一种转向架悬挂参数优化匹配方法与流程

本发明涉及机车车辆的悬挂参数优化设计技术领域。

背景技术：

横向蛇行运动稳定性是轮轨列车转向架设计中最关注的问题之一，转向架一、二系悬挂特别是水平方向的悬挂参数，对提高列车转向架横向稳定性并兼顾到列车其它性能起到关键作用。合理的悬挂参数匹配有利于提高列车横向稳定性，并抵抗悬挂参数和轮轨接触参数摄动对系统稳定性的影响(称之为系统健壮性)。因此针对转向架悬挂参数匹配进行优化的研究对于列车的设计至关重要。

对于复杂的列车悬挂系统，除二系水平刚度参数主要影响到车辆曲线通过性能以外，其他水平方向悬挂参数，如一系纵向定位刚度、一系横向定位刚度、抗蛇行减振器阻尼、二系横向减振器阻尼、抗蛇行减振器橡胶关节刚度和二系横向减振器橡胶关节刚度主要影响列车横向运行稳定性。随着高速铁路的快速发展，对车辆系统动力学性能的要求越来越高。列车横向运动稳定性是列车安全运行的重要条件，一旦车辆系统出现转向架蛇行失稳，其运行品质将急剧恶化，导致轮轨作用力加强，危害线路，严重的甚至会引发脱轨事故。所以，针对列车横向稳定性对悬挂参数进行优化设计是十分必要的。

传统的高速列车动力学评价指标主要包括横向平稳性指标、垂向平稳性指标、脱轨系数、轮重减载率、轮轴横向力、倾覆系数等指标。其指标的获得均是假定列车的悬挂参数以及轮轨接触参数是常值的情况下，忽略了转向架悬挂参数和轮轨接触参数摄动对列车动力学性能的影响。而在车辆的制造和实际运行中该两个参数均存在较大扰动，且其对列车的运行安全性会有较大影响。此外，上述指标的获取均是在正常等效锥度的运行工况下仿真所得，没有考虑低锥度工况下列车的稳定性变化，而列车在低锥度工况下往往会发生低速晃车现象，严重影响到列车的乘坐舒适性。

本研究的关键内容包括了：可根据具体需求灵活详细地定义优化目标及其阈值，并通过逐层筛选的方式从大量的随机参数中获得所需悬挂参数组；提出并将低锥度稳定性、正常锥度稳定性、悬挂参数健壮性和等效锥度健壮性考虑为目标进行优化；采用离散统计的方法对悬挂参数匹配规律进行研究。

技术实现要素：

本发明的目的是提供一种转向架悬挂参数优化匹配方法，它能有效地解决根据实际需求详细定义转向架悬挂参数匹配目标值范围的技术问题。

本发明的目的是通过以下技术方案来实现的：一种转向架悬挂参数优化匹配方法，步骤如下：

步骤一、根据车辆动力学模型进行悬挂参数优化分析，确定该模型所需的输入变量及其取值范围和输出评价指标以及阈值设置，通过simpack脚本语言，将车辆动力学模型仿真与matlab建立联合仿真模块，并通过matlab针对输入变量均匀获取n组随机参数，n为50000；

步骤二、将调用的随机参数赋予车辆动力学模型，并对该模型进行200km/h速度下的低锥度稳定性仿真，通过simpack与matlab联合仿真接口提取该稳定性指标ζlow；

步骤三、判断车辆的低锥度稳定性指标ζlow是否满足要求，若为“否”，则调用下一组随机参数并转步骤二，赋予车辆动力学模型继续进行该低锥度稳定性仿真，直到出现满足ζlow指标要求的随机参数时，进行下一步；

步骤四、对步骤三所得满足ζlow指标要求的随机参数下的车辆动力学模型进行350km/h速度下的正常锥度稳定性仿真，并提取该稳定性指标ζnorm；并判断其是否满足要求，若为“否”，则调用下一组随机参数并转步骤二，直到出现同时满足ζlow和ζnorm指标要求的随机参数时，进行下一步；

步骤五、对步骤四所得满足ζlow和ζnorm指标要求的随机参数下的车辆动力学模型进行悬挂参数健壮性的计算，并提取该稳定性指标std(ζpar)；判断其是否满足要求，若为“否”，则调用下一组随机参数并转步骤二，直到出现同时满足ζlow、ζnorm和std(ζpar)指标要求的随机参数时，进行下一步；

步骤六、对步骤五所得满足ζlow、ζnorm和std(ζpar)指标要求的随机参数下的动力学进行等效锥度健壮性的计算，并提取该稳定性指标std(ζλ)；判断其是否满足要求，若为“否”，则调用下一组随机参数并转步骤二，直到出现同时满足ζlow、ζnorm、std(ζpar)和std(ζλ)指标要求的随机参数时，则保存该组数据，且继续调用下一组随机参数并转步骤二，进行下一个循环；

其中，每次执行调用下一组随机参数后，均需要对该调用的随机参数进行是否为空集的判断，若为“否”，才能转步骤二继续进行循环，若为“是”，则代表生成的所有组随机参数均被调用，本次匹配优化结束；

步骤七、最后采用归一化和离散统计的方法对所得优化结果进行数据处理，依据实际需求从优化结果数据中挑选出符合要求的悬挂参数匹配组合的参数具体值及其对应的优化目标值，并结合三维柱状图进一步挖掘悬挂参数之间的匹配关系。

该方法涉及到机车车辆性能指标中的低锥度稳定性指标、正常锥度稳定性指标、悬挂参数健壮性指标和等效锥度健壮性指标四项子目标，在优化过程中分别针对四个子目标设置阈值，当赋予随机参数的车辆系统满足四个子目标设置的阈值范围时，对该组随机参数进行保存，即满足设置阈值范围视为优化结果。

所述建立车辆动力学模型并进行悬挂参数优化分析，具体操作为：

首先根据crh3结构参数建立车辆动力学模型。基于列车横向稳定性稳定现有规律，确定该模型所需设计的重要输入变量及其取值范围；并根据该模型的实际运行情况，将低锥度稳定性指标ζlow、正常锥度稳定性指标ζnorm、悬挂参数健壮性指标std(ζpar)和等效锥度健壮性指标std(ζλ)纳入优化目标范围，总共四个优化目标作为输出，并设置四个优化目标的阈值。由于本研究主要针对列车横向稳定性，所以初始参数(即输入变量)包括影响列车横向稳定性的转向架的六大关键悬挂参数，如一系悬挂纵向刚度kpx、一系悬挂横向刚度kpy、抗蛇行减振器阻尼csx、二系横向减振器阻尼csy、抗蛇行减振器关节刚度kncsx和二系横向减振器关节刚度kncsy。然后通过simpack脚本语言，将车辆动力学模型仿真与matlab建立联合仿真模块，并通过matlab针对输入变量生成均匀分布的50000组随机参数。

将生成的随机参数逐个赋予车辆动力学模型，并对该模型依次进行低锥度稳定性仿真、正常锥度稳定性仿真和悬挂参数健壮性以及等效锥度健壮性的计算。其中每次仿真后均会对其仿真结果进行判断，若不满足要求，则调用下一组随机参数并转步骤二；对于满足要求的情况方能进行下一步的仿真计算。当被赋予该组随机参数的车辆系统满足全部四个优化目标的要求时，保存该组随机参数，并调用下一组随机参数继续进行仿真，最终从大量的随机参数中得到满足全部四个优化目标要求的所有悬挂参数组。其中每次调用下一组随机参数后，均需要对该调用的随机参数进行是否为空集的判断，若为“否”，才能转步骤二继续进行循环，若为“是”，则代表生成的所有随机参数均被调用，本次匹配优化结束。

所得悬挂参数优化匹配数据需要进行挖掘，具体操作为：

由于优化得到的数据众多，悬挂参数之间的匹配关系不易发现，因此对该优化匹配结果进行数据处理；采用归一化处理后所得优化匹配结果数据，使得大小不同的六大悬挂参数分布能够在一张图上进行比较，并依据实际需求从优化结果数据中挑选出的6种典型的悬挂参数匹配组合的参数具体值及其对应的优化目标值；此外还对优化匹配结果数据进行离散统计处理，结合三维柱状图进一步挖掘悬挂参数之间的匹配关系。

本发明有效地将转向架悬挂参数优化匹配和离散统计相结合，解决了转向架悬挂参数优化匹配关系研究过程中，因所获得悬挂参数组数据众多以及悬挂参数类型较多而导致悬挂参数匹配关系研究变得异常困难的问题，最终在小计算成本下高效地实现转向架悬挂参数优化设计过程，并能挖掘其悬挂参数匹配关系，从而使得高速列车的运行能够兼顾低锥度稳定性、正常锥度稳定性、悬挂参数健壮性和等效锥度健壮性等多项指标，并通过离散统计的方法对悬挂参数优化匹配数据进行处理，并从中挑选出最为符合设计需求的组合。这对于提高转向架悬挂参数设计和分析能力有重要的意义和显著的工程实际应用价值。

本发明与现有技术相比的优点与效果：

一、提出将低锥度稳定性纳入优化目标范围

现有研究主要是以车辆模型传统的动力学指标为目标进行悬挂参数的优化设计，其都是考虑车辆在正常锥度下的动力学性能，而忽略了车辆系统在较低的等效锥度工况下运行时其系统稳定性的变化，而车辆在低锥度工况下极易容易发生低速晃车现象，严重影响列车的乘坐舒适性。本发明不但提出将低锥度稳定性指标纳入悬挂参数优化范围，而且还将正常锥度稳定性指标和悬挂参数健壮性指标以及等效锥度健壮性指标考虑在内，从多个角度对车辆悬挂参数进行优化。通过逐层筛选的方式进行优化，获得更为合理的悬挂参数匹配模式，为获得更可靠的转向架悬挂参数优化结果提供了条件。

二、采用离散统计方法对悬挂参数优化匹配数据处理获得符合要求的组合

由于通过逐层筛选方式进行优化得到的优化结果数据量较大，对数据的分析十分困难，悬挂参数匹配关系不易研究。本研究采用离散统计的方法，对得到的大量悬挂参数优化匹配数据进行处理，并结合三维柱状图进一步挖掘转向架悬挂参数之间的匹配关系，对于提高转向架悬挂参数设计和分析能力有重要的意义和显著的工程实际应用价值。

附图说明

图1为本发明转向架悬挂参数优化匹配的快速分析流程

图2本发明归一化及离散统计后的悬挂参数优化匹配数据

图3本发明kpx、csx和kncsx的匹配关系图

图4本发明kpx、kpy和csy的匹配关系图

具体实施方式

下面结合附图对本发明做进一步描述：

步骤一、根据车辆动力学模型进行悬挂参数优化分析，确定该模型所需的输入变量及其取值范围和输出评价指标及其阈值设置，其阈值设置见表1，通过simpack脚本语言，将车辆动力学模型仿真与matlab建立联合仿真模块，并通过matlab针对输入变量均匀获取n组随机参数，n为50000；

表1四个优化目标的阈值设置

步骤二、将调用的随机参数赋予车辆动力学模型，并对该模型进行200km/h速度下的低锥度稳定性仿真，通过simpack与matlab联合仿真接口提取该稳定性指标ζlow；

步骤三、判断车辆的低锥度稳定性指标ζlow是否满足要求，若为“否”，则调用下一组随机参数并转步骤二，赋予车辆动力学模型继续进行该低锥度稳定性仿真，直到出现满足ζlow指标要求的随机参数时，进行下一步；

步骤四、对步骤三所得满足ζlow指标要求的随机参数下的车辆动力学模型进行350km/h速度下的正常锥度稳定性仿真，并提取该稳定性指标ζnorm；并判断其是否满足要求，若为“否”，则调用下一组随机参数并转步骤二，直到出现同时满足ζlow和ζnorm指标要求的随机参数时，进行下一步；

步骤五、对步骤四所得满足ζlow和ζnorm指标要求的随机参数下的车辆动力学模型进行悬挂参数健壮性的计算，并提取该稳定性指标std(ζpar)；判断其是否满足要求，若为“否”，则调用下一组随机参数并转步骤二，直到出现同时满足ζlow、ζnorm和std(ζpar)指标要求的随机参数时，进行下一步；

步骤六、对步骤五所得满足ζlow、ζnorm和std(ζpar)指标要求的随机参数下的动力学进行等效锥度健壮性的计算，并提取该稳定性指标std(ζλ)；判断其是否满足要求，若为“否”，则调用下一组随机参数并转步骤二，直到出现同时满足ζlow、ζnorm、std(ζpar)和std(ζλ)指标要求的随机参数时，则保存该组数据，且继续调用下一组随机参数并转步骤二，进行下一个循环；

其中，每次执行调用下一组随机参数后，均需要对该调用的随机参数进行是否为空集的判断，若为“否”，才能转步骤二继续进行循环，若为“是”，则代表生成的所有组随机参数均被调用，本次匹配优化结束；

步骤七、最后采用归一化和离散统计的方法对所得优化结果进行数据处理，依据实际需求从优化结果数据中挑选出符合要求的悬挂参数匹配组合的参数具体值及其对应的优化目标值，并结合三维柱状图进一步挖掘悬挂参数之间的匹配关系。

1.构建动力学模型并生成随机参数

根据crh3结构参数建立车辆动力学模型。基于列车横向稳定性稳定现有规律，确定该模型所需设计的重要输入变量及其取值范围；并根据该模型的实际运行情况，将低锥度稳定性指标ζlow、正常锥度稳定性指标ζnorm、悬挂参数健壮性指标std(ζpar)和等效锥度健壮性指标std(ζλ)纳入优化目标范围，总共四个优化目标作为输出，并设置四个优化目标的阈值。由于本研究主要针对列车横向稳定性，所以初始参数(即输入变量)包括影响列车横向稳定性的转向架的六大关键悬挂参数，如一系悬挂纵向刚度kpx、一系悬挂横向刚度kpy、抗蛇行减振器阻尼csx、二系横向减振器阻尼csy、抗蛇行减振器关节刚度kncsx和二系横向减振器关节刚度kncsy。然后通过simpack脚本语言，将车辆动力学模型仿真与matlab建立联合仿真模块，并通过matlab针对输入变量生成均匀分布的50000组随机参数。

2.仿真计算并挑选出满足四个优化目标的悬挂参数组

将生成的随机参数逐个赋予车辆动力学模型，并对该模型依次进行低锥度稳定性仿真、正常锥度稳定性仿真和悬挂参数健壮性以及等效锥度健壮性的计算。其中每次仿真后均会对其仿真结果进行判断，若不满足要求，则调用下一组随机参数并转步骤二；对于满足要求的情况方能进行下一步的仿真计算。当被赋予该组随机参数的车辆系统满足全部四个优化目标的要求时，保存该组随机参数，并调用下一组随机参数继续进行仿真，最终从大量的随机参数中得到满足全部四个优化目标要求的所有悬挂参数组。其中每次调用下一组随机参数后，均需要对该调用的随机参数进行是否为空集的判断，若为“否”，才能转步骤二继续进行循环，若为“是”，则代表生成的所有随机参数均被调用，本次匹配优化结束。

3.采用离散统计的方法对优化数据进行处理

首先对所得优化结果数据进行归一化处理，其处理结果如图2(a)所示。图中横轴1～6分别代表需要优化的六大悬挂参数包括一系悬挂纵向刚度kpx、一系悬挂横向刚度kpy、抗蛇行减振器阻尼csx、二系横向减振器阻尼csy、抗蛇行减振器关节刚度kncsx和二系横向减振器关节刚度kncsy，纵轴为归一化后各悬挂参数值在0～1间的概率分布，图中每条线代表每一组满足全部四个优化目标的悬挂参数组，从图中可以看出六大悬挂参数之间有明显的规律。依据实际需求从优化结果数据中挑选出的6种典型的悬挂参数匹配组合，分别用s1～s6表示，其对应的参数具体值及优化目标值分别如表2和表3所示。此外，从表1中还可得到两种匹配类型，s1～s3属于第一种匹配类型，车辆系统采用较大的csx值匹配较小的kpx值进行组合；s4～s6属于第二种匹配类型，车辆系统采用较小的csx值。

然后将需要优化的六大悬挂参数的初始范围均匀分成五部分，并按从小到大的顺序对其进行编号，分别对应1～5，其结果如表4所示。并依据此分布范围对优化结果数据进行离散统计处理，其结果如图2(b)所示。图中横轴1～6分别代表需要优化的六大悬挂参数，纵轴为六大悬挂参数的初始范围划分后的编号1～5。图中每条线亦代表每一个满足优化目标的悬挂参数组。

表2四种典型的悬挂参数匹配优化结果

表3四种典型的悬挂匹配优化对应的目标值

表4六大悬挂参数的初始范围分布

最后，为了进一步分析悬挂参数之间的匹配规律，依据图2(b)中的数据得到悬挂参数匹配组合的三维柱状图，如图3和图4所示，图中x轴和y轴的1～5均为需要优化的悬挂参数初始范围划分后的编号1～5。图3为kpx，csx和kncsx的匹配规律图，图中中x轴为一系纵向刚度kpx，y轴为一系横向刚度kpx，z轴为有效悬挂参数出现的次数，且5个子图分别为kncsx在相应的五个编号范围值的前提下得到的。从图中可知，kncsx选取一个较小参数值时，有效的参数匹配组数统计次数最多，且无论kpx和csx取值，都有有效参数集出现。即kncsx取较小值时其悬挂参数匹配具有较强的适应性。图4为kpx，kpy和csy的匹配规律图，图中x轴为一系纵向刚度kpx，y轴为抗蛇行减振器阻尼csx，z轴为悬挂参数在该编号范围内出现的次数，且5个子图分别为csy在相应的五个编号范围值的前提下得到的。从图中可知，csy越大，出现的统计次数越多，当csy最较小值时，kpx和kpy呈现负相关的规律，即kpx越大，越需要越小的kpy来匹配。