0引言
隨著傳感器技術(shù)、計(jì)算機(jī)技術(shù)、微電子技術(shù)、 測(cè)量和控制技術(shù)以及信息處理技術(shù)的迅猛發(fā)展, 世界各國正不斷地開發(fā)和完善適合各自國情的車輛稱重系統(tǒng)。而動(dòng)態(tài)稱重是測(cè)量行駛車輛的動(dòng)態(tài)輪胎受力并計(jì)算相應(yīng)的靜態(tài)車輛質(zhì)量的過程,它由一套傳感器和數(shù)據(jù)處理單元儀器組成,用來測(cè)量在特定地點(diǎn)、特定時(shí)間行駛車輛的動(dòng)態(tài)輪胎受力,計(jì)算車輛的質(zhì)量、車速、軸距,配合車輛識(shí)別系統(tǒng)確定車輛類型以及有關(guān)車輛的其他參數(shù), 并處理、顯示和存儲(chǔ)這些信息,從而實(shí)現(xiàn)全自動(dòng)不停車計(jì)量[1]。可避免大量的人員投入以及可能引起的交通阻塞。動(dòng)態(tài)稱重系統(tǒng)是交通執(zhí)法的理想設(shè)備,可廣泛應(yīng)用于自動(dòng)交通調(diào)查、收費(fèi)系統(tǒng)、交通安全管理等場(chǎng)合,產(chǎn)生巨大的社會(huì)與經(jīng)濟(jì)效益,并可推廣應(yīng)用于工礦企業(yè)、海關(guān)、港口、碼頭、車站廢料站等載貨車輛的監(jiān) 測(cè)和管理[2]。
1車架三維實(shí)體參數(shù)化設(shè)計(jì)
車架是汽車主要的承載部件,與動(dòng)力總成、 駕駛室、貨箱和車橋等汽車大部分部件直接相連。 邊梁式車架由左右分開的2根縱梁、2根副縱梁、 7根橫梁組成,縱梁和橫梁由薄壁型鋼制成,通過焊接和鉚接而形成前寬后窄的整體車架結(jié)構(gòu)。本文以Pro /E軟件為平臺(tái),借助其強(qiáng)大的三維造型、 模具設(shè)計(jì)及數(shù)據(jù)接口技術(shù)完成對(duì)車輛底盤各零件的實(shí)體建模和虛擬裝配,形成一臺(tái)可以進(jìn)行計(jì)算機(jī)驗(yàn)證、分析的虛擬樣機(jī),如圖1所示。
圖1 車輛底盤三維實(shí)體模型 下載原圖
2車架結(jié)構(gòu)的有限元分析
采用Ansys有限元軟件在車架不同點(diǎn)施加載荷,找出車架應(yīng)力應(yīng)變最大的位置,結(jié)合有限元分析理論以及優(yōu)化設(shè)計(jì)理論,研究車架在不同載荷下的受力情況,確定最佳傳感器安放位置 ( 即應(yīng)變敏感點(diǎn)) 。
2.1車架材料特性
車架的主體結(jié)構(gòu)橫梁和縱梁采用車輛大梁專用鋼16 Mn,材料的物理性能: 彈性模量E = 206 GPa,泊松比 μ = 0. 3,密度 ρ = 7 800 kg / m3。
2.2車架有限元計(jì)算模型的建立
傳統(tǒng)的車架有限元分析一般將車架簡(jiǎn)化成空間桿系結(jié)構(gòu),采用空間梁?jiǎn)卧M(jìn)行計(jì)算。該方法計(jì)算速度快,但其計(jì)算模型對(duì)真實(shí)車架結(jié)構(gòu)的簡(jiǎn)化和近似處理較多,因而較難反映車架的應(yīng)力集中以及局部應(yīng)力分布和應(yīng)力水平,難以滿足實(shí)際設(shè)計(jì)分析的要求,因此,本文采用板殼單元進(jìn)行模擬[3]。
為了真實(shí)反映汽車的應(yīng)力分布,對(duì)于承載件, 應(yīng)盡量保留其原結(jié)構(gòu)形狀和位置; 為減少計(jì)算工作量,對(duì)于輔助承載件一般可以保留原力學(xué)性質(zhì)即單元?jiǎng)偠染仃嚨闹饕卣?而對(duì)其結(jié)構(gòu)形狀進(jìn)行適當(dāng)簡(jiǎn)化、合并和等效。
車架為裝配體,各零部件之間通過結(jié)合面連接,建模時(shí)對(duì)模型進(jìn)行簡(jiǎn)化處理[4,5]:
1) 車架的鉚釘連接以及螺栓連接全部采用剛性單元模擬;
2) 由于輪胎剛度與鋼板彈簧剛度相比很大, 輪胎對(duì)路面輸入或其他載荷輸入的影響較小,所以可以忽略輪胎對(duì)結(jié)構(gòu)分析的影響;
3) 對(duì)車架僅進(jìn)行靜力計(jì)算,因此不考慮懸架的阻尼特性,將其看作剛性連接;
4) 前后車輪與 車架的連 接點(diǎn)采用 全位移約束。
模型簡(jiǎn)化后,整個(gè)車架被劃分為242 887個(gè)單元、83 539個(gè)節(jié)點(diǎn)和15個(gè)Solid 45實(shí)體單元。簡(jiǎn)化后車架有限元模型如圖2所示。
2.3車架有限元計(jì)算模型的分析
靜態(tài)分析是計(jì)算在固定小變載荷作用下結(jié)構(gòu)的位移、應(yīng)力、應(yīng)變及反力等,即反映結(jié)構(gòu)受到外力后的變形、應(yīng)力和應(yīng)變,以對(duì)結(jié)構(gòu)的強(qiáng)度、 剛度進(jìn)行校核。在靜態(tài)分析時(shí),由于整車只承受垂直方向的作用力,不受縱向力和橫向力的作用, 因而模型的約束反力僅出現(xiàn)在垂直方向,其他方向的反力和反力矩為0。
圖2 車架網(wǎng)格劃分后整體有限元模型 下載原圖
車架上各部件質(zhì)量按實(shí)際作用位置施加在模型對(duì)應(yīng)位置; 模型自重按所給密度由程序自動(dòng)計(jì)算并將單元載荷因子信息計(jì)入總載荷。車身骨架所承受載荷來自于發(fā)動(dòng)機(jī)質(zhì)量、乘員質(zhì)量、設(shè)備質(zhì)量、貨箱和貨物質(zhì)量,其中發(fā)動(dòng)機(jī)質(zhì)量為300 kg、駕駛室及乘員質(zhì)量950 kg、設(shè)備質(zhì)量為550 kg、貨箱及貨物滿載總質(zhì)量6 000 kg。將這些負(fù)荷分別施加在車身骨架的相應(yīng)部位,其中發(fā)動(dòng)機(jī)質(zhì)量是以實(shí)體單元的體積載荷形式施加在車架上, 設(shè)備質(zhì)量、駕駛室及乘員質(zhì)量以實(shí)體單元的面載荷形式均勻施加在車架縱梁和交叉梁上,骨架的自重以慣性載荷方式施加。這種分配方式可有效地模擬車架的實(shí)際受力情況,避免集中施加載荷時(shí)產(chǎn)生的應(yīng)力集中現(xiàn)象。由于貨廂對(duì)車架強(qiáng)度貢獻(xiàn)明顯,尤其是扭轉(zhuǎn)強(qiáng)度,同時(shí)車架強(qiáng)度也受貨箱結(jié)構(gòu)形式的影響,作用于車架上的載荷的位置發(fā)生變化 ( 如載荷前偏或后偏) 會(huì)對(duì)車架受力產(chǎn)生顯著影響,因此,分兩種工況討論貨箱和貨物載荷的施加方式。
2.3.1載荷均布工況
當(dāng)載荷均布于車架上,在車廂與車架接觸區(qū)域均勻添加載荷,如圖3和圖5所示,求解后的車架應(yīng)變分布如圖4和圖6所示。
圖3 空載時(shí)車架的載荷分布圖 下載原圖
圖4 空載時(shí)車架的應(yīng)變分布圖 下載原圖
圖5 滿載時(shí)車架的載荷分布圖 下載原圖
圖6 滿載時(shí)車架的應(yīng)變分布圖 下載原圖
由圖6可以看出,A、B、C、D 4個(gè)區(qū)域是車架的應(yīng)變敏感點(diǎn)。由于滿載時(shí)的最大應(yīng)力為318 MPa,并未超過材料的最小屈服強(qiáng)度,因此,屬于彈性變形,其應(yīng)變與壓力或載重成線性關(guān)系,如圖7所示。
圖7 應(yīng)變與壓力和載重關(guān)系曲線 ( 載荷均布工況) 下載原圖
2.3.2載荷非均布工況
對(duì)于車架和貨箱共同承受載荷情況,敏感點(diǎn)的應(yīng)變受到載荷位置和車架承受總載荷的比例的影響,為了確定其影響程度 ( 顯著值) ,本文設(shè)計(jì)了正交試驗(yàn)進(jìn)行數(shù)據(jù)處理[6]。
在載荷非均布工況下,影響測(cè)重精度的因素主要有載荷位置 ( 包括橫向和縱向) 和車架承受總載荷的比例。為此,設(shè)計(jì)三因素三水平的試 驗(yàn),其因素水平如表1所示,試驗(yàn)方案及結(jié)果見表2。
表1 正交試驗(yàn)因素水平表 下載原表
表2 正交試驗(yàn)方案及結(jié)果 下載原表
對(duì)上述結(jié)果進(jìn)行方差分析可知,橫向區(qū)域的顯著值為0. 965,縱向區(qū)域的顯著值為0. 400,承載比例的顯著值為0. 679,3個(gè)因素均無顯著意義 ( P≥0. 05) ,但其影響順序依次為縱向區(qū)域 > 承載比例 > 橫向區(qū)域,因此,橫向區(qū)域因素應(yīng)選水平左,縱向區(qū)域因素應(yīng)選水平前,承載比例因素應(yīng)選水平80% ,即最佳試驗(yàn)條件。
3基于支持向量機(jī)的稱重算法設(shè)計(jì)
由于正則化參 數(shù)C對(duì)誤差有 直接影響,C值越高誤差越小,但C值過大會(huì)導(dǎo)致經(jīng)驗(yàn)風(fēng)險(xiǎn)增大,因此,在可選區(qū)間內(nèi),在滿足一定誤差 條件下選取相對(duì)較小的值。ε 值和 γ 值選定后, C值在 [1 ,100] 內(nèi)對(duì)誤差的影響曲線 如圖8所示。
圖8 C 值對(duì)誤差的影響曲線 下載原圖
載荷均布工況時(shí),通過交叉試驗(yàn)可知支持向量參數(shù)C = 25、ε = 0. 000 3、γ = 10 000時(shí)效果較好[9]。最終選取該參數(shù)組合對(duì)總體樣本數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測(cè),其相對(duì)誤差曲線如圖9所示。
圖9 相對(duì)誤差曲線 下載原圖
其中最大相對(duì)誤差Emax= 0. 514% ,平均相對(duì)誤差
表3 最優(yōu)化相對(duì)誤差 下載原表
由表3可知, 其中最大 相對(duì)誤差Emax=6. 66% ,平均相對(duì) 誤差
通過稱重算法對(duì)采樣數(shù)據(jù)進(jìn)行幾層選優(yōu)后, 即對(duì)比不同學(xué)習(xí)模型參數(shù)對(duì)應(yīng)預(yù)測(cè)值的相對(duì)誤差, 可得到理想的預(yù)測(cè)值,從而驗(yàn)證在不同載荷工況時(shí)基于非線性支持向量回歸機(jī)稱重算法的可行性。
4結(jié)論
本文通過對(duì)車架模型有限元建模和分析找出了應(yīng)變敏感點(diǎn),分析了應(yīng)變和載荷之間的關(guān)系, 利用正交試驗(yàn)分析了非均布載荷對(duì)稱重相對(duì)誤差的影響因素。并基于支持向量機(jī)設(shè)計(jì)了稱重算法, 通過對(duì)抽樣樣本的訓(xùn)練預(yù)測(cè)得到學(xué)習(xí)模型,利用總體樣本交叉驗(yàn)證方法驗(yàn)證了不同工況下該算法的可行性和正確性。