[发明专利]高精度减震器摩擦力优化方法

权利要求书

1.一种高精度减震器摩擦力优化方法，其特征在于，包括以下步骤：

步骤1、建立侧向力减震器模型及Adams悬架模型；

步骤2、Isight集成Adams模型建立并进行DOE数据分析；

步骤3、基于DOE分析结果，利用Matlab进行近似优化模型建立；

步骤4、利用Isight集成模型优化减震器侧向力；

其中，所述步骤1具体为：

首先在减震器导向座、减震器活塞处采用2个点线副来建立侧向力减震器模型，该侧向力减震器模型用于模拟减震活塞杆与筒体相对运动关系和模拟减震器侧向力；

在侧向力减震器模型基础上，基于底盘硬点、衬套布置、衬套刚度、弹簧预载及刚度特性建立Adams悬架模型并进行仿真，测量侧向力减震器模型中点线副上的接触力，即可获取各种仿真工作状态下的减震器侧向力；

所述步骤2具体为：

在Isight的SimCode模块中将步骤1建立的Adams悬架模型集成至Isight模型，同时在Isight模型中通过DOE模块串联SimCode模块建立减震器摩擦力的DOE分析模型；

DOE分析模型建立后，在SimCode模块定义DOE分析的输入变量因子与响应因子，确认输入因子的变化范围，并将此范围作为输入变量因子的DOE分析边界，DOE分析类型采用Parameter Study，变量因子的水平数不低于3，对输入因子在边界范围内采用20水平分析，得到变量因子输入矩阵；设置减震器活塞杆与密封圈处、活塞与工作缸的侧向力为响应因子，通过DOE分析获取输入变量因子与响应因子之间的关联矩阵数据。

2.根据权利要求1所述的高精度减震器摩擦力优化方法，其特征在于：所述步骤3具体为：

首先将步骤2形成的关联矩阵数据导入至Matlab程序，调用神经网络模型拟合工具，将关联矩阵数据中的变量因子与响应因子设置为近似优化模型的变量因子与响应因子，并根据导入进来的数据行列类型进行数据类型选取；

设置训练、调整和测试三者之间的样本占比，并设置模型训练的神经元个数及训练方法，最后完成模型的训练，模型训练完后进行拟合模型准确度检查，如测试样本相关系数R达到0.95以上，则模型精度满足要求，如模型精度未达标，则重新选择神经元个数及训练方法，模型准确度达到要求后将近似优化模型转化为Matlab功能函数，函数命名和文件命名需一致。

3.根据权利要求2所述的高精度减震器摩擦力优化方法，其特征在于：所述步骤4具体为：

通过Isight的优化模块串联Matlab插件模块建立减震器摩擦力优化模型，将步骤3形成的功能函数在Matlab插件模块定义为优化函数，并定义优化模型的变量因子与响应因子；变量因子与响应因子与步骤3保持一致；

在优化模块中选择NSGA_II优化算法，设置变量因子范围，并将此范围作为变量因子的优化边界，变量因子的范围与步骤2保持一致，最后以减震器侧向力小为优化目标进行优化。