基于遗传算法的车架结构优化

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.。