基于Pareto的液阻悬置结构参数多目标优化方法与流程

本发明涉及一种基于Pareto的液阻悬置结构参数多目标优化方法，属于汽车发动机减振技术领域。

背景技术：

汽车发动机液阻悬置是汽车上重要的减振、隔振元件，它起到固定并支撑机车动力总成、隔离发动机本身及路面冲击带来的振动等作用。为了有效隔离发动机高频段往复不平衡惯性力主谐量激励所引起的振动向车体的传递，提高乘坐舒适性和降低噪声，特别是空腔共鸣音，希望悬置元件具有低刚度小阻尼特性；另一方面，为了抑制怠速波动扭矩主谐量的激励引起动力总成在共振频率附近较大振幅的振动，同时为了限制那些准静态载荷，如起动、换档、加速、制动、转弯以及不平路面冲击等载荷作用下引起的动力总成的位移，并且将其诱发的较大幅度自由振动尽快衰减，又希望悬置元件具有高刚度大阻尼特性。这就是动力总成隔振对悬置元件提出的两个基本而又相互矛盾的要求，即对动力总成悬置提出了“低频域具有高刚度大阻尼、高频域具有低刚度小阻尼”这两个基本的而又相互矛盾的要求。

液阻悬置的结构参数是影响液阻悬置减振性能的主要参数，如何确定这些参数以获得良好的减振性能一直是悬置设计的难点和重点。本发明公开了一种基于Pareto的液阻悬置结构参数多目标优化方法，解决了现有液阻悬置设计过程中结构参数难确定的问题，满足液阻悬置“低频域具有高刚度大阻尼、高频域具有低刚度小阻尼”的动力学要求。本发明可有效地提升液阻悬置的动态特性，满足汽车发动机悬置系统对悬置元件的动态特性要求，提高液阻悬置的开发效率，缩短开发成本以及开发周期。

技术实现要素：

为解决现有技术的不足，本发明的目的在于提供一种基于Pareto的液阻悬置结构参数多目标优化方法，实现液阻悬置结构参数的自动确定，满足液阻悬置“低频域具有高刚度大阻尼、高频域具有低刚度小阻尼”的动力学要求，弥补传统设计过程中采用试错法调整设计参数的不足之处，提高开发效率，缩短开发成本以及开发周期。

为了实现上述目标，本发明采用如下的技术方案：

一种基于Pareto的液阻悬置结构参数多目标优化方法，其特征是，包括以下步骤：

1)建立液阻悬置结构参数多目标优化模型，根据实际情况选择模型中涉及的变量和优化目标，并建立约束条件；

2)根据模糊罚函数法将步骤1)中带约束条件的多目标优化问题转化为无约束的多目标优化问题，得到各个优化目标的适应度值函数，形成新的目标优化函数；

3)采用Pareto GA遗传算法对步骤2)得到的多目标优化问题进行优化，获得Pareto最优解集；

4)采用熵值权重法确定各优化目标的客观权重；

5)基于TOPSIS策略对Pareto最优解集进行优先度排序获得最佳的结构方案。

进一步地，所述步骤1)中涉及的参量为：

橡胶主簧动刚度K_r、橡胶主簧阻尼B_r、上液室体积刚度K₁、惯性通道长度l_i、惯性通道横截面积A_i、解耦器内液体流动的惯性系数I_d和阻尼系数B_d为设计变量；

优化目标为：

低频、大振幅激励下液阻悬置动刚度峰值频率；

低频、大振幅激励下液阻悬置的动刚度峰值；

低频、大振幅激励下液阻悬置的阻尼系数峰值；

高频、小振幅激励下液阻悬置动刚度峰值频率；

高频、小振幅激励下液阻悬置的动刚度峰值；

高频、小振幅激励下液阻悬置的阻尼系数峰值。

进一步地，所述步骤2)中新的优化目标函数由离散隶属函数所确定的模糊罚函数和经过正规化后的目标函数之和构成。

进一步地，所述步骤3)具体步骤如下：

301)初始化种群M，随机生成一个大小为N的父代种群P_t；

302)对当前种群个体进行目标函数值计算；

303)对种群个体进行非劣分层排序；

304)采用二元锦标赛选择、交叉和变异操作产生N个子代种群Q_t；

305)种群P_t和种群Q_t并入到R_t中，R_t＝P_t∪Q_t；

306)对新种群Rt中个体进行目标函数值计算；

307)对种群个体进行非支配排序；

308)选前N个个体产生父代种群P_t+1；

309)若达到收敛条件(生成种群适应度小于设定值)则终止；否则，迭代次数增加1，转第步骤302)；

310)输出Pareto最优解集。

进一步地，所述步骤4)的具体步骤如下：

401)对Pareto最优解集数据做标准化处理，得到规范化决策：

其中f_ij表示第i个待选方案第j个优化目标的数值，max{f_j}和min{f_j}分别表示所有待选方案中第j项评价指标的最大值和最小值，m为待选方案数，n为优化目标数；

402)处理决策矩阵，得到矩阵P＝(p_ij)_m×n，

403)计算指标输出的信息熵

404)计算属性客观权重向量

进一步地，所述步骤5)的具体过程如下：

501)对决策矩阵作规范化处理，得规范化决策矩阵Y＝(y_ij)_m×n；

502)计算加权规范化决策矩阵Z＝(z_ij)_m×n，其中z_ij＝w_jy_ij，1≤i≤m,1≤j≤n；

503)确定正理想解Z⁺和负理想解Z^-：其中

504)计算各方案到正理想解Z⁺和负理想解Z^-的Euclid距离和

505)计算各方案的相对贴近度

506)根据相对贴近度排列各方案的优先序：相对贴近度越大则越优，相对贴近度越小则越劣。

本发明所达到的有益效果：本方法可以实现液阻悬置结构参数的自动确定，满足液阻悬置“低频域具有高刚度大阻尼、高频域具有低刚度小阻尼”的动力学要求，弥补传统设计过程中采用试错法调整设计参数的不足之处，提高开发效率，缩短开发成本以及开发周期。

附图说明

图1是液阻悬置结构参数多目标优化方法流程图；

图2是液阻悬置结构的结构示意图。

图中附图标记的含义：

1-橡胶主簧，2-金属骨架，3-解耦盘，4-导流座，5-橡胶底膜，6-下液室，7-惯性通道，8-上液室，9-连接螺栓。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

步骤1)建立液阻悬置液阻悬置结构参数多目标优化模型，确定设计变量和优化目标。

参照图2：以橡胶主簧动刚度K_r、橡胶主簧阻尼B_r、上液室体积刚度K₁、惯性通道长度l_i、惯性通道横截面积A_i、解耦器内液体流动的惯性系数I_d和阻尼系数B_d为设计变量。

以低频、大振幅激励下液阻悬置动刚度峰值频率；

低频、大振幅激励下液阻悬置的动刚度峰值；

低频、大振幅激励下液阻悬置的阻尼系数峰值；

高频、小振幅激励下液阻悬置动刚度峰值频率；

高频、小振幅激励下液阻悬置的动刚度峰值；

高频、小振幅激励下液阻悬置的阻尼系数峰值为优化目标。

设计变量为x＝(x₁,x₂,x₂,x₄,x₅,x₆,x₇)＝(K_r,B_r,K₁,l_i,A_i,I_d,B_d)，令η＝8πμ，其中μ为液阻悬置内液体的粘性系数，本实施例中液阻悬置内的液体为乙二醇溶液，其粘性系数为21mPa.s。上液室的活塞面积A_p为5.278×10^-3m²。

根据主机厂的设计要求，结合动力总成发动机悬置系统对悬置元件的理想动力学特性要求、悬置系统多体动力学分析的结果以及液阻悬置动态特性的特点，对液阻悬置动态特性提出以下要求：

(1)低频、大振幅激励下液阻悬置动刚度峰值频率为8Hz；

(2)低频、大振幅激励下液阻悬置的动刚度峰值为350N/mm；

(3)低频、大振幅激励下液阻悬置的阻尼系数峰值为8N.s/mm；

(4)高频、小振幅激励下液阻悬置动刚度峰值频率为90Hz；

(5)高频、小振幅激励下液阻悬置的动刚度峰值为320N/mm；

(6)高频、小振幅激励下液阻悬置的阻尼系数峰值为3.5N.s/mm；

通过对液阻悬置的结构进行分析，要求液阻悬置结构参数满足以下条件：

(1)惯性通道长度l_i小于导流座盖的外沿周长；

(2)惯性通道直径d_i的2倍小于惯性通道的长度l_i。

则液阻悬置多目标参数优化模型的优化目标可写为：

其中ρ为液阻悬置内液体的密度，本实施例中其值为1.113×10³kg/m³。

液阻悬置参数优化模型的约束条件为：

液阻悬置动态特性多目标参数优化的数学模型为：

步骤2)根据模糊罚函数法将原带约束条件的多目标优化问题转化为无约束多目标优化问题,得到的各个体的适应度值函数，其具体过程如下：

在模糊环境下，约束条件由定义域中的模糊集合G定义，用μ_G表示点满足约束条件的程度。

与确定性模型中点在可行域之外就判定为不可行解不同的是，采用模糊理论后，不可行点可以接受为不完全可行解。

根据模糊集合理论，当点在可行域中时，其隶属函数μ_G(x)等于1。其它情况下，隶属函数值在0≤μ_G≤1的区间范围内。一个点对L个约束条件的最大违反程度定义为μ_C(x)，并表示为：

对目标函数进行正则化处理：

对于极小化问题在模糊集合中点的第j个考虑模糊罚函数的目标函数为：其中R_k是由离散隶属函数所确定的模糊罚函数，f_j′(x)是经过正规化后的目标函数，目标函数正规化的目的是当隶属函数值小于或等于1时可以确定点的在可行域中的状态。R_k表示为

本发明中惩罚权系数KD＝10。

步骤3)采用Pareto GA遗传算法对液阻悬置多目标优化问题进行优化，获得Pareto最优解集，其具体过程为：

步骤S301，初始化种群M，随机生成一个大小为N＝60的父代种群P_t；

步骤S302，对当前种群个体进行目标函数值计算；

步骤S303，对种群个体进行非劣分层排序；

步骤S304，采用二元锦标赛选择，选取交叉概率0.5，变异概率0.008，交叉和变异操作产生N个子代种群Q_t；

步骤S305，种群P_t和种群Q_t并入到R_t中，R_t＝P_t∪Q_t；

步骤S306，对新种群R_t中个体进行目标函数值计算；

步骤S307，对种群个体进行非支配排序；

步骤S308，选前N个个体产生父代种群P_t+1；

步骤S309，若达到收敛条件则终止；否则，代数增加1，转第步骤S302步；

步骤S310，输出Pareto最优解集。

步骤4)，采用熵值权重法确定各优化目标的客观权重，过程如下：

401)对Pareto最优解集数据做标准化处理，得到规范化决策：

其中f_ij表示第i个待选方案第j个优化目标的数值，max{f_j}和min{f_j}分别表示所有待选方案中第j项评价指标的最大值和最小值，m为待选方案数，n为优化目标数；

402)处理决策矩阵，得到矩阵P＝(p_ij)_m×n，

403)计算指标输出的信息熵

404)计算属性客观权重向量

所述步骤5)中，基于TOPSIS策略对Pareto最优解集进行优先度排序获得最佳的液阻悬置结构参数，具体过程如下：

501)对决策矩阵作规范化处理，得规范化决策矩阵Y＝(y_ij)_m×n；

502)计算加权规范化决策矩阵Z＝(z_ij)_m×n，其中z_ij＝w_jy_ij，1≤i≤m,1≤j≤n；

503)确定正理想解Z⁺和负理想解Z^-：其中，w为n维的行向量，其中

504)计算各方案到正理想解Z⁺和负理想解Z^-的Euclid距离和

505)计算各方案的相对贴近度

506)根据相对贴近度排列各方案的优先序：相对贴近度越大则越优，相对贴近度越小则越劣。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。