加了悬置橡胶阻尼及动刚度参数，将运算模型创建的更为准确；针对悬置支反力的研究，周冠南等[5]人利用序列二次规划法，对悬置刚度进行优化，目的使发动机的传递力达到最小；侯勇等[6]人应用遗传算法，对变量参数进行寻优，不仅提高了求解效率，还能得到全局最优解。
基于遗传算法的铁路小型集装箱装车配载优化
基于遗传算法的铁路小型集装箱装车配载优化杨广全;梁永刚;刘平【摘要】为优化铁路小型集装箱装车配载,提高铁路货物运输效率.在阐述铁路小型箱相关参数基础上,推导出铁路小型箱配载后的基础技术指标计算公式,以铁路车辆的前后两转向架承重差、重车重心高、货物总重心横向偏离量最小为目标函数,以车辆的载重、转向架承受的货物重量、前后两转向架承重差、货物总重心横向偏离量及箱重限制为约束条件,建立小型集装箱装车配载方案的优化模型.最后通过实例验证了该优化模型的有效性和合理性,实现了铁路小型集装箱装车配载的智能化,并已经在北京铁路局成功应用.【期刊名称】《铁道货运》【年(卷),期】2017(000)005【总页数】6页(P41-45,56)【关键词】1.5t铁路小型集装箱;集装笼架;配载;遗传算法;优化【作者】杨广全;梁永刚;刘平【作者单位】中国铁道科学研究院运输及经济研究所,北京100081;中国铁道科学研究院运输及经济研究所,北京100081;中国铁道科学研究院运输及经济研究所,北京100081【正文语种】中文【中图分类】U294.31.5 t 铁路小型集装箱(以下简称小型箱)是铁路专用集装化用具，主要用于零散货物快运中心站、作业站间运输[1]。
为了满足零散货物快运需求，开发了装运小型箱的集装笼架，便于运输途中快速装卸。
集装笼架的长宽尺寸与 20 ft 标准集装箱相同，高度为3 140 mm，铁路集装箱平车上可装载 2 个集装笼架，每个车上可装载 32 个小型箱。
若采用人工编制配载方案，不仅费时，而且可能造成车辆重心超高、偏载、偏重、超重等问题，不能满足零散货物快运信息化、物流化、市场化发展要求[2-3]。
因此，通过采用遗传算法，研究小型物资集装化器具装载布局优化问题[4]，建立小型箱装车配载方案的优化模型及模型求解算法，并且实例验证该优化模型的有效性。
1.1 相关参数按照铁路现行《铁路货物装载加固规则》，小型箱装车后必须满足以下基本技术条件[5]：①重车重心高度不超过2 000 mm；②车辆的载重不得超过其容许载重量；③车辆的转向架承受的货物重量不得超过车辆容许载重量的 1/2；④车辆的前后两转向架承重差不得大于 10 t；⑤货物总重心横向偏离量不得超过100 mm。
基于遗传算法和神经网络算法的吊车结构优化设计与实现
·制造业信息化·图1吊车结构系统有限元模型Fig.1The finite element model of a fixed craneBased on Genetic Algorithms and Artificial Neural Network Algorithms to Optimize the Structure Designand Implementation of CraneXUE Jia-Hai ，YU Xiao-Mo ，QING Ai-Ling ，ZHOU Wen-Jing ，YE Jun-Ke（College of Mechanical Engineering,Guangxi University,Nanning Guangxi 530004,China ）Abstract:This paper by using the finite element method,orthogonal test method,BP neural network and genetic algorithm to optimization of crane structure system.At last ，the neural network model will be optimized through the generic algorithm and the optimal parameters of the structure dynamic behavior will be obtained ．Key words ：finite element ；orthogonal experimental method ；BP-neural network ；genetic algorithm0引言随着吊车向大型化方向发展，结构在动载荷作用下的振动问题变得日益突出。
因此，进行基于动态特性的优化设计，使产品在设计阶段就可以预测其动态特性，可有效减小系统的振动，提高整机工作性能。
基于遗传算法的三维装载优化问题研究
基于遗传算法的三维装载优化问题研究近年来，三维装载优化问题已经成为诸多领域研究的热点。
其主要目的是在保证运输成本最小的前提下，尽可能地利用运输的空间，提高运输效率。
而基于遗传算法的三维装载优化问题研究，是当前国内外颇为活跃的研究方向，不断涌现出新的成果和理论。
一、三维装载优化问题的研究背景随着物流行业的不断发展，货物的运输成本和时间成为限制物流公司的重要因素。
如何最大限度地提高运输效率和节省运输成本，已经成为各物流公司需解决的核心问题。
而三维装载优化问题，正是针对这一需求而提出的一种运输优化方案。
其基本思想是，通过精准的模拟和计算，在满足货物大小、形状等要求的前提下，合理安排货物的摆放位置，尽可能地利用运输空间，从而达到最佳运输效果。
二、基于遗传算法的三维装载优化问题虽然三维装载问题的求解方法有很多种，但是其中，基于遗传算法的优化方法，已经成为研究者使用最广泛的一种。
这是因为，遗传算法可以通过对问题进行优化和迭代，得到优秀的解决方案。
其主要思路是模拟人类在自然环境下的进化和生存过程，选出适应度高的优秀个体，去适应问题的求解过程。
因此，建立基于遗传算法的三维装载优化问题，需要考虑以下几个方面：1. 优化的目标函数三维装载问题需要考虑多个方面的要素，如：货物的准确尺寸、形状、体积、数量等等。
因此，需要构建一个综合性的目标函数，对以上几个方面进行全面考虑。
同时，在实践中，我们还需要根据不同的运输场景，针对性地调整目标函数的权重，以达到最优解。
2. 适应度函数的设计适应度函数是遗传算法求解三维装载问题所必需的，其主要作用是根据求解目标，对每一个解集产生一个评价值，确定其在种群中的适应度大小。
在设计适应度函数时，需要考虑问题的复杂性和求解速度的限制。
同时，对于三维装载问题而言，适应度函数还需要考虑装载效率和其他可行性条件。
3. 交叉和变异的算符设计遗传算法的交叉和变异是遗传算法求解问题的关键步骤，其目的是产生更多有效的解，提高算法的有效性。
基于遗传算法的客车车身骨架优化设计
基于遗传算法的客车车身骨架优化设计
张军;林程;张国明
【期刊名称】《北京理工大学学报》
【年(卷),期】2008(28)1
【摘要】提出一种基于遗传算法的桁架式客车车身骨架的优化设计方法.应用有限元分析软件ANSYS建立了车身骨架有限元模型并进行计算,采用遗传算法进行优化.优化后车身总质量减轻719 kg,减重比例接近25%.结果表明,基于遗传算法的优化设计明显优于常规的数学规划方法,实现了某电动大客车车身骨架的轻量化设计.【总页数】5页(P45-49)
【关键词】车身骨架;遗传算法;有限元法;优化设计
【作者】张军;林程;张国明
【作者单位】北京理工大学机械与车辆工程学院
【正文语种】中文
【中图分类】V211
【相关文献】
1.基于侧翻强度模拟分析的出口客车车身骨架结构优化设计 [J], 敖敏
2.基于I-DEAS的客车车身骨架轻量化优化设计 [J], 陈元华
3.基于ANSYS的客车车身骨架优化设计 [J], 余启志
4.基于神经网络和遗传算法的车身骨架结构优化设计 [J], 邓江华;刘献栋;冯国胜
5.基于多目标优化的客车车身骨架轻量化设计探讨 [J], 李江
因版权原因，仅展示原文概要，查看原文内容请购买。
基于遗传算法的汽车麦弗逊悬架的优化
２ ２ 设 计 变量 。 ． 约束 条 件
根据工程可行性 ， 确定设计变量为 ： 悬架上支
点 Ａ的坐标 （ｘ ａ ， ） 转 向梯形断点 ｃ的坐标 ａ ，ｙ ； （Ｘｃ ， ） 下摆臂 中心轴 中点 ， Ｙ向和 ｚ Ｃ， Ｃ ； ｙＺ 的 向坐 标（ ，） ｉ ｉ 。本文的分析对象某轿车的上述 ３点满 ｙｚ 载时的设计坐标分别 为： （ ２２５ ７７５ ８ ３ ； Ａ １ ． ２ ． １ ． ） Ｃ
的弹性作用 ； 忽略车轮 的厚 度。根据实际的悬架 和转向系统 结构 ， 象出如图 ２所示 的运动仿真 抽
模 型。
１ 车 身；２ 螺 旋弹 簧 ； ３ 减 震器 上体 ：４ 转 向节 总成 一 一 — 一 （ 括减 震 体 Ｆ体 、转彀 轴 、制动 底 板等 ） ； ５ 转向横 拉 包 杆： ６ 一转 向齿条： ７ 下摆臂 ：８ 一 一车轮总成
遗传运算模拟基因在每一代 中创造新后代 的 繁殖过程 。交叉是最主要 的遗传 运算 ， 同时对 它
两个染色体操作 ， 组合两者的特性产生新 的后代。
遗传算法 中， 惩罚技术用来 在每代的种群 中保持 部分不可行解 ， 使遗传搜索从 可行 领域到不可行 领域以达到最优解 。惩罚策略的主要问题是如何 设计一个惩罚函数 Ｃ ） 从而能有效地引导遗传 （ ，
中基因数在总基因数中的百分 比。变异率控制了
新基因导人种群 的比例。
十进制数符 的变异 ：
若在区间［ ］ ａ＜ ） ａ （ ｂ 有一个数 ， ｂ 变异表达
式为 ：
ｉ ，＝１ ｆ ＝ ＋Ａ ｂ一 （ ）
ｉ ，＝０ ｆ
＝ ＋Ａ 一ａ （ ）
（） ２
式 中 ：＝１或 ０为 随机 ， ， 人∈（ ，） ０ １ １３ 进化 运算 ： 择 ． 选
基于遗传算法的汽车麦弗逊悬架的优化
１ 遗传算法
１１ 遗 传算 法的一 般结构 ．
遗 传算法 是一种 基 于生物 自然选择 与遗传 机理 的随 机搜 索算 法 。 和传统搜 索算 法不 同 ， 遗传算 法从
一
组 随 机 产 生 的初 始 解 ． 为 “ 群 （ ｏｕａｉｎ ” 称 种 Ｐｐ ｌ ｏ ）， ｔ
图 １ 遗传 优 化 算 法 程序 结 构 图
维普资讯
设 计 － 究 研
汽 科 第３ ０ 年５ 车 技 期２ ７ 月 ０
汽车麦弗逊悬架的优化
徐 峰 ，陈 昌 明 ，吴 宪
（ 同济 大 学 汽 车学 院 ， 海 ２ １０ ） 上 ０ ８４
摘要 ： 传 算 法 是 一种 基 于 生 物 自然 选 择 与 遗 传机 理 的随 机 搜 索 算 法 。利 用 遗 传 算 法对 麦 弗 逊 悬 架 进 行 了优 化 。结 遗 果 表 明 ． 算 法使 悬架 设 计 工 作 更为 精 确 、 效 ， 化 后 悬 架 系 统 的 运动 学 特 性 得 到 了改 善 。 该 有 优 关键 词 ： 弗 逊 悬 架 ； 传算 法 ； 化 麦 遗 优
＝＋ ６ ） Ａ∈（ ，） Ａ（ ０ １
＋ 口 Ａ（一 ） （） ２
向坐标 （ ， 。本文 的 分析 对 象某 轿 车 的上 述 三 点 ， ） ｚ
个二进 制字 符 串。这些染 色体 在后续 迭代 中不断
进 化 ． 为遗传 。在每 代 中用 “ 称 适值 （ ｔｅｓ ” 测量 ｉ ｆｎ ｓ）来 染 色体 的好坏 。生成 的下一代 染色 体 ．称 为 “ 代 后 （ｆ ｐ ｎ ） ０ 后 代 是 由 前 一 代 染 色 体 通 过 交 叉 ｏ ｓｆ ｇ ” ｉ （ ｒｓｏｅ） 变异 （ ｔ ｉｎ Ｊ 算形 成 的。 Ｃ ｏｓｖｒ或 Ｍｕａ ｏ ） ｔ ￣ 新一 代形 成中． 根据适 值 的大小 选择部 分后代 ． 汰大部分 后 淘
基于遗传算法的汽车悬架仿真与优化设计
摘
要： 遗传算法是一种借鉴生物界 自然选 择和进化 机制 发展起来 的随机 搜索算法 。基于 Ａ Ａ ＳＣｒ Ｄ Ｍ ／ａ
的环境建立 了某 车前悬 架系统的仿 真模 型 ， 对系统进行 了车轮平行跳 动试验动态 仿真分析 ， 并用遗传 算法对 该悬 架系统进行 了优化 。研究结果 为汽车悬架 的设 计提供了技术依据 。 关键 词 ： Ｄ Ｍ ／ ａ； Ａ Ａ Ｓ Ｃ ｒ 遗传算法 ；汽车悬 架 ； 车轮跳动 ；优化设计
Ｊｎ ２ ｌ ｕ ．０ ２
文 章 编 号 ：０５— ８ ２ ２ １ ） ３— ３ ３— ４ ２ ９ ３ ５ （０２ ０ ０ １ ０
文献 标 志码 ： Ａ
基 于遗 传 算 法 的汽 车 悬 架 仿真 与优 化 设 计
龚 侃 ， 天 明 ， 超 何 陈
（． １ 武汉理工大学 汽车工程学院 ， 湖北 武汉 ４ ０ ７ ；． ３ ０ ０ ２ 现代汽车零部件技术 湖北 省重点实验室 ， 湖北 武汉 ４ ０７ ） ３００
样 机 的几分 之一 。
麦弗逊 悬架 由车 身 、 摆 臂 、 向节 总 成 、 下 转 转 向拉杆 、 减振 器 、 螺旋 弹簧 以及 车轮组 成 。在建 模 过 程 中对模 型作 了一 些 合 理 的 简化 ， 忽 略车 轮 如 的厚度 和各 部 件 的 弹 性 作 用 等 Ｊ 。前 悬 架 结 构
和评 价 。
软件 对 系统进 行模 拟 仿 真 将 大 大 提高 工 作 效 率 。
Ａ Ａ ／ａ Ｄ ＭＳ Ｃ ｒ是 ＭＤ 公 司 与 Ａ ｄ 、 Ｍ 、 ｅ ａｌ Ｉ ｕ ｉＢ Ｗ Ｒ ｎｕｔ
和 Ｖｌ ｏｖ ｏ等公 司 合 作 开 发 的整 车 设 计 软件 包 ， 集 成 了他们在 汽 车设 计 开 发 方 面 的专 家 经 验 ， 够 能 帮助 工程 师快 速建 造 高 精 度 的 整车 虚 拟 样 机 ， 其 中包 括车 身 、 架 、 动机 构 、 动机 、 向机 构和 悬 传 发 转
基于ADAMS软件和改进遗传算法的柔性多体模型汽车悬架参数优化设计
向加速度值) ,优化方法采用了标准遗传算法 。Tsao 和 Chen[5] 研究了 4 自由度 1/ 2 车模型 ,悬架为集中质量模型 。性能指标 为垂直舒适性指标 、俯仰运动指标 、前后轮操纵性能指标和前 后悬架动行程指标 ,目标函数为这些性能指标的加权和 。优化 方法采用了标准遗传算法 。陈无畏等[6] 研究了 2 自由度 1/ 4 车模型 ,悬架为集中质量模型的半主动悬架 ,目标函数为车身 加速度 、悬架动挠度 、轮胎与路面之间的动载荷的加权和 ,优化 方法为标准遗传算法 ,以车身加速度 、悬架动挠度 、轮胎与路面 之间的动载荷 ,以及最大干扰抑制水平的加权和来计算个体的 适应度值 。张京军等[7] 提出了一种小生境遗传算法 ,对 Baum2 al 等[4] 的优化模型进行了优化 ,取得了较好的结果 ,但其遗传 算法中的某些参数 (如 :概率参数和个体之间的最小距离) 是通 过反复试验得来的 。从目前的这些研究成果来看 ,当采用遗传 算法对汽车悬架系统进行优化时 ,其物理模型普遍采用的是少 自由度简单模型 ,对于复杂的多体模型的研究成果还未见发 表 。另外 ,这些遗传算法都是比较简单的遗传算法 。
车身骨架结构拓扑优化设计综述
种工况下的车架基本结构进行优化计算， 获得
汽
常包括减轻自重和提高承载能力两方面， 对于
满足体积约束并使总柔度最小即刚度最大的车
前者， 目标函数为车架的质量； 对于后者， 目标
架拓扑形式， 车架拓扑形式为横梁的分布数量、
车
函数应反映车架的承载能力。约束函数可包括
位置及纵梁的加强方式提供了依据， 为一些车
架的基本结构取为一等厚的薄板， 车架所受荷
往忽略了这种耦合影响。 与传统优化算法直接对优化变量本身进行
优化操作不同的是， 遗传算法在优化过程中不 考虑变量类型， 而是将所有设计变量进行统一 编码， 以处理毫无数值概念的代码作为运算对 象， 因此在解决多类型变量的优化问题上显示 出了其独特的优越性［１］。另外 Ｍ ＳＣ ．Ｍ ａｒｃ 系统的 单元生死技术允许用户在分析过程中根据需要 随 时 增 加 或 删 除 单 元［２］， 通 过 改 变 构 件 上 单 元 的 存在状态来实现构件的增加和删除， 从而可以 实现真正意义上的构件删除。因此可以利用遗 传算法， 利 用 Ｍ ＳＣ ．Ｍ ａｒｃ 作 为 优 化 系 统 的 分 析 器， 编制优化计算系统， 实现以车体结构的梁截 面和位置拓扑为设计变量， 在满足应力约束和 位移约束的条件下， 求出结构的最小重量。
所受荷载和约束按设计要求作用于基本结构
北
约束条件为 ｇ ｊ（ ｘ） ≤０（ ｊ＝１，２，…，ｍ）
上， 以车架的总柔度为目标函数， 以体积作为约
Ｈｋ（ ｘ） ＝ ０（ ｋ＝１，２ ，…，ｌ）
束条件， 用均匀化方法对在弯曲和弯扭联合两
京
其 中 （ｆ ｘ） 为 目 标 函 数 。 车 架 结 构 的 优 化 通
几 何 约 束 、强 度 约 束 、刚 度 约 束 和 动 态 特 性 约 束
基于MATLAB和遗传算法的车辆悬架参数模型优化研究
基于MATLAB和遗传算法的车辆悬架参数模型优化研究魏静【摘要】对车辆悬架系统进行了分析,建立了车辆悬架参数模型,给出了用于解决参数模型的动力学方程.采取遗传算法对车辆悬架参数进行了优化,得出优化后的相关参数尺寸,主要考虑车体垂直方向的加速度、轮胎垂直位移以及角加速度最小.将优化参数值输入到MATLAB Simulation仿真模块中进行仿真,得到了车辆行驶过程中的道路激励特性曲线.与优化前的仿真结果进行了对比,优化后的角加速度、垂直加速度及垂直位移明显降低,效果较好.【期刊名称】《机械制造》【年(卷),期】2016(054)003【总页数】3页(P7-9)【关键词】车辆悬架;遗传算法;参数模型;仿真【作者】魏静【作者单位】陕西工业职业技术学院陕西咸阳712000【正文语种】中文【中图分类】TH113;U463.33随着经济的快速发展，汽车产业也随之迅速增长。
虽然中国许多家庭都购买了汽车，但是中国人口比较多，在未来仍然有许多家庭需购买汽车。
同时，人们对汽车的性能要求也越来越高，尤其是对汽车在行驶过程中舒适性的要求。
据不完全统计，中国有60%的人在长时间乘车或者驾驶车辆的过程中，曾经有过头晕、心跳加快、甚至出现呕吐等现象。
因此，如何确保汽车行驶过程中的舒适性，是未来汽车企业研究的热点。
由于道路不平整，汽车在行驶过程中发生振动是不可避免的，从而影响乘客的舒适性。
影响汽车振动的主要原因是设计不合理，而悬架设计不当是影响乘坐舒适性的重要原因之一。
当前，对车辆舒适性研究的方法有多种，例如：文献［1-3］采取直线电机式馈能悬架，在路面不平整的激励下，针对乘坐舒适性与回馈能量功率流的计算方法展开了深入研究；文献［4-6］采取路面谱产生随机路面的不平整度，建立了车辆振动数学模型，通过输入随机路面产生的不平度，用振动响应结果来评价车辆的舒适性；文献［7-9］通过有限元方法创建桥梁振动方程，利用有限元软件ANSYS分析编制计算程序，计算了桥梁动力响应、车辆自重及悬架刚度等各种参数，评价车辆行驶过程中对乘坐舒适性的影响。
基于遗传算法的汽车主动悬架控制器优化设计
第ห้องสมุดไป่ตู้期
桑楠等：基于遗传算法的汽车主动悬架控制器优化设计
进行微分即得到悬架系统的加速度；车身位移与轮
胎位移之差即得到悬架动挠度。
Ｗｈ
图３主动悬架Ｍａｄａｂ仿真模块
３．３优化仿真结果分析 按照如图２所示流程图用Ｍａｔｌａｂ语言编写程 序，程序调用Ｍａｄａｂ／ｓｉｎｌｕｌｉＩｌｌ【仿真模块，根据仿真结 果计算适应度函数值，同时考虑悬架动挠度和车轮动
２０１３年
９月
机械科学与技术
ＭｅｃｈａｒＩｉｃａｌ ｓｃｉ朗ｃｅ锄ｄ Ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ Ａｅｍｓｐ∞ｅ
Ｓｅｐｔｅｍｂｅｒ
２０１３ Ｎｏ．９
第３２卷
第９期
Ｅｎｇｉｎｅｅｒｉｎｇ
Ｖ０１．３２
基于遗传算法的汽车主动悬架控制器优化设计
桑 楠１，白
玉１，李玉芳２
忒孓醯
桑楠
（１常州工学院，常州２１３００２，２南京航空航天大学，南京２１００１６）
摘要：针对ＬＱＲ方法设计主动悬架控制器存在的不足，研究遗传算法与ＬＱＲ方法结合优化汽车 主动悬架控制器的设计。建立汽车半车模型的动力学方程，应用随机线性最优控制理论设计车辆
主动悬架ＬＱＲ控制器，并在Ｍａｄ彬ｓｉｍｕｌｉｎｋ环境中实现该控制器的数值仿真，根据仿真结果运用
遗传算法对控制器性能参数进行优化。对优化控制器的仿真结果进行时域和频域分析，结果表明： 遗传算法与ＬＱＲ方法相结合，能较快收敛到最优解；优化的主动悬架控制器可以较好地改善车辆
１悬架系统数学模型
４自由度半车模型（纵向），用以研究前后悬架的参 数匹配关系和车身垂直方向与纵向的运动耦合，考 虑了汽车重心（前后位置）对悬架的影响以及前后 悬架参数耦合对悬架性能的影响，但半车纵向模型 没有考虑侧倾对悬架的影响以及重心高度对悬架性 能的影响，研究的问题仍不全面；７自由度整车模型 涉及的关系较多，它较完整地体现了垂直跳振动、俯 仰变化以及侧倾的问题。本文以车辆半车纵向模型
基于遗传算法的独立悬架与转向系统匹配优化设计
基于遗传算法的独立悬架与转向系统匹配优化设计引言独立悬架与转向系统是汽车工程中的重要组成部分，它们对车辆的操控性能和行驶稳定性起着至关重要的作用。
而如何优化设计独立悬架与转向系统，以实现更好的性能，一直是汽车制造商和工程师们所关注的问题。
本文将介绍一种基于遗传算法的优化设计方法，以提高独立悬架与转向系统的匹配性能。
遗传算法概述什么是遗传算法遗传算法是一种模拟自然选择和遗传机制的优化算法。
它通过模拟生物进化的过程，通过选择、交叉和变异等操作，逐步优化问题的解。
遗传算法具有全局搜索能力、自适应性和并行性等优点，在优化问题中得到了广泛应用。
遗传算法的基本流程遗传算法的基本流程包括初始化种群、选择操作、交叉操作、变异操作和适应度评估等步骤。
其中，适应度评估是遗传算法的核心部分，它用于评估每个个体的适应度，以确定个体的生存能力。
独立悬架系统设计独立悬架系统的作用独立悬架系统是一种能够独立工作的悬架系统，它通过独立的悬架装置，使车轮能够独立运动，从而提供更好的悬挂性能和车辆稳定性。
独立悬架系统设计的要点独立悬架系统设计的要点包括悬架材料的选择、悬架结构的设计和悬架参数的优化等。
在设计过程中，需要考虑悬架系统的刚度、减震性能和悬架行程等因素，以满足车辆的悬挂要求。
转向系统设计转向系统的作用转向系统是汽车的关键部件之一，它通过操纵轮胎的转向角度，控制车辆的行驶方向和转向灵活性。
转向系统设计的要点转向系统设计的要点包括转向机构的设计、转向角度的控制和转向系统的稳定性等。
在设计过程中，需要考虑转向系统的转向比、转向机构的刚度和转向角度的控制精度等因素，以确保车辆的操控性能和行驶稳定性。
基于遗传算法的独立悬架与转向系统匹配优化设计问题建模将独立悬架系统的设计参数和转向系统的设计参数作为遗传算法的个体编码，建立适应度函数，将独立悬架与转向系统的匹配性能作为优化目标。
优化目标优化目标可以包括悬架系统的减震性能、转向系统的操控性能和整车的行驶稳定性等。
基于遗传算法的重型车辆空气悬架参数优化与性能分析
基于遗传算法的重型车辆空气悬架参数优化与性能分析张俊玲【摘要】运用虚拟样机技术，建立重型车辆空气悬架系统三维模型。
根据三维模型的相关参数，创建车辆空气悬架动力学模型。
为提高车辆舒适性、操纵稳定性及道路友好性，选取车身加速度、悬架动行程及轮胎动变形为控制目标，基于遗传算法对某重型车辆进行参数优化及多目标控制。
通过仿真分析，对比参数优化前后车辆性能的改善。
【期刊名称】《制造业自动化》【年(卷),期】2016(038)006【总页数】5页(P44-48)【关键词】参数优化;空气悬架;遗传算法;多目标控制【作者】张俊玲【作者单位】贵州工业职业技术学院机械与电气工程学院，贵阳550003【正文语种】中文【中图分类】U463随着我国经济的发展，国家对于重大工程的基础设施建设投资规模的不断扩大，使得重型车辆需求旺盛。
另一方面，城市化进程的加快及物流行业的快速发展，也导致了重型车辆需求的超常规增长。
伴随商用车辆需求的增加，重型车辆开发也将进入快速发展的轨道。
重型车辆一般工作条件恶劣、驾驶情况复杂，行驶过程中弯道多、坡度多，且由于车辆长度原因导致部分路段转弯半径要足够小［1］。
另外，重型车辆是导致路面破坏的主要原因，尤其是车辆超限和超载时带来的路面动载，缩短了路面的使用寿命，极大增加了道路维护费用［1］。
鉴于上述原因，车辆的舒适性、操纵稳定性及道路友好性应该作为重型车辆设计时主要目标［2］。
作为车辆底盘的重要组成部分，重型车辆的悬架系统的设计对于上述目标优劣起到决定性作用。
随着车辆厂商对于车辆性能要求的不断提升及政府对于公路养护的重视，空气悬架由于其变刚度特性且对于车轮动载荷降低的有效性在重型车辆上开始得到广泛应用。
空气悬架设计中，通过空气弹簧刚度与减振器的阻尼之间的不同参数匹配，可以获得不同的悬架特性［3］。
传统方法对于悬架参数进行优化时，往往根据实践经验进行设定，再根据参数在物理过程中的响应获得系统性能。
依靠经验的设计方法需要设计人员对系统充分了解，且调试需要耗费大量时间。
P056-于ADAMS和遗传算法的车辆悬架系统优化设计-孔令杰
基于ADAMS和遗传算法的车辆悬架系统优化设计孔令杰 王红岩 王良曦装甲兵工程学院机械系基于ADAMS和遗传算法的车辆悬架系统优化设计 Optimization Design of Vehicle Suspension System Based on ADAMS and Genetic Algorithms孔令杰 王红岩 王良曦(装甲兵工程学院机械系)摘 要:在ADAMS/View中建立了整车动力学模型。
为了改善整车振动性能，降低振动能量，提高车辆的行驶平顺性，选择车体质心处垂向加速度与俯仰角加速度均方根值的代数和为优化目标，采用遗传算法优化前、后悬架的刚度和阻尼，实现了改善车辆行驶平顺性的目的。
利用ADAMS软件提供的优化算法的用户接口，将遗传算法代码做成动态链接库，成功地添加到ADAMS/View中，实现了遗传算法与ADAMS软件的链接。
将ADAMS软件与遗传算法相结合，对复杂悬架系统参数进行优化设计，实现了优化目标。
关键词:MSC.ADAMS 遗传算法 悬架系统 优化设计Abstract The multi-body dynamics full vehicle is established. In order to improve the ride comfort performance, and to reduce energy of the vertical vibration of the vehicle, the algebraic sum of vertical acceleration RMS and pitch angular acceleration RMS is optimized based on genetic algorithm to adjust the stiffness coefficient and damping coefficient of the suspension system. And the optimization object is obtained. Genetic algorithm, which is compiled to DLLs, is added to ADAMS based on the interface which supplied by ADAMS software. The optimization design of the complicated suspension system is studied with ADAMS software and genetic algorithms, and the optimization effect is perfect.Key words:MSC.ADAMS Genetic Algorithms Suspension System Optimization Design1 概述悬架是车辆的主要总成之一，由弹性元件、导向机构和减振器及横向稳定装置等部件组成。
基于遗传算法的清洗车机架机构铰点位置优化
基于遗传算法的清洗车机架机构铰点位置优化李宗;马登成;韩国武;李平【摘要】鉴于清洗车工作装置机架连杆机构的铰点位置直接影响油缸的最大工作压力,文章在分析清洗车工作装置运动的基础上,以液压缸的最大作用力最小为目标函数,建立针对铰点位置的优化模型;采用遗传算法,利用M atlab优化工具箱,对铰点位置进行优化;根据优化结果,建立隧道壁面与声屏障清洗车工作装置的动力学模型,比较优化前、后液压缸的受力情况.优化结果表明,优化后的铰点位置大大降低了液压缸的工作压力.【期刊名称】《合肥工业大学学报（自然科学版）》【年(卷),期】2019(042)004【总页数】6页(P455-460)【关键词】清洗车;遗传算法;铰点位置优化;ADAMS软件;动力学分析【作者】李宗;马登成;韩国武;李平【作者单位】长安大学公路养护装备国家工程实验室,陕西西安 710064;长安大学公路养护装备国家工程实验室,陕西西安 710064;陕西省高速公路建设集团西耀分公司,陕西西安 710065;长安大学公路养护装备国家工程实验室,陕西西安 710064【正文语种】中文【中图分类】U457.40 引言声屏障、隧道壁面因为受车辆的尾气、灰尘黏附等因素的影响,会出现不同程度的污染,影响美观和行车安全[1],所以需要对隧道壁面与声屏障进行清洗。
滚刷式清洗车因清洗效果好、作业效率高、单次作业里程长,在国内外具有良好的发展前景。
文献[2]设计了一种隧道清洗车,其工作装置与隧道壁面可以紧密贴合,清洗效果好、作业效率高,但其设备复杂、功能单一,极大地限制了它的使用范围;文献[3-4]在隧道中采用静电除尘器来净化隧道中的空气,但是不能有效清除附着在隧道壁面的灰尘;文献[5]提出了采用干冰清洗隧道壁面的方法,干冰清洗是一种高效、低耗、环保的清洁方式,但该清洗方式还处于实验阶段。
文献[6]完成了对隧道清洗车工作装置的静力学分析;文献[7]利用机械系统动力学分析软件ADAMS,以传力比最大为目标函数,对挖掘机铲斗连杆机构进行优化;文献[8]对整个挖掘机的工作铰点位置进行研究,利用Matlab遗传算法,通过铲斗油缸理论挖掘力和斗杆油缸理论挖掘力构建统一目标函数,完成对整个挖掘机工作装置铰点位置的优化;文献[9-10]分别对伸缩臂叉装车变幅机构的铰点位置和铁钻工铰接臂铰点位置进行优化,通过最大传力比与油压稳定性构建统一目标函数,完成对铰点位置的优化,优化效果显著。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
农 业装 备与 车辆 工程
Ａ Ｒ Ｃ Ｌ Ｕ Ａ Ｑ ＩＭＥ Ｔ＆ Ｖ Ｈ Ｃ Ｅ Ｅ Ｇ Ｎ Ｅ Ｉ Ｇ Ｇ ＩＵ Ｔ Ｒ ＬＥ ＵＰ Ｎ Ｅ ＩＬ Ｎ Ｉ Ｅ ＲＮ
Ｎｏ５ ０ｌ ． ２ Ｏ
（ｏａｌ ２ ６ Ｔｔ ｙ ２ ） ｌ
就是 问题 的最优 解 或准最 优解 Ｉ 。
遗 传 算法 （ Ａ） 一 类 以进 化 论 和 遗 传 学 说 Ｇ 是 为 基 础 的求 解全 局 最 优化 问题 的仿 生 型算 法 ， 具 有 全局搜 索 能力 强 、 隐含 的并行 性 等优 点 ， 目前 是
应用 范 围 比较 广泛 的一种 优化 算法 【 结构 优化 通 ” 。
常 可分 为尺 寸优 化 、形状 优化 和拓 扑优 化 ｊ个 层 次 ，本 文主要 应 用遗 传算 法对 车架 进行 了以减 重 为 目标 的形状 优化 。
收 稿 日期 ：０ ０ ０ — １ ２ １— ３ ２ 基 金 项 目 ：聊 城 大 学 大 学 生 科 技 文 化 刨 新 基 金 项 目 （ 目编 号 ： 项 Ｓ Ｔ ８ ０ Ｑ ２ Ｒ ０ １９ Ｃ ）
ＷＡ Ｇ Ｗｅ， Ｈ Ｏ Ｄ ｎ －ｉ， Ｈ ｉｏ ｈ ａ Ｎ ｉ Ｚ Ａ ｏ ｇｊ Ｃ ＵＸ ａ— ｕ ｅ （ｉ ｃ ｅｇＵ ｉ ｒ ｔ， ｉ ｃｅｇ２ ２ ０ ， ｈｎ ） Ｌａ ｈ ｎ ｎｖ ｓｙ Ｌａ ｈ ｎ ５ ００ Ｃ ｉａ ｏ ｅｉ ｏ
Ａｂ ｔ ａ ｔ ｔ ｃ ｕ ａ ｐ ｉ ｚ ｔ ｎ ｏ ｇ ｉｕ ｔ ｒｌｖ ｈ ｃｅ ｔａ ａ ｅ ｌ ｅ ｙ ｏ ｇ ｎ ｃ ｌ ｏ ｉ ｉ ｇ ｆ ｉ ｌｍｅ ｔ ｔ ｏ ｔ ｓ ｒ ｃ ：Ｓ ｒ ｔ ｒ ｌＯ ｔ ｕ ｍｉａ ｉ ｆａ ｒｃ ｌ ａ ｅ ｉ ｌ ￣ ｍｅ ｗ ｓ ｒ ａｉ ｄ ｂ ｒ ａ ｉ ａｌ ｃ ｍｂ ｎ ｎ ｉ ｔ ｅ ｅ ｎ ｈ ｄ ｗｉ ｏ ｕ ｚ ｙ ｎｅ ｍｅ ｈ
要 的影 响 ， 因此 ， 近几 年来 车架 的结构 优化 在 车辆 设 计 中越来越 受 到重视 。
其 基 本 原 理 是 ： 随 机 产 生一 组 初 始解 （第 先 “
一
代 ”。 ）每个 解 称 为 一个 个 体 。 一 串符 号 表 示 ； 用
这 些个 体通 过交 叉 、 变异 等 运算 形成 第二 代 ， 三 第 代 … …不 断 迭代 ， 到 收敛 ； 每 一代 中用 “ 应 直 在 适 度 ” 评 价 个体 的好 坏 ． 应 度值 大 的个 体 保 留 ， 来 适 小 的淘 汰 ， 而保 持 种群 大小 是一 常 数 。这样 ， 从 经 过若 干 代之 后 ， 法 收敛 于最 好 的个 体 ， 算 它很 可能
Ｋｅ ｙｗｏ ｄｓ：ｇ ｎｅｉ ｌｏ ｉｈｍ ；ｆｎｉ ｌ ｍｅ ｎａｙ ｉ；ｏ ｔｍ ｉａ ｉｎ ｒ ｅ ｔｃａｇ ｒｔ ｉ ｔ ｅｅ ｎｔ ｅ ａ ｌｓｓ ｐ ｉ ｚ ｔｏ
结 构优１ 遗传算法概述
遗传算法是建立在 自然选择和群体遗传学机 理基础上的迭代 、 进化 ， 它秉承生物进化和遗传的
ｂ ａ ｓ ｄ ｓｇ ａ ｉｂ ｅ ｔ ｆ ｅ ｓ ａ ｄ ｉｔ ｎ ｉ ｓｃ ｎ ｔ ｉ ｔｃ ｎ ｉ ｏ ｏ ｏ ｔ ｚ ． ｈ ｉｈ ｆｔ ｅ ｆ ｍｅ ｗａ ｅ ｒ ａ ｅ ．％ ｅ ｍｓａ ｅ ｉ ｎ ｖ ｒａ ｌ ．ｓｉ ｌ ｓ ｎ ｎ ｅ ｓｔ ａ ｏ ｓｒ ｎ ｏ ｄ ｔ ｎ ｔ ｐｉ ｅ Ｔ ｅ ｗｅｇ ｔｏ ａ ｓｄ ｃ ｅ ｓ ｄ ７６ ｆ ｉ ｙ ａ ｉ ｍｉ ｈ ｌ ａ ｔｒ ｐ ｉ ｚ ｔ ｎ Ｔ ｅ ｅｆｃ ａ ｏ ｄ ｆ ｔ ｅ ｏ ｍｉａｉ ． ｈ ｆ ｔ ｓ ｏ ． ｏ ｅ ｗ ｇ
基于遗传算法 的车架结构优化
王伟 ， 赵栋杰 ， 晓华 楚
（ 聊城大学汽车与交通Ｔ程学院 ， 山东 聊城 ２ ２ ５ ） ５０ ９ 摘要 ： 将有限元法和遗传算法相结合 对某农 用车车架进行 了结构优化 。优化模型以车架总重量最小为优化 目
标， 以各 主要 梁 的位 置 和 尺 寸 为 设 计 变量 ， 车 架 刚 强度 为约 束 条件 进行 优 化 。 化 后 模 型 减 重 ７６ 取得 了 以 优 ．％，
竞 争 思想 ， 通过 繁 殖 、 传 、 异 、 争 ， 现优 胜 遗 变 竞 实
劣 汰 ， 而一 步步 地逼 近问题 的最 优解 。 进
技术 ， 它克服了传统经验设计的诸多局限 ， 在机械 设 计 等领域 有着 广 阔应 用前 景 。车架 作为 车辆 各
主要部 件 的安装 基体 ， 于 支承汽 车 的各零 部 件 ， 用 并 承受 来 自车 内外 的各 种载 荷 。汽车 车架 受 到来 自路 面和车 桥 的激励 产 生振 动 ， 而产 生 弯 曲 、 从 扭 转 等 变形 …。所 以 ， 其结构 对整 车性 能有着 非 常重
ｇｎｔ ｌｏｉ ｍ Ｔ ｅｏ ｔ ｚｄｍｏｅ ｕｅ ｎｍ ｍ ｆ ｍ ｓ ａ ｏ ｔ ｉ ｔ ｎｏｊｃ，ｔｅｌｃｔｎ ｎ ｉ ｅｓ ｎ ｆ ｏ ｅ ｅ ｅｃａｇｒｈ ． ｈ ｐｉ ｅ ｄ ｌ ｓｄｍｉｉｕ ａ ｅｍａｓ ｓ ｐｉ ｚ ｉ ｂｅｔ ｈ ｏａｉ ｓ ｄｄｍ ｎｉ ｓ ｍ ｉ ｔ ｍｉ ｒ ｍ ａｏ ｏ ａ ｏ ｏｓ
较好 的优 化 效 果 。
关键词 ： 遗传算法； 有限元 分析 ； 优化 中图分类号 ： ４ ３３ Ｕ ６． ２ 文献标识码 ： Ａ 文章编号 ：６ ３ ３ ４ （０ ０ ５ ０ ３ — ３ １７ — ２２ １） ～ ０ ８ ０ １ ０
Ｓ ｒ ｃ ｕ ａ ｐ ｉ ｚ ｔ ｎ ｏ ａ ｅ Ｂａ ｅ ｎ Ｇｅ ｅ ｉ ｇ ｒ ｔ ｍ ｔｕ ｔｒ ｌ Ｏ ｔｍｉ ａ ｉ ｆＦｒ ｍ ｓ ｄ ｏ ｎ ｔ Ａｌ ｏ ｉｈ ｏ ｃ