关 键 词：

三维图-无CAD图 CAD图纸设计 的设计【三维 转向机构设计【 CAD图纸】 转向机构设计

资源描述：

吸能防伤转向机构的设计及碰撞仿真分析【三维图-无CAD图】.zip,三维图-无CAD图,CAD图纸设计,的设计【三维,转向机构设计【,CAD图纸】,转向机构设计

内容简介：

译文题目：Autonomous.Intelligent.Vehicles 自动驾驶智能汽车 Chapter 3The Framework of Intelligent Vehicles3.1 IntroductionThe Asian Development Bank states: “In the five years 20002004, more than 500,000 people were killed and around 2.6 million injured in road accidents in the Peoples Republic of China (PRC), equivalent to one death every 5 minutesthe highest rate in the world.” and estimates a yearly economic loss of $12.5 billion. Driver assistance and safety warning systems promise to provide partial solutions to these problems, and consequently many research efforts 1 aim at developing algorithms and building frameworks for them.Road situation analysis requires not only obstacle information at the current time, but also predicted obstacle information at a future time. Indeed, an experienced driver looks several seconds along the road and bases his actions on information so obtained. This previewing of the road is necessary to avoid accidents since vehicle dynamics limits the car in making speed or direction changes.I2DASW uses more than one kind of sensors: image sensors, lidar, and radar.No single sensor can provide input as complete, robust, and accurate as required by I2DASW. Image sensors have some problems, such as low ability of sensing depth, higher computation burden than lidar and radar. Radar shows limited lateral spatial information because either it is not available at all, or the field of view is narrow, or the resolution is reduced at large distances. Although lidar has a wide view field solving part of the previous problems, there are other problems, such as low ability of discrimination, clustering error, and recognition latency. These restrictions of the different sensor types explain the attention given to sensor fusion in research on object detection and tracking 1, 3, resulting a wide spectrum of promising applications in assistance driving, including multi-sensor Adaptive Cruise Control (ACC), fusion of advanced ACC and lane keeping systems 5, and smart airbag systems.On the basis of the work 15, 16, we proposed a road safety situation and threat analysis algorithm and framework based on driver behavior and vehicle dynamics. In a current environment modeling phase, obstacles are detected and tracked by fusing various sensors depending on applications. In a future situation assessment, we use the position and size information of obstacles at the current time and vehicle dynamics equation to predict the future road situation at the time k + 1. For lidar data, we distinguish the object types: static or moving objects, by estimating object speed.The remainder of this chapter as follows. Section 3.2 introduces the state-of-the- art related to road safety frameworks. In Sect. 3.3, we provide a detailed description of our interactive safety analysis framework.3.2 Related WorkRoad situation analysis for driver assistance and safety warning is an interdisciplinary endeavor involving a lot of research fields, for instance, computer science, automobile engineering, cognitive science, and psychology, etc. It involves not only looking-in but also looking-out of a vehicle 12. We classify these frameworks analyzing obstacle situation in a traffic scene into two categories. The first one is a current situation analysis framework which attempts to provide the vehicle and the driver with the obstacles state in the current time. Generally, sensor fusion is used to estimate the current obstacles state 3, 4, 13. The other one is obstacle situation prediction in the future 2. To assess the future situation, many prediction approaches have been used, such as the Extended Kalman Filter (EKF), Monte Carlo method 2, and Bayesian network 10.Real-time safety analysis in traffic involving driver, vehicle, traffic environment, and their interaction is a challenge for perception, modeling, and control. Several safety analysis frameworks have been proposed to address different aspects in a road situation 2, 4, 6, 12. In 2, a Monte Carlo reasoning framework is to evaluate the probability of a future collision and use a Monte Carlo importance sampling for the approximation of a collision integral. The looking-in and looking-out frame- work proposed by M.M. Trivedi et al. is a system-oriented safer driving framework 12 which consists of driving ecology sensing, hierarchical context processing, and modeling of drivers, vehicles, and environment. They build the Human-Centered Intelligent Driving Support System (HC-IDSS) to emphasize the role of driver. In context of an earthwork vehicle, a distributed sensor network aims at processing data acquired by different sensors, integrating them, and producing an interpretation of the environment observed 4, its main objectives of low-level and high-level data fusion are to obtain a rough and an accurate estimate of the number of objects present in the observed scene and their 3D positions, respectively. In addition, intersection scenario analysis was done in the INTERSAFE project, showing the need of driver assistance systems for intersection safety 6, where two parallel approaches, TopDown-Approach and DownTop-Approach, were realized. In these approaches, a dynamic risk assessment is done based on object tracking and classification, and the intent of a driver. Consequently, potential conflicts with other road users can be reported only a few seconds in advance.This chapter proposes an integrated current and future safety situation analysis framework as general as possible, where we model not only the sensing phase, but also the control phase. In this framework, a speed estimation algorithm based on lidar data is used to distinguish two types of obstacles: static objects and moving objects. On the basis of the speed and type of obstacles, we form obstacle tracks only using a single sensor, and following that a track fusion approach is used to yield accurate and robust global tracks. We use camera to detect lanes and obstacles in a Regions of Interest (ROIs) generated by range sensors, such as vehicles and pedestrians. Combining the lane structure with obstacle tracks, we can model the traffic environment and assess road situation at both the current and a near future time. We will introduce multiple-sensor based multiple-object detection and tracking module in Chap. 6.3.3 Interactive Safety Analysis FrameworkMany existing robotics technologies apply to intelligent assistance driving 14, however, much research work neglects the preview of a driver and driver response delay; moreover, the behavior of high speed vehicles differs greatly from other robots. For safe driving, a driver is in the center of the safety analysis 12, driver response delay together with other factors restricts the driving path of a vehicle. On the basis of these factors, we proposed an integrated interactive road safety analysis framework, where the system consists of the following modules: on-board sensor network, environment modeling and sensor fusion, vehicle ego-state and vehicle dynamics module, future situation assessment, decision-making agents, Human Machine Interface (HMI), and a preview-following model based control module (see Fig. 3.1). In this framework, we consider a driver assistance system as a vehicle driverenvironment interactive closed-loop system; moreover, we focus on not onlythe current situation but also the future situation by predicting the potential collision probability distribution.In our framework, on-board sensors provide the real-time information about drivers, traffic environment, and vehicles. How to configure these sensors is closely related to application domain. For example, in light of the requirement of multisensor ACC systems, maybe radar and camera are enough, but for pedestrian protection systems, an infrared sensor is essential to robust detection under the various weather conditions. In general, the external sensors capture object appearance, range, and voice outside a vehicle, and interior sensors collect vehicle state, such as speed, acceleration, and steering angle.The main functions of environment modeling and sensor fusion are to sense obstacles, to recognize lane and traffic sign, and to fuse various sensors to model the environment. Lane detection is the problem of locating lane boundaries. We propose robust lane boundaries on a variety of different road types under a variety of illumination changes and shadowing by introducing an adaptive Randomized Hough Transform (RHT) 11. For moving objects, such as pedestrians and vehicles, we use statistical background modeling techniques for the detection of such moving objects. For instance, we obtain the dynamic background model under the conditions of no passing vehicle and update the model when a passing vehicle enter into the field of view for the close cut-in and overtaking vehicle detection.At the situation assessment level, road safety situation in the future is assessed by combining traffic rules, vehicle dynamics, and environment prediction. Since the safety distance varies with the speed of a host vehicle, we adopt preview time rather than safety distance as the measurement of safety response. Hence, the safety response time is given by ， （3.1）where dr is the distance required to respond to the nearest object due to driver response delay, dv is the distance to slow down, ds is the safety distance between the host vehicle and obstacles, and v is the velocity of the host vehicle.Decision-making agents have two functions, one is to generate warning strategies for warning systems, such as route guide systems and the warning display device; the other is to make decisions about the expected path of action planning interfacing with actuators. A Preview Optimal Curvature (POC) model based on the Preview and Following Model (PFM) and driver behavior characteristic is utilized to control vehicles velocity and direction, where the key problem is to establish fuzzy evaluation indexes and their membership functions that represent the front road geometry shape, traffic rules and driver behavior. For the details we refer to 7. Here decision- making agents use the rigid kinematics and vehicle dynamics stable-state response properties to yield expected path, and then action planning updates the ideal path by using vehicle dynamics dynamic-state response properties. Their main interaction activities involve a driver operating a vehicle and a vehicle producing the lateral and longitudinal motion.Furthermore, this framework involves communication and HMI modules. Communication modules implement information sharing between vehicles and between a vehicle and a base station. An HMI module present warning information from the decision and path planning module to the driver. The interaction between the vehicle and traffic environment mainly focuses on vehiclevehicle communication and vehiclebase station communication. Vehicles in the future will be able to share the information about the environment to provide cooperative, convenient and safer driving. 第三章 智能车辆的框架3.1介绍 亚洲开发银行指出: “在2000到2004的五年里，在中华人民共和国的交通事故里大约有260万人受伤，超过50万人丧生，相当于每5分钟有1人死亡世界交通事故的最高死亡率。” 估计每年的经济损失可达125亿。因此很多研究致力开发的算法比如驱动程序援助和安全预警系统，此系统可有效的解决大部分的问题, 并为他们建立计算框架。 道路状况分析不仅需要在当前时间的障碍信息，并且也需要预测障碍在之后某个时间的会发生的变化。事实上，一名有着丰富经验的司机可以获得几秒钟里公路上可能会发生的变化。因此这个预测是很有必要的，可以有效避免车辆因为惯性从而无法改变方向和速度所发生的交通事故。I2DASW 使用不止一种传感器：图像传感器、激光雷达和雷达。没有一种单一的传感器可以按照I2DASW要求提供完整、可靠并且准确的信息。图像传感器存在着一些问题，如传感深度能力的低下，激光雷达和雷达的计算高负荷问题。雷达显示的横向空间信息有限，因为它并不可靠，可能是视野狭窄原因，也可能是在较大的距离上分辨率会过多的减少从而导致横向空间信息的不足。激光雷达具有广阔的范围，足以解决以前大部分的问题，虽然还有着其他问题，例如识别能力不足，集中表现为识别的延迟过久。这些不同类型传感器的融合，使得我们对于传感器信息的研究，有了关注与检测跟踪的对象。传感器的融合使用在辅助驾驶系统上有了广泛的应用，包括多传感器自适应巡航控制 (ACC)，融合有先进的行政协调会和车道保持系统 5 和智能安全气囊系统。 在15，16 的基础上，我们提出了一个基于驱动程序和车辆动力学的算法框架来分析道路安全状况和道路威胁行为。在当前环境中的建模和障碍检测阶段，我们可以融合各种传感器，传感器的具体选择取决于应用程序。在未来信息的情况预测中，我们使用障碍大小和位置的信息，在当前的时间用车辆动力学方程来预测接下来时间内的道路情况。激光雷达的数据，使我们可以区分对象的类型: 静止的对象或移动的对象，以此来估计物体的运动速度。 本章其余部分如下所示。3.2 章节介绍了国家道路安全框架的艺术状态。在章节 3.3，我们提供了详细的交互式安全分析框架描述。 3.2相关的工作 道路状况分析驱动程序援助和安全警告系统是各类学科共同努力的成果，涉及了很多的研究领域，例如计算机科学、 汽车工程、 认知学和心理学等等。它不仅包括车辆的内在情况也包括车辆的外部装置。我们对这些框架分析的交通障碍场景情况大致可分为两大类。第一类是当前情况的框架分析，可在当前时间提供司机车辆的状态和障碍物的时事信息。通常，传感器的融合是用于估计当前障碍的情况，但也可用于另一个障碍物信息的未来预测，用于估计障碍在未来时间里会发生的变化。许多的预测方法已经被使用了，如扩展的卡尔曼滤波器 (EKF)、 蒙特 Carlo 方法和贝叶斯网络。 实时安全分析交通环境涉及司机、车辆、环境和它们共同感知、 建模和控制面临的挑战。道路的状况的不同，就要从不同方面提出几个安全分析框架。蒙特 Carlo 推理框架是用来评价未来碰撞概率的和蒙特 Carlo 重要性采样用于碰撞积分的近似。车内和车外的框架工作由 M.M.特里维迪等人提出，是面向系统的安全驾驶框架，其中包括驾驶生态遥感、 语境层次处理和司机、车辆环境的建模。他们构建 Human-Centered 智能驾驶支持系统 (HC IDSS) 强调驱动程序的作用。在上下文的工程车辆上，主要是为了获得的不同处理方法的传感器，将它们的集成数据以分布式无线传感器网络进行生产环境观察和解释，低级和高级数据的融合，其主要目标是获得一种粗糙的和准确的估计数目，对对象目前观测到的场景以及它们的3D位置进行显示和区分。此外，进行了交叉口场景的分析，在INTERSAFE 项目中，显示的驱动程序需要援助系统的交叉口的安全性，有两个类似的方法，一种是自下而上，另一种是自上而下能够实现。在这些方法中，动态风险评估是基于对象跟踪来进行分类，也基于程序的意图驱动分类。因此，在其他道路使用者的潜在冲突里，能够提前报告的信息仅仅只有几秒钟。 本章尽可能的提出了综合当前和未来的安全形势作为一般的分析框架，在那里我们模拟了遥感阶段，也就是控制阶段。在这一框架，一种基于激光雷达的估计算法来速度区分两种数据类型的障碍: 静态对象和移动对象。根据速度和类型的障碍，我们形成障碍轨道只使用一个单一的传感器，和后跟踪融合方法用于产生准确和强劲的全球轨道。我们使用摄像机来检测车道和范围传感器的工作情况，车辆和行人等产生的感兴趣区 (Roi) 的障碍。车道结构结合障碍轨道，我们可以模型交通环境，并评估在当前和不久的将来时间的道路状况。我们将介绍多传感器和多目标检测与跟踪模块在第六章。3.3交互式的安全性分析框架 现有许多机器人技术被应用于智能辅助驾驶，然而很多研究工作忽略了驱动程序，表现为驱动程序的响应延迟; 除此此外，高速车辆的行为延迟大大有别于其他的机器人。安全驾驶，以司机为中心安全分析，以及其他因素的驱动程序响应延迟限制车辆的行驶路径。根据这些因素，我们提出了集成交互式道路安全分析框架，该系统由以下几个模块组成: 车载传感器网络、环境建模与传感器融合、 辆的自我状态和车辆动力学模块、未来形势评估、决策代理、Human 人机界面 (HMI) 和预览以下模型控制模块 (见图 3.1)。在这一框架，我们考虑驾驶员辅助系统作为车辆 驱动程序 环境交互的闭环系统;此外，我们专注的不仅是目前的情况，也是将来的情况，预测潜在碰撞概率的分布情况。 在我们的框架中，车载传感器提供了有关驱动程序、 交通环境和车辆的实时信息。如何配置这些与传感器密切相关的应用程序域。例如，根据行政协调会的多传感器系统的要求，也许雷达和摄像头就足够了，但对于行人保护系统而言，红外传感器是在各种天气条件下的精确检测的关键。一般情况下，外部传感器捕获对象外观、 范围和车外的声音，室内传感器收集车辆状态，如速度、 加速度和转向角。 环境建模与传感器融合的主要职能是意识障碍，认识到车道的交通标志，并融合各种传感器模型的环境。车道检测是定位车道区域边界的基础。我们建议车道边界上各种不同的道路类型下各种光照变化和阴影通过引入自适应随机 Hough 变换 (RHT) 。移动对象，例如行人和车辆，我们使用统计背景建模的这种运动目标检测技术。比如，我们获取的没有路过车辆条件下的动态背景模型和更新模型时路过车辆进入密集车道和超车车辆检测视野。 状况评估等级，未来的道路安全状况是结合交通规则、 车辆动态，环境进行预测评估的。既然安全距离是随主机车辆速度的，我们通过预测时间，而不是安全距离作为安全响应的测量。因此安全响应时间通过下列方程获得 ， （3.1）dr是回应最近由于驱动程序响应延迟对象所需的距离，dv是减慢的速度，ds主机车辆和障碍之间的安全距离，v是主车辆的速度。 决策代理有两个功能，一个是生成预警战略预警系统，例如路线指南系统和报警显示装置;二是行动的对做出决定的预期路径规划与执行器的接口。一种基于预览和以下模型(PFM)和驱动程序的行为特征的预览优化曲率(POC)，模型被利用于控制车辆的速度和方向，关键的问题在于建立模糊评价指标和其隶属度函数表示前方道路几何形状、 交通规则和驱动程序的行为。详细信息我们参阅7。决策代理在这里使用刚体运动学和车辆动力学稳定状态响应属性来产生预期的路径，然后更新行动规划，利用车辆动力学动态响应特性产生的理想路径。其主要互动活动涉及营运车辆和车辆产生横向和纵向运动的驱动程序。 此外，这一框架涉及通信和HMI模块。通信模块是实现车辆和车辆之间信息共享的基站。HMI模块目前决定路径规划模块的驱动程序的警告信息。车辆和交通环境之间的相互作用主要研究车辆 车辆通信和车辆 基站通信。车辆在未来将能够共享有关环境提供的合作、便利和安全驾驶的信息。目 录摘 要IIAbstractIII1 绪 论11.1 课题选题的背景11.2 课题研究的意义12 吸能防伤转向机构碰撞仿真的理论模型建立32.1 吸能防伤转向机构模型的建立32.1.1 可收缩吸能转向柱的结构及主要部件的功能32.1.2 可收缩吸能转向柱模型的等效简化42.1.3 可收缩吸能转向柱模型的建立52.2 人体模块有限元模型的建立及其变形刚度的仿真测定62.2.1人体模块有限元模型的建立62.2.2 人体模块有限元模型变形刚度的仿真测定73 防伤转向机构的设计113.1 防伤转向机构的工作原理113.2 吸能防伤转向机构钢球支架尺寸确定113.3 吸能转向机构模型的简化124 汽车吸能机构模型碰撞仿真的分析和结果144.1 吸能机构模型的碰撞仿真受力分析144.2 吸能机构模型的碰撞仿真受力结果154.3 小结185 结 论20参考文献21致 谢22I吸能防伤转向机构的设计及碰撞仿真分析摘 要汽车上的吸能防伤转向机构是在发生交通事故时，汽车与障碍物或与汽车产生正面碰撞中保证驾驶员有着充足的生存空间，并且吸收碰撞产生的冲击能量，有效减少驾驶员受到伤害的被动保护装置。防伤转向机构当中最常见的可吸能构件有可收缩吸能转向柱、吸能转向盘与伸缩式转向中间轴。本论文对吸能防伤转向机构进行设计，并利用CATIA软件进行设计建模与碰撞仿真分析。关键词：吸能防伤转向机构；受力分析IIDesign and crash simulation analysis of the steering mechanism of energy absorption and injury preventionAbstractAutomotive energy-absorbing anti-steering mechanism in the event of traffic accidents, car and obstacle or car driver in a head-on collision with ample living space and absorb collision impact energy, effectively reduce the passive protection device driver injured. Preventing injury most common energy-absorbing steering mechanism components have retractable energy-absorbing steering column, energy-absorbing steering wheel and telescopic steering intermediate shaft.This paper on design of steering mechanism can prevent injury and using CATIA design modeling and computer simulation analysis software.Key words: energy absorbing and anti injury steering mechanism; Stress analysis of the simulationIII1 绪 论1.1 课题选题的背景伴随着汽车保有量的不停的增长与汽车时速的不断增加，交通事故每天发生的次数越来越多，汽车的安全问题日益尖锐，汽车的安全问题成为了汽车设计时需要解决的重要问题。据德国图片报在2014年4月11日的报道，联合国对全世界每年交通事故死亡人数统计显示，交通事故的死亡人数超过了一百万。在中国，平均每一分钟都有一人会因交通事故而伤残，每五分钟会有一个人因此而丧生，每天的死亡人数有两百多，每年因交通事故的死亡人数更是高达十几万，由此所造成的经济损失有数百亿之多。对于汽车安全性的研究，一直以来就没有停止过，大量的学者对汽车的安全问题进行过研究，其研究方向包括碰撞仿真、事故再现、被动安全技术等。这些研究方向涉及多个领域，能够更全面、更精确的对汽车的安全性问题进行研究。对于汽车安全性这一方面的研究，许多国外发达国家的研究已经很成熟了。我国在这方面的研究，虽然说起步比较晚，但是对于汽车安全性的研究，我国也有了长足的进步。汽车的安全性可以分为两种，其中一种是主动安全性，它是指汽车主动避免事故发生的能力，让事故最大限度的避免开来。另一种是被动安全性，是指汽车发生了意外事故后对乘员的保护作用，从而达到“车毁人不亡”的目的。汽车研究时，通常将汽车与汽车或汽车与障碍物之间的碰撞称为“一次碰撞”，而乘员与汽车内部构件，比如说方向盘之间的碰撞称为“二次碰撞”。“一次碰撞”发生后，由于汽车速度的急剧减少，人体会与汽车发生相对运动从而产生“二次碰撞”。查询交通事故的统计资料可以得到这样的结果：在正面碰撞时，对驾驶员造成主要伤害的是转向机构。所以为了减少驾驶员“二次碰撞”所产生的伤害，我们研究与使用吸能防伤转向机构是有必要的。1.2 课题研究的意义汽车上吸能防伤转向机构的作用是：在汽车发生正面碰撞事故中，保证驾驶员有着充足的生存空间，并且能吸收碰撞产生的冲击能量，减少驾驶员在“二次碰撞”时受到的伤害。它是一种被动保护装置。防伤转向机构当中最常见的可吸能构件有可收缩吸能转向柱、吸能转向盘与伸缩式转向中间轴。具体的来说汽车吸能防伤转向机构主要由转向盘、转向轴套、转向器、转向轴以及发生碰撞时吸收撞击能量的元件所组成。国内仍然有不少人觉得：有了安全带和安全气囊就用不着使用吸能防伤转向机构了，其实这种想法是不对的，事实上安全带与安全气囊并不是万能的。安全带只是一种有效、廉价的保护装置，安全带的主要作用在于汽车发生碰撞时，把驾驶员固定在座椅上，防止驾驶员与车身撞击造成伤害。据有关部门2015年的统计表明，汽车驾驶人员未佩戴安全带与佩戴了安全带的事故死亡率的比例达到了37.7:1，副驾驶座人员不佩戴安全带与佩戴安全带的事故死亡率比例为10.6:1，后排乘员的死亡率比例是3.1:1。虽然安全带的佩戴会使人有一种拘束感，这种拘束感降低了乘车的舒适性，但是对于安全带的使用，我国要求开车的驾驶人员与副驾驶座的乘员都必须佩戴。再说一下安全气囊，它是安装在汽车上的充气软囊，其防护效果总体上来说其实不如安全带，而且安全气囊的造价很高，但是安全气囊配合安全带的使用可以在交通事故中大大降低死亡率，配得上其高昂的造价。随着汽车车速的提升，生活节奏的加快，仅仅依靠安全带和安全气囊的保护已经不足以保证乘员的安全。在发生正面碰撞的交通事故时，由于汽车车身会因碰撞发生较大的变形，汽车上转向机构会被迫向后位移，如果转向机构的位移量过大，即便是有了安全带与安全气囊的双重保护，转向机构还是会与驾驶员撞击，严重的话甚至会威胁到驾驶员的生命，因此如何保证汽车在发生正面碰撞时驾驶员有足够的生存空间已经成为了汽车安全性方面研究的重要课题之一。据相关的汽车碰撞试验表明：在正面碰撞事故中，对驾驶员造成伤害的主要元件有两种，分别是转向盘和刚性转向管柱。为此，在转向系中设计能够有效防止或减轻驾驶员碰撞伤害的机构是有必要的，这需要转向系中的零件能在碰撞发生时产生弹性或塑形变形来吸收碰撞时的冲击能量，防止或减少正面碰撞对驾驶员的伤害。因此对吸能防伤转向机构的使用应该尽早普及，对它的研究也要同时进行。用碰撞仿真的方法对汽车吸能防伤转向机构进行研究，并结合与汽车相关领域的新理论、新技术，可以使研究得出的结果更为准确。此论文对汽车吸能防伤转向机构进行设计，并对转向机构进行简化建模及碰撞仿真分析，分析吸能防伤转向机构对于驾驶员在“二次碰撞”时的保护作用，从而得到吸能防伤转向机构是否能对驾驶员起到有效的保护作用。22 吸能防伤转向机构碰撞仿真的理论模型建立2.1 吸能防伤转向机构模型的建立本毕设对吸能防伤转向机构进行的碰撞仿真采用了非线性有限元法。首先要建立一个吸能防伤转向机构的模型，这里采用的是国内某车型上所用的转向盘和可收缩吸能转向柱的模型，按照GB11557-1998的要求，与碰撞仿真人体模块的模型一起建立一个碰撞系统。此系统的在建立时没有包含转向中间轴、轴万向节和转向器等，因为这些机构都只在“一次碰撞”中产生变形，对于“二次碰撞”时的仿真分析并无影响，所以在建立吸能防伤转向机构模型时我没有建立这些构件的模型。为了便于仿真分析，我们需要在建模前做以下的假定：转向柱在车身上的位置是固定，转向柱与车身连接部位是刚性的。实际上，转向柱上支架在受到的力不太大的时候就能够从车身上迅速脱开，因此与上支架连接的车身部位完全可以按照刚性部件处理。2.1.1 可收缩吸能转向柱的结构及主要部件的功能如图2-1所示，本毕设所使用的是钢球套管式的可收缩吸能转向柱。它是由上、下金属管外加按照一定要求排列的钢球所组成的转向套管。套管与钢球之间是配合是过盈配合，上转向轴套管与下转向轴套管的外侧都安装有支架，转向轴位置是在套管的里面。上支架的安装孔上装有脱开支座，注塑成型的尼龙销则把脱开支座与上支架连成为一个整体。转向轴由上、下两部分组成。上转向轴与下转向轴之间的配合部分都有两个小孔，两个小孔使用注塑成型的尼龙销连接在一起形成一个整体。如图2-2所示为可收缩吸能转向柱核心部分结构剖视图。 图2-1 钢球套管式可收缩吸能转向柱图2-2 核心部分剖视图另外，上转向轴套管和护罩是连在一起的，护罩内包含有轴承，下转向轴套管内也包含有轴承，上下转向轴套管内的轴承对转向轴起到了上下支撑的作用。转向轴通过上轴承、轴用卡簧挡圈、挡板、护罩和上管套连为一个整体，下转向轴套内的轴承则是相对于转向轴浮动、不固定的，这样连为一体的收缩吸能转向柱它在碰撞过程中的力会这样传递：转向盘转向轴挡板上转向轴套管。在钢球套管式可收缩转向柱中，其吸收能量构件主要是由上、下转向轴套管还有与其过盈配合的钢球组成的。在碰撞发生时，上、下转向轴套管会在冲击力的作用下收缩，因管套与钢球的过度挤压与滑动，管套与钢球接触的部位会发生弹塑性变形。但是在实际发生的冲撞过程里，把上支架和脱开支座连接起来尼龙销会首先断裂，会使得上支架和脱开支座分离开来，而上支架和脱开支座的脱离，则确保了脱开支座从车身上脱离、套管与转向轴收缩时不会受到轴向力的约束。2.1.2 可收缩吸能转向柱模型的等效简化为了使模型的建立更为有效便利，对实际吸能转向柱进行简化或等效简化是极其必要的，因此建立模型时，可以在尊重实际情况与不影响计算的情形下，力求最少的单元节点数并保证较少的单元尺寸落差。因此在建模前可以不考虑以下几点内容：1、 不用考虑销子剪断力对转向轴的影响。原因是：（1）转向轴上的尼龙销被剪断的力与套管收缩的力相比是很小的，相比于套管间的收缩静压力可以忽略不计。（2）上转向轴与下转向轴上的销孔尺寸太小，为了使计算时的误差变小，势必会加细网格，这样的话单元会存在扭曲，从而影响运算精度，所以省略销子对转向轴的影响。借此可以避免销孔处过小的单元的存在，还可以减少运算时所花费的时间。2、 不考虑护罩和挡板等。因为转向轴通过上轴承轴用卡簧挡圈、挡板、护罩与上转向轴套管连为一体，作用在转向盘的力通过它们中的某些零件传到上转向轴套管，为了建模方便，可以将转向轴直接连在上转向轴套管上。3、 不考虑脱开支座，但保留这种功能。建模时，由于在支架上直接加入了尼龙销，而且在支架上加入某项约束，使得两尼龙销孔变为了一个。合并后尼龙销的直径尺寸大小，采用的是其等效直径的大小。4、 钢球保持架是装配钢球的一个必要先决条件，但在建立模型时可以不予以考虑。我们选择直接将钢球装配在套管内部，在计算数据的时候，按照实际的情况，我们要加上一定的约束条件。而下支架的作用是：固定转向柱。所以我们在建立模型时也不用去考虑，我们可以选择直接将约束施加在下转向轴套管的端面上。2.1.3 可收缩吸能转向柱模型的建立简化后的模型，用ANSYS建立出来。建模时要考虑以下几个方面：1.在采用单元时，如果可以的话尽量不用体单元，因为体单元的节点较多，我们可以优先采用梁单元、杆单元等其他单元，这样一来我们所采用的图元（如线、面、体等）便会比较简单。2.我们采用的单元形状和类型以及单元网格划分的疏密程度要能够准确显示模型的扭曲结构。3.单元所选用运算精度要确保能解决弹塑性问题与加载过程中的单元扭曲问题。4.选择的单元要能够插入相对应的材料模型，这样选择单元的话可以大大提高仿真的准确度。按照上述考虑的内容与对模型的简化，我建立了如图2-3所示的可收缩吸能转向柱的模型。它包括了几何实体、网格划分、单元属性等等，其中单元属性包括：单元类型、实常数和材料特性。图2-3 可收缩吸能转向柱和的模型在模型建立前，需要知道仿真分析中的结构形状、材料性质与材料特性，才能确保仿真分析的准确进行。所以在设计建模时我需要考虑以下的内容和具体的细节：1.在初期建立模型的时候，我需要保证在曲率小和应力集中部位的网格细化，所以我对模型采用了局部处理的方法。为了制约边缘部位的单元个数，可以使用手工划分网格方式来实现，紧接着融合这些节点，从而形成一个完整的零部件模型。比如来说：上支架与上转向轴套管之间，就采取了这种方法，达到了销孔与孔缘的接合。2.要使用特定的单元来限制单元纵横比的大小。单元结构越复杂，可容许的纵横比越大。但是一般来说，仿真分析时通常将纵横比保持在5:1以内，借由此来并避免翘曲的产生。虽然说保持一定的纵横比可以保证翘曲的形状，但是在应力特别集中之处，翘曲的形状仍会不稳定，从而导致单元的计算不准确，不过它影响到的部分很小，只会对局部产生变化。另外特别说一下四边形单元翘曲角，它的翘曲角要在10以内，最好不要偏出，不然会影响计算的准确性。3.对于非线性分析来说，需要又细又密的网格，才可以取保其计算的准确性。但是在网格中出现的单元不能太小，否则会使得计算的时间增加。但对于单元的纵横比，需要其比例大于等于1:1，因为在力的作用下，单元会被作用力所压扁，使得单元较短的一边变小，这样一来会增加计算所需的时间。本文在设计建模时不采用杆单元，原因是这种单元的匹配性不好，它的节点自由度不能与相对接的单元很好的融合，单元交界处的节点不能很好的接合在一起，会让模型无法完成建立。2.2 人体模块有限元模型的建立及其变形刚度的仿真测定2.2.1人体模块有限元模型的建立在仿真前要先对人体模块进行有限元模型建立，其模型的好坏对仿真结果的准确性有着决定性的作用。在绝大多数模拟计算的软件中，驾驶员的模型是采用多刚体系统动力学方法建立的。其建立方法是先把驾驶员身体各部位简化成多个刚体树，再通过铰链等约束将刚体互相联系在一起。驾驶员与各刚体块之间的连接方式有铰接方式、销钉连接方式、固结方式、欧拉连接方式等等。其描述模拟关节的力和力矩的方式通常是以非线性弹力、粘滞阻力和摩擦力为主。本论文研究的是正面碰撞事故中人体与转向机构的碰撞问题，要验证“二次碰撞”时转向机构的对人体的保护作用。因此本文人体模块有限元模型的建立，一定要满足国标所规定的参数。在GB11557-1998试验方法中规定：人体模块仅包含人体躯干及头部模型，它的主要尺寸、质量、转动惯量及变形刚度等必须满足以下要求：1、质量为 34.0kg；2、变形刚度为 105140N/mm；3、质心距头顶距离 551mm；4、通过质心绕横轴的转动惯量为 22622N.cm.s。人体模块的材料没有严格而具体的要求。图2-4为GB 11557-1998中对人体模块的尺寸要求。 （a）背板和基座 （b）人体模块侧面图2-4 GB 11557-1998 人体模块的尺寸的要求刚体的铰接方式这里并不对人体模块的有限元模型使用，我只是将两个人体模块的有限元模型在接合面上通过节点融合在一起。虽然融合成了一个整体，但这两个部分所使用的材料是不同的。按照国标GB 11557-1998所建立的人体模块有限元模型，其主要参数的如下表2-5所示。图2-5 GB 11557-1998所规定的人体模块有限元模型的主要参数对比参数质量（Kg）转动惯量（N.cm.s）质心距头顶距离（mm）GB 11557-199834.0205248545557人体模块有限元模型35.05228.94545.652.2.2 人体模块有限元模型变形刚度的仿真测定在GB 11557-1998中给出了人体模块变形刚度的测定方法，本文的人体模块有限元模型变形刚度的仿真测定就按此方法进行，其步骤如下：1、根据标准要求建立有限元的人体模块模型与有限元的槽形梁模型；2、按照GB 11557-1998中规定的人体模块变形刚度的测定方法，需要将槽形梁模型与人体模块模型水平放置，且使槽形梁模型在处于人体模块的胸部前方，然后施加22牛顿力的载荷，同时把槽形梁的位置设置为基准点；3、对槽形梁模型以25050毫米每秒的速度加压，测量在12.7mm时位移量S的载荷压力；4、计算变形刚度，N/mm。图2-5 GB 11557-1998 人体模块变形刚度测定方法在测定过程中通过修正材料的某些参数，来调节变形刚度。稍微说明一下，上面提到的对槽形梁的加载，是在一个载荷步中完成多载荷（力载荷、重力加速度载荷和速度载荷）的加载，但是加载不是同时实现的。要找到一种在整个加载历程中对同一个物体施加多载荷的方法是很难的，既使将整个加载时间分段处理，给予GB 11557-1998所要求的载荷，也是不能实现的。简单的来说就是在恒定速度加载前，我们不能简单的设定槽形梁的速度为零，如果速度为零，整个过程中的重力加速度载荷将会被施加约束，并且会使槽形梁在恒定速度加载前的位移量为零，这显然是不符合实际的。为此人体模块参数仿真测定的处理应分成两步：第一、按照上述步骤（2）加载，得出槽型梁的速度响应；第二、用第一步的速度响应和恒定速度载荷一起构造一个整个加载历程的速度函数v(t)，并结合力载荷（重力加速度可换算为重力载荷），对槽形梁施加载荷，求出仿真结果。上面讲到的方法之所以能够实现，是因为人体模块和槽形梁模型弹性有着密切的关系。仿真测定过程分为两步进行，其具体测定的加载过程是：1、 根据步骤（2）的方法，取加载时间为：t1=5.4943秒，得出F1=122.571N；2、 在步骤（3）中对槽型梁，以250.2mm/min的速度加载，持续约3.0456s，即槽型梁的位移增量为。人体模块的最终变形图如2-5所示。图2-6为人体模块的有限元模型变形刚度仿真测定整个过程力与时间曲线和力与位移的曲线。人体模块的变形刚度的具体计算如下：图2-6所示的最大力Fe=1595.480N；但t1=5.4943秒时候的力为F1=122.571N，所以人体模块的变形刚度为：因为GB11557-1998中规定人体模块的变形刚度为105-140N/mm，所以本文建立的人体模型满足其要求。图2-6人体模块的最终变形曲线图2-7人体模块的变形刚度仿真测定结果在CATIA建立的人体模型如下图所示：2.3 小结1、 本章对可收缩吸能转向柱和转向盘的等效简化，遵循了较少的单元和节点，最小的单元尺寸误差的原则，但还是可以真实的展现实际的结构力学特性，不会对计算产生较大的影响。模型网格中的单元尺寸大小，会影响到中心差分法运算的时间，所以要使建模的单元尺寸大致接近，这样一来可以让求解速度得到提升。实际上在调试过程中，单元的多与少不会影响运算的时间，在进行分析时，只有单元尺寸相对减小时才会对求解速度产生直接影响。2、 本章在建立可收缩吸能转向柱的模型时，钢球没有采用体单元的方式划分，而是采用了壳单元，并作了刚化处理，调试证明这样做反而效果更好，在此基础上转向轴和转向盘还采用了不是高阶单元的梁单元。本章没用采用杆单元，其原因是这种单元的匹配性不好，它的节点自由度不能与相对接的单元很好的融合，无法完好的融合单元交界处节点，会让模型无法建立。3、 在应力集中的部位本章采用了局部网格细化和节点对接融合的方法，通过选择匹配的单元纵横比，使翘曲的形状不至于变形。4、 本章在嵌入可收缩吸能转向柱和人体模块模型的材料时，采用了非线性本构关系，这样以来便可以用近似的材料模型进行代入，使模型服从一定的屈服理论和流动法则。5、 本章使用GB11557-1998规定中所要求的仿真测定方法，对人体模块及有限元模型的变形刚度进行了测定，使得仿真和试验的结果可以进行同类比较。133 防伤转向机构的设计3.1 防伤转向机构的工作原理吸能转向机构在汽车发生正面碰撞，并且其冲击力达到一定的程度时会发生如下变化：上转向管柱与下转向管柱相对运动与转向柱过盈配合的钢球因挤压而变形上转向管柱与下转向管柱间相对收缩产生空隙套筒中的钢球在碰撞力的作用下使内套筒壁表面撕裂，从而让吸能转向机构吸收碰撞产生的能量。调节转向管柱承受冲击力的大小，可以通过改变钢球的尺寸大小来解决。3.2 吸能防伤转向机构钢球支架尺寸确定内套筒与外套筒之间过盈配合间隙值的计算公式: (1) n 表示的是互相平行的径向力数；Ff 表示断面接触点处的法向力；E 表示弹性模量；w、n 为外、内套管系数； h 表示套管壁厚。汽车发生碰撞时，Fz表示转向柱上的轴向力，其里的大小由套筒间压力有关，由此可得Ff得公式为： （2）公式中：f为摩擦因数。内、外套管系数n 、w 由下列公式计算: （3） （4）上式中：Rn、Rw 为内、外套筒的平均直径；是泊松比。由上述四个公式能够确定过盈配合的间隙，以此确定钢球的尺寸，但是为了可以装配钢球，还要在套筒的两端分布40个孔。整个转向柱的模型如图3-1所示3-1转向柱模型3.3 吸能转向机构模型的简化本节对吸能转向机构模型进行简化，我们可以不考虑如转向中间轴、万向节和转向器等机构，因为这些机构都是在“一次碰撞”中发生变形的构件。我们还可以把模型中的钢球简化为一个销子，这个销子连接上、下转向管柱，在撞击发生的同时，销子会断开，上转向管柱会下移。这样简化后接近了原来的模型，也使得计算起来更为方便，