【《悬架的研究现状及方法文献综述》5100字】

悬架的研究现状及方法文献综述1.1国外悬架研究现状及方法在二十世纪六十年代，国外首先提出了被动悬架的概念，被动悬架主要由弹性支撑，阻尼器组成，这种结构使得汽车在行驶过程中无法随路况而改变，只能保证在一种特定的路面和速度下达到性能的最优值。不少科学家对被动悬架的结构进行了改进，Ahmad提出了一种六自由度半轮驱动的独立悬架控制模型，通过UG/NX软件对其进行几何和物理建模，获得了该悬架的三维模型。并借助ADAMS有限元分析软件对其仿真，将该悬架进行了优化，优化后的悬架能够满足车辆行驶稳定性和转向特性等要求[18]。Zhang对汽车独立悬架系统进行了研究，通过对其的仿真分析，得到了车辆的加速度等各项性能参数，并进行优化达到了设计要求，简化了悬架系统的处理过程，对独立悬架的研究有一定的参考价值[19]。在近代，国外对悬架的研究方向主要放在了主动悬架。主动悬架于19世纪的中期出现，它的作用仅局限于用在机械装备上以控制振动过大。到了1930年，美国凡士通公司首次将主动悬架运用在车辆，并于1944年与通用汽车公司进行合作，首次将主动悬架安装在客车上进行试验，研究结果显示主动悬架要比传统的悬架有更加良好的操控稳定性和驾驶稳定性。1947年，在日耳曼车上出现的一匹黑马—Cayman车系，同样也是采用了主动悬架。1958年美国GMC公司通过大量的实验与理论研究生产出了装配有主动悬架的货车，与此同时，英国也生产出了配备有空气弹簧的挂车。在主动悬架的研究方面，意大利，德国，美国等已经获得了不容小觑的相关研究成果。自1993年欧洲运用在家用汽车上的空气悬架只占了31.8%的比重，而到了1998年，主动悬架在所有汽车上的利用率已经达到了65%，而大型货车更加依赖于主动悬架，从1992年的64.5%上升到了1998年的81.6%。众多国际知名品牌的汽车都将主动悬架的使用率提高到了87%以上，例如德国的奔驰，日本的本田，美国的福特等。到现在为止，欧洲的客车已经全部安装上了主动悬架系统，日本50%的轻型汽车也装备上了主动悬架。之所以大量运用主动悬架，是由于它拥有众多的可控制元件，能根据汽车当前的运行状态以及路况来对车辆各部件发出指令进行调整，来控制汽车的运动，从而使汽车能够保持在同一水平线上运动从而弥补了传统悬架的缺陷。现如今众多高级轿车均使用主动悬架，这就说明主动悬架依然是最热门的研究方向。图1.6主动悬架结构示意图1.2国内悬架研究现状及方法九十年代中期，我国的悬架生产技术水平相对落后，为了抢占国内市场，例如郑州宇通，北方车辆制造商等企业开始购买国外的悬架，并对其进行加工改造，提高了国产车的乘坐舒适性与操纵平稳性，但是由于我国对悬架的研究尚处在初步阶段，国家也并没有重视悬架技术的发展，国内的悬架技术一直没有快速发展。近几年，随着人们生活水平的提高，以及路况的改善，汽车成为了生活的必需品，同时对汽车的乘坐舒适性，操纵性有了更高的要求，因此国内各大汽车品牌加大了对车辆悬架的研究力度，同时悬架研究也得到了国家的重视与发展。我国也出现了大批研究车辆悬架的工作人员，对车辆悬架的结构优化做出了不少的贡献。范旭宁选用四分之一车辆悬架，进行了平顺性研究。根据车辆悬架二自由度振动系统原理，在ADAMS中建立了仿真模型，并给了一个正弦激励信号，得到了加速度曲线，进而计算出了加权加速度均方根值，由此可以计算出车辆平顺性能参数。结果证明随着加速度均方根值的增大，人的主观感受随之变差[20]。贾长建在悬架的仿真过程中测出来了前束角度等悬架参数，通过对仿真数据的分析，对前束角度，以及相关硬点进行了调整，证明出了足够的车轮前束角增益能够最大化轮胎的抓地力[21]。邓希来等人通过仿真分析验证了各角度对汽车性能的影响，并表示前轮的定位角，车轮的偏离角，导向杆以及转向杆主要影响汽车的操纵稳定性，而汽车行驶的平稳性主要与汽车轮胎的位置有关，而前束角和主销倾角对四轮位置的影响较大，即可通过改变这两个角度来改善汽车行驶稳定性[22]。蒋琪奎等人基于多体系统动力学理论，借助ADAMS软件，建立了一套较为完整的悬架运动学仿真分析，对几个衬套的刚度作为研究对象进行研究。实验结果显示下摆臂的衬套会集中受到摆臂各个方向上的力，这对悬架的性能有较大的干扰，应该尽量降低衬套在旋转时的扭转刚度[23]。常州工学院的孙文等人借助某品牌车的车型参数，建立了三维模型，在ADAMS软件中进行了多方面校核，基于仿真结果，获得了前轮定位参数以及前束角的变化范围，并进行优化，改善了汽车操纵稳定性[24]。贵阳学院的陈国平等人建立了麦弗逊式悬架的模型，并在ADAMSCar中给了激励信号，并进行运动学仿真，通过对车轮外倾角和主销内倾角的位置参数的变化得到了硬点坐标的最优解，使悬架模型得到了优化[25]。西南交通大学的陈清化基于ADAMS和MATLAB，对悬架使用了改进的响应面法，并通过该方法获得了数学模型，后对模型进行了仿真，通过回归分析保证了模型的精度要求。最后通过MATLAB编程对其数学模型进行了优化，结果表明该方法具有可行性[26]。经过大量车辆悬架研究人员对悬架结构性能的优化，对悬架的掌握技术日益成熟，直到现在我国已经完全具备自主研发能够满足消费者需求，以及各种复杂路况的悬架，甚至国外汽车厂商会参与选购我国成本较低的悬架产品。面向现在以及未来，我国对悬架的研究重心同样也放在了主动悬架上面。由于近些年来物流行业在我国得到快速发展，为了提高大型货车的运输效率以及高度操控性，我国对主动悬架的需求越来越大。同时国家为了保护路面，减少公路维护费用，国家大力支持主动悬架的研发。随着我国智能化的发展，不少汽车厂商将计算机系统与车辆悬架相结合，开发出了能加智能化，自动化普及的主动悬架产品，例如东风岚图FREE，吉利极氪001（图1.6，1.7所示）。总而言之，在近几年由于我国实施了对公路上货车严重超载的惩罚政策，同时也为了提高货车的运输效率，我国对运输产业的要求也逐步增高，主动悬架在货运车辆上的装配比例会越来越高。图1.6东风岚图FREE图1.7吉利极氪001国外NARMAX研究现状及方法经典的模型辨识方法与理论发展已经趋于成熟和完善，例如阶跃响应法，频率响应法，极大似然估计法，以及最小二乘法。这几种方法虽然被广泛的运用，但是它们的估计结果值具有非一致性，其结果存在一定的偏差，为了弥补此类方法的缺陷，国外相关专家将研究精力放在了更加复杂的模型辨识方法上，其中NARMAX就是典型的精度较高的辨识方法。Johensen解释了如何将复杂的非线性模型问题转化为一组简单的线性模型问题，并表示了解系统的运动模式是建立NARMAX模型的主要基础。提出大部分的非线性系统可以用此方法建模，且从多方面讨论了NARMAX模型的辨识问题，并通过仿真实例进行了说明[19]。Chen声称NARMAX模型是非线性系统一种普遍的表示方法，并对非线性模型进行了举例。讨论了非线性输入输出系统的辨识问题，且用了几个简单的例子来说明非线性模型的一些性质[20]，并和Billings等人表示大部分的离散非线性系统同样可以用带有非线性自回归滑动平均(NARMAX)模型来表示，并提出了一种基于径向基函数的NARMAX模型辨识算法，该方法由迭代正交回归方程和模型辨识有效性测试组成，并利用车辆悬架的模型来证明NARMAX辨识的有效性[21]。Ai在基于NARMAX模型的车辆悬架仿真实验中表示，物理DGS虽然是建立数学模型的好方法,但是理论模型往往不准确，其结果也有偏差,由于是非线性系统,控制算法的可用性较差,为了解决上述问题，确保数据的准确性，提出了用NARMAX算法,该算法有良好的非线性系统描述能力，将测量的非线性系统的数据用于训练NARMAX模型,得到了高精度模型[22]。Nelles在非线性系统辨识中讨论了几种识别非线性系统的方法,指出辨识在应用中非常重要，有很多研究正是利用了非线性系统辨识解决了问题。在此其中对非线性问题的主要优化技术进行了概述,讨论了NARMAX最小二乘法以及其他的经典策略，并表示作者的目的是让学术界和工业界的工程师和科学家对非线性系统辨识基本原理有更透彻的理解[23]。Billings在NARMAX和相关模型的识别中提到数学模型是大多数科学和工程分支的重要组成部分，比如说系统的数学模型可以用来揭示系统的基本原理，进而能更好的了解该系统。系统的数学模型可以通过确定形式的模型的实验输入与输出数据获得未知参数的值，这个过程成为系统识别。由此作者介绍了NARMAX模型进行系统识别的过程,并最终检查和验证结果模型，用来确保准确地描述现实生活中的系统[24]。Rahrooh等人在非线性系统的NARMAX模型辨识中提到现实世界中遇到的大多数系统本质上都是非线性的，而由于线性模型无法捕捉与非线性系统相关的动态行为，必须有针对非线性系统的识别技术。由此作者讨论了非线性系统辨识的实际问题，NARMAX模型为广泛的非线性系统提供了统一的表示，并与Volterra级数等函数级数相比有更明显的优势，且NARMAX模型具有更好的参数估计和预测精度[25]。Baldacchino推导了一种改进的NARMAX方法，该识别方法的计算处理能力有较大进步，通过采样的方法获得了模型结构和模型参数，与其他辨识算法相比，这种方法提供了有关模型参数和结构的有用附加信息，并给出了一个数值例子来演示该算法，同时与其他辨识方法做了一个对比，结果表明，NARMAX方法更加具有竞争力[26]。国内NARMAX研究现状及方法我国对于系统辨识的研究相对较晚，但是如今在系统辨识领域的突破已经有了很大的进步，并且称为控制学科中一个重要的分支。随着对智能控制的在当今社会上的应用越来越广泛，在系统辨识领域更是取得了不少的成就，系统的模型已经从线性模型逼近发展到了用非线性模型逼近的阶段，而NARMAX辨识就是非线性系统的典型代表方法。近些年来，对NARMAX模型辨识的研究逐渐深入，我国研究人员对NARMAX方法进行了改进，并取得了不少的优秀成果。杜宁等人提出了新模型选项准则，克服之前错选冗余项的缺陷，增加了辨识模型的精确度，改善了之前存储困难的问题。在仿真实验的证明下，改进的方法更具有数值稳定性，优越性以及有效性[10]。郭政波等人提出了基于NARMAX模型，并结合改进后的最小二乘法和误差下降速率算法，利用航空发动机的仿真数据得到了其数学模型。通过辨识结果和仿真数据的对比可看出，NARMAX辨识方法精度高，收敛速度快[11]。侯小秋针对随机多变量NARMAX模型存在的问题，并基于线性滤波等原理，将系统的随机干扰项等效为系统输出端，提出了改进的辨识方法，解决了数据计算量爆发等问题，仿真结果验证了算法的有效性[12]。程长明等人根据系统的检测信号与响应信号辨识得到了NARMAX模型，并通过NARMAX模型可以得到系统的NARX模型，通过NARX可得到系统在谐波作为输入信号时的非线性输出，通过比较NARX和NARMAX的非线性输出项来判断系统是否存在损伤[13]。董德存等人表示在实际生活中存在不同程度的非线性现象，例如车辆悬架，特别是高速振动状态下，因此必须将其视为非线性项，而NARMAX方法在非线性系统辨识得到了一些显著的成就，在众多领域得到广泛运用[14]。秦滨等人提出NARMAX辨识是一种“黑箱”线性化方法，适合模型未知，且较为复杂的非线性系统，但是时变参数的辨识较为困难，因此该方法还有待研究[15]。高飞等人表示非线性系统的辨识已经得到了较大的进展，尤其是Billings提出的NARMAX辨识，NARMAX的展开式是一种多项式形式，且参数是线性的，理论上所有的非线性系统均可用NARMAX来辨识[16]。王晓等人提取了NARMAX算法的优点，提出了四种改善方法，提高了原算法的数值稳定性，克服了模型的结构和选项顺序的有关问题。通过仿真数据得到了该方法的有效性[17]。在之后的研究中，王晓等人提出了新的有效的NARMAX算法，在存在舍入误差的条件下，证明了算法的收敛性，该算法具有几乎不受误差影响的优点，优于一般常用的最小二乘算法，包括数值性态极佳的SVD算法，仿真结果证明了此新算法的优越性[18]。参考文献[1]IftikharAhmad,XiaohuaGe,DecentralizedDynamic.Event-Triggerd

CommunicationandActiveSuspensionControlofIn-WheelMotorDrivenElectricVehicleswithDynamicDamping[J].IEEE/CAAJournalofAutomaticaSinica,2021,05(8):14-18.[2]JunZhang,XinLi.Multi-BodyDynamicsModelingandSimulation

AnalysisofaVehicleSuspensionBasedonGraphTheory[J].JournalofBeijingInstituteofTechnology,2018,04(6):7-11.[3]范旭宁.基于ADAMS的麦弗逊前悬架优化设计[J].科技与创新，2021，26（3）：13-17.[4]贾长建.基于ADAMS的新能源汽车悬架参数仿真与优化设计[J].机械设计与制造工程,2022,121(4):140-145.[5]邓希来,卿艳青，邓云海.基于ADAMS的转向系统运动学仿真设计[J].工程机械,2021,78(14):67-74.[6]蒋琪奎,吴心杰.汽车悬架主参数匹配仿真分析[J].农业装备与车辆工程，2022,46(81):56-72.[7]孙文,刘欢,赵景波,孟浩东.麦弗逊式前悬架系统结构设计与运动仿真分析[J].常州工学院学报,2020,33(2):9-16.[8]陈国平,李占国，刘红岩，陈思思.基于ADAMS的麦弗逊前悬架的仿真分析[J].贵阳学院学报,2019,14(3):107-122.[9]陈清化,万里翔,周伟.基于改进响应面法和Matlab-Adams的麦弗逊悬架优化[J].西南交通大学学报,2013,27（1):18-22.[10]杜宁,郁文山,杨兴锐.NARMAX模型在风洞流场建模过程中的应用[J].兵工自动化,2017,11(36):52-55.[11]郭政波,望佳,尹文强，姚尚宏,苏三买.基于NARMAX辨识航空发动机起动过程数学模型[J].航空科学技术,2016,27(05):22-26.[12]侯小秋.随机多变量NARMAX模型的非线性递推最小二乘算法[J]，厦门理工学院学报,2019,27(3):8-14.[13]程长明,彭志科,孟光.基于NARMAX模型和NOFRF结构损伤检测的实验研究[J],动力学与控制学报,2013,11(1):89-97.[14]董德存,张树京.用于NARMAX参数辨识的一种神经网络方法[J],铁道学报，1994,1(12):53-61.[15]秦滨,韩志刚.非线性