版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、傳統(tǒng)的汽車懸架設(shè)計中,往往先確定彈簧剛度、輪胎徑向剛度等力學(xué)參數(shù),然后進(jìn)行懸架硬點坐標(biāo)優(yōu)化。然而,汽車使用過程中,上述力學(xué)參數(shù)會隨著環(huán)境溫度、汽車載荷、使用時間的變化而改變,從而影響操縱穩(wěn)定性。
針對上述問題,首先,基于多體動力學(xué)軟件ADMAS/Car,依據(jù)某乘用車麥弗遜懸架系統(tǒng)的相關(guān)設(shè)計參數(shù),建立麥弗遜懸架系統(tǒng)動力學(xué)模型,并采用靈敏度分析方法選取設(shè)計變量;然后,通過支持向量回歸(SVR)擬合上述麥弗遜懸架轎車的前輪定位參數(shù)絕
2、對值最大值與懸架硬點坐標(biāo)、彈簧剛度、輪胎徑向剛度之間的關(guān)系模型;其次,采用區(qū)間分析方法構(gòu)建面向操縱穩(wěn)定性的多目標(biāo)優(yōu)化模型;,最后,提出一種新穎的內(nèi)外層嵌套多目標(biāo)粒子群優(yōu)化(DL-MOPSO)算法,用于求解上述多目標(biāo)優(yōu)化模型,并將其優(yōu)化效果與傳統(tǒng)多目標(biāo)優(yōu)化算法進(jìn)行對比,以驗證DL-MOPSO算法的優(yōu)越性。
ADMAS模型仿真結(jié)果表明,在彈簧剛度、輪胎徑向剛度未變化、發(fā)生變化兩種情況下,相對于初始硬點坐標(biāo),DL-MOPSO、傳統(tǒng)多
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粒子群優(yōu)化的離散多目標(biāo)優(yōu)化算法.pdf
- 麥弗遜懸架參數(shù)優(yōu)化及其疲勞壽命分析.pdf
- 基于多目標(biāo)優(yōu)化的粒子群算法研究.pdf
- 多目標(biāo)粒子群優(yōu)化算法的研究.pdf
- 基于多目標(biāo)粒子群優(yōu)化算法的圖像分割算法.pdf
- 基于改進(jìn)粒子群算法的多目標(biāo)優(yōu)化研究.pdf
- 基于粒子群優(yōu)化的多目標(biāo)車間調(diào)度算法.pdf
- 基于改進(jìn)的粒子群算法的鉆進(jìn)參數(shù)多目標(biāo)優(yōu)化研究.pdf
- 基于ADAMS的麥弗遜前懸架優(yōu)化研究.pdf
- 基于ADAMS的麥弗遜前懸架優(yōu)化研究.pdf
- 基于ADAMS的麥弗遜前懸架優(yōu)化研究.pdf
- 麥弗遜懸架轉(zhuǎn)向機構(gòu)優(yōu)化設(shè)計.pdf
- 麥弗遜懸架轉(zhuǎn)向機構(gòu)優(yōu)化設(shè)計.pdf
- 麥弗遜懸架轉(zhuǎn)向機構(gòu)優(yōu)化設(shè)計.pdf
- 基于粒子群算法的多目標(biāo)函數(shù)優(yōu)化問題研究.pdf
- 基于量子衍生方法的粒子群多目標(biāo)優(yōu)化算法.pdf
- 多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用.pdf
- 麥弗遜懸架運動學(xué)分析與結(jié)構(gòu)參數(shù)優(yōu)化.pdf
- 基于粒子群優(yōu)化算法的動態(tài)多目標(biāo)優(yōu)化算法研究及應(yīng)用.pdf
- 多目標(biāo)粒子群優(yōu)化算法研究及在HEV參數(shù)優(yōu)化中應(yīng)用.pdf
評論
0/150
提交評論