基于漸近神經(jīng)網(wǎng)絡(luò)的汽車前輪定位參數(shù)反求

1、基于漸近神經(jīng)網(wǎng)絡(luò)的汽車前輪定位參數(shù)反求第35卷第6期2008年6月湖南大學(xué)(自然科學(xué)版)JournalofHunanUniversity(NaturalSciences)VoI.35.No.6Jun.2008文章編號:16742974(2008)060018,05基于漸近神經(jīng)網(wǎng)絡(luò)的汽車前輪定位參數(shù)反求莫旭輝,韓旭,鐘志華(湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點實驗室,機(jī)械與汽車工程學(xué)院,湖南長沙410082)摘要:利用ADAMS/CAR軟件建立了包含輪胎,橡膠襯套的雙橫臂扭桿獨立懸架和轉(zhuǎn)向系統(tǒng)的動力學(xué)模型,分析了前輪定位參數(shù)對汽車轉(zhuǎn)向力矩的影響,利用漸進(jìn)的神經(jīng)網(wǎng)絡(luò)方法建立前輪定位參數(shù)和轉(zhuǎn)向力矩的

2、關(guān)系.結(jié)果表明:采用漸進(jìn)神經(jīng)網(wǎng)絡(luò)方法反求得到前輪定位參數(shù)能夠很好滿足預(yù)先設(shè)定的轉(zhuǎn)向力矩要求.關(guān)鍵詞:前輪定位;轉(zhuǎn)向;參數(shù)反求;汽車;神經(jīng)網(wǎng)絡(luò)中圖分類號:U461文獻(xiàn)標(biāo)識碼:AIdentificationofFrontWheelAlignmentBasedontheProgressiveNeutralNetworkMethodMOXUhui',HANXu,ZHONGZhihua(StateKeyLaboratoryofAdvancedDesignandManufactureforVehicleBody,CollegeofMechanicalandAutomotiveEngineering

3、,HunanUniv,Changsha,Hunan410082,China)Abstract:AdoublewishbonesuspensionwithatorsionbarandasteeringsystemincludingthetireandtherubberinsertwasbuiltusingADAMS/CAR,andtheeffectofthefrontwheelalignmentonthesteeringwheeltorquewasinvestigated.Aprogressiveneuralnetworkwasadoptedtoinvestigatetherelationshi

4、pbetweenthefrontwheelalignmentandthesteeringwheeltorque.Theresultshaveprovedthatthefrontwheelalignmentidentifiedbythisprogressiveneuralnetworkmethodcansuitthesteeringwheeltorque.Keywords:frontwheelalignment;steering;parameteridentification;vehicle;neuralnetwork汽車的前輪定位是指前輪,懸架元件及轉(zhuǎn)向系元件安裝到車架或車身上的幾何角度和尺寸

5、必須符合一定的要求,以保證汽車直線行駛的穩(wěn)定性,轉(zhuǎn)向輕便性和回正性,同時減少輪胎的偏磨損和零件的磨損.主要的前輪定位參數(shù)有主銷后傾角,主銷內(nèi)傾角,偏轉(zhuǎn)力臂/'st,主銷偏置距1"8,車輪外傾角等.隨著汽車工業(yè)和技術(shù)的發(fā)展,人們對汽車的操縱穩(wěn)定性和轉(zhuǎn)向輕便性的要求越來越高,前輪定位參數(shù)的選擇和優(yōu)化是汽車設(shè)計中非常關(guān)注的核心問題之一.汽車的設(shè)計,一般是先確定前輪定位參數(shù),通過計算得到一個初步的轉(zhuǎn)向力矩,然后在實車的實驗過程中不斷調(diào)試,直到得到滿足駕駛員手感的方向盤力矩,整個調(diào)試過程需要大量的實驗,耗費很長的時間.本文應(yīng)用反求的思想,從滿足駕駛員手感的方向盤輸入力矩出發(fā),通過建立漸

6、進(jìn)的神經(jīng)網(wǎng)絡(luò)方法來反求滿足轉(zhuǎn)向力矩的前輪定位參數(shù),從而避免了繁雜的調(diào)試過程,縮短了新車開發(fā)周期,并且使汽車的操縱穩(wěn)定性和轉(zhuǎn)向輕便性能達(dá)到較好的效果.1動力學(xué)模型的建立和分析國內(nèi)外對汽車前輪定位參數(shù)的正問題進(jìn)行了很多研究,文獻(xiàn)56把懸架系統(tǒng)簡化為桿系,應(yīng)用多剛體動力學(xué)理論分析了前輪定位參數(shù)和回正力矩的收稿日期:2007-1228基金項目:新世紀(jì)優(yōu)秀人才計劃(NECTO40766)和973項目(2OO4CB7194O2)作者簡介:莫旭輝(1977一),男,湖南長沙人,湖南大學(xué)博士研究生十通訊聯(lián)系人,E-mail:moxuh163.COrn第6期莫旭輝等:基于漸近神經(jīng)網(wǎng)絡(luò)的汽車前輪定位參數(shù)反求19影

7、響,文獻(xiàn)7采用復(fù)數(shù)法分析了雙橫臂懸架前輪定位參數(shù)的特性.隨著多剛體系統(tǒng)動力學(xué),柔性多體系統(tǒng)動力學(xué)理論的發(fā)展】,分析前輪定位參數(shù)的動力學(xué)模型精度也越來越高.文獻(xiàn)9采用如下轉(zhuǎn)向力矩的動力學(xué)平衡方程.左前輪繞其主銷回轉(zhuǎn)運動力矩平衡方程:IS1?(+)=SAT(1,1)一了,F1+(DF一1)?SC1一(1一2)?SC2,(1)右前輪繞其主銷回轉(zhuǎn)運動力矩平衡方程:IS2?(,-+d2)=SAT(1,2)一了,F2+(1一2)?SC2.(2)其中:IS1,IS2:左,右前輪繞主銷的轉(zhuǎn)動慣量;,-:汽車橫擺角速度;d,d:左,右前輪繞主銷的角速度;SC1,SC2:前,后懸架線剛度;SAT:車輪繞主銷的總回

8、正力矩;TF1,TF2:左,右前輪主銷干摩擦力矩;DF:轉(zhuǎn)向盤轉(zhuǎn)角按傳動比換算到前輪的名義轉(zhuǎn)向角;,:左右前輪繞主銷轉(zhuǎn)向角.本文應(yīng)用ADAMS/CAR軟件建立了如圖1所示某型車的雙橫臂扭桿獨立懸架和轉(zhuǎn)向系統(tǒng)的動力學(xué)虛擬樣機(jī)模型,模型中考慮了輪胎及橡膠襯套彈性和阻尼對前輪定位參數(shù)變化和轉(zhuǎn)向力的影響.力,輪胎磨損增大.主銷偏置距能產(chǎn)生細(xì)微的從車輪來的反饋力矩,增加操控穩(wěn)定性和轉(zhuǎn)向后自動回正能力.偏轉(zhuǎn)力臂是車輪中心到轉(zhuǎn)向主銷的最短距離.對于前驅(qū)動車輛,其大小關(guān)系到驅(qū)動力,滾動阻力對轉(zhuǎn)向力矩的影響程度.影響轉(zhuǎn)向力矩的因素來自多方面,不同影響因素的影響程度不同.基于神經(jīng)網(wǎng)絡(luò)的反求方法,首先要對模型的輸入

9、和輸出進(jìn)行敏感性分析.影響轉(zhuǎn)向力矩的因素很多,需要根據(jù)動力學(xué)模型,分析各個定位參數(shù)對轉(zhuǎn)向力矩的影響程度.表1列出了動力學(xué)模型右懸架的主要關(guān)鍵點坐標(biāo),根據(jù)不同的前輪定位參數(shù)變化大小對轉(zhuǎn)向力矩的影響程度進(jìn)行分析,發(fā)現(xiàn)主銷后傾角,主銷內(nèi)傾角,主銷偏置距和偏轉(zhuǎn)力臂四個參數(shù)對轉(zhuǎn)向力矩的影響比較敏感.圖2為不同的參數(shù)組合對轉(zhuǎn)向力矩的影響.表1動力學(xué)模型關(guān)鍵點初始坐標(biāo)Tab.1Point'scoordinateofdynamicvirtualprototype方向盤轉(zhuǎn)角/(.)1一),=2.12.,=6.07.,r:4.46Im,r口=2.90哪2一),=3.74.,=11.98.,r=3.48mm

10、,r口=5.30mm3一),=5.34.,=8,05.,r|=1.82mm,r口=7.24mm4一),=2.32.,=13.90.,r|=6.13mm,=2.21mm圖2不同參數(shù)對轉(zhuǎn)向力矩的影響Fig.2Parametereffectonsteeringtorque圖1動力學(xué)虛擬樣機(jī)模型Fig.1Dynamicvirtualprototype2前輪定位參數(shù)的反求前輪定位參數(shù)從多個方面影響轉(zhuǎn)向力矩的大小,影響機(jī)理和程度也有區(qū)別.主銷后傾角使車輛轉(zhuǎn)彎時產(chǎn)生的離心力所形成的力矩方向與車輪偏轉(zhuǎn)方向相反,迫使車輪偏轉(zhuǎn)后自動恢復(fù)到原來的中間位置上.主銷內(nèi)傾角的作用是使前輪自動回正.角度越大,前輪自動回正的

11、作用就越強(qiáng)烈,但轉(zhuǎn)向時也越費2.1反求問題的建立方向盤轉(zhuǎn)向力矩不僅和前輪定位參數(shù)有密切關(guān)系,還與懸架的類型,轉(zhuǎn)向系統(tǒng)的結(jié)構(gòu)有關(guān).在新車的開發(fā)過程中,前輪定位參數(shù)可以通過改變關(guān)鍵點的位置來調(diào)整.某個前輪定位參數(shù)的調(diào)整對轉(zhuǎn)向力20湖南大學(xué)(自然科學(xué)版)2008莊矩的影響和影響程度需要豐富的經(jīng)驗積累,而且工程實際中并不是僅僅調(diào)整某一個前輪定位參數(shù)來獲得滿意的方向盤轉(zhuǎn)向力矩,往往需要同時調(diào)節(jié)幾個前輪定位參數(shù)來得到滿意的轉(zhuǎn)向力矩.這些定位參數(shù)之間也有一定的相互影響,因此通過調(diào)節(jié)前輪定位參數(shù)來調(diào)整轉(zhuǎn)向力矩是一個繁雜的過程.本文基于神經(jīng)網(wǎng)絡(luò)建立了前輪定位參數(shù)和轉(zhuǎn)向力矩的對應(yīng)關(guān)系,以此來反求滿足某一合適轉(zhuǎn)向力

12、矩的前輪定位參數(shù).通過對不同車輛的轉(zhuǎn)向操縱實驗,選擇滿足駕駛員需要的轉(zhuǎn)向力矩作為標(biāo)準(zhǔn).汽車轉(zhuǎn)向力矩可以通過安裝在方向盤上的測矩儀方便地測量出來.令測量值為x,真實值為x,則有X:X+.其中為測量誤差.為了便于反求結(jié)果和理論數(shù)據(jù)進(jìn)行對比,本文采用在計算得到的某一理論數(shù)據(jù)來模擬真實值x,并在此基礎(chǔ)上加入一定的誤差值來模擬測量結(jié)果X.2.2漸進(jìn)神經(jīng)網(wǎng)絡(luò)反求技術(shù)神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元互相連接成的網(wǎng)絡(luò),針對前輪定位參數(shù)和轉(zhuǎn)向力矩的復(fù)雜關(guān)系,通過對漸進(jìn)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,控制和識辨可以反求到滿足已知轉(zhuǎn)向力矩的前輪定位參數(shù).2.2.1漸進(jìn)神經(jīng)網(wǎng)絡(luò)的建立基于轉(zhuǎn)向力矩的前輪定位參數(shù)反求流程如圖3所示.假設(shè)模型的前

13、輪定位參數(shù)為某一組數(shù)值,根據(jù)圖1的動力學(xué)模型,可以仿真得到相應(yīng)的轉(zhuǎn)向力矩作為神經(jīng)網(wǎng)絡(luò)的初始訓(xùn)練樣本.將轉(zhuǎn)向力矩的測量值x輸入神經(jīng)網(wǎng)絡(luò),即可反求得到對應(yīng)的前輪定位參數(shù)y,并將其作為動力學(xué)模型的前輪定位參數(shù),可以得到轉(zhuǎn)向力矩的計算值x.如果轉(zhuǎn)向力矩的計算值x和測量值x偏差超過許可誤差,必須重新選取樣本,對神經(jīng)網(wǎng)絡(luò)再訓(xùn)練,直到計算值x和測量值x的偏差在許可范圍以內(nèi),即為反求得到的前輪定位參數(shù)y,.神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu),需要根據(jù)具體求解問題的復(fù)雜程度決定,圖4為轉(zhuǎn)向力矩反求的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu).神經(jīng)網(wǎng)絡(luò)由代表轉(zhuǎn)向力矩的N個輸入單元組成輸入層,網(wǎng)絡(luò)的輸出層由代表前輪定位參數(shù)的M個單元組成,網(wǎng)絡(luò)還包含一個隱含層.

14、通過神經(jīng)網(wǎng)絡(luò)可以建立以下轉(zhuǎn)向力矩和前輪定位參數(shù)的非線性關(guān)系:Y:g(W,0,X),(3)其中:固羹:圃圖3面向轉(zhuǎn)向力矩的前輪定位參數(shù)反求流程Fig.3Theprocesstoidentifyfrontwheelalignment輸出層wu2隱含層輸入層定位參數(shù)輸出一'圖4前輪定位參數(shù)反求的神經(jīng)網(wǎng)絡(luò)模型Fig.4TheneuralnetworktOidentifyfrontwheelalignmentX:z,i=1,;Y:,i:1,M;W:叫:,i:1,N;=1,;k:1,2;0:,J=1,N;k=1,2;x:轉(zhuǎn)向力矩輸入矩陣;y:定位參數(shù)輸出矩陣;w:層間權(quán)值矩陣;0:偏置矩陣.神經(jīng)網(wǎng)

15、絡(luò)的訓(xùn)練,就是根據(jù)訓(xùn)練樣本來計算權(quán)第6期莫旭輝等:基于漸近神經(jīng)網(wǎng)絡(luò)的汽車前輪定位參數(shù)反求21值矩陣w和偏置矩陣0.神經(jīng)網(wǎng)絡(luò)訓(xùn)練以后,不管實際工程問題怎么復(fù)雜,神經(jīng)網(wǎng)絡(luò)都可以快速的計算輸出變量.因此,神經(jīng)網(wǎng)絡(luò)非常適合應(yīng)用在轉(zhuǎn)向力矩的前輪定位參數(shù)反求計算.2.2.2神經(jīng)網(wǎng)絡(luò)的訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用最廣的神經(jīng)網(wǎng)絡(luò)算法,但是這種算法的收斂速度通常較低.本文采用了動態(tài)調(diào)整學(xué)習(xí)率和跳躍因子的改進(jìn)型BP神經(jīng)網(wǎng)絡(luò).在神經(jīng)網(wǎng)絡(luò)中,引入誤差準(zhǔn)則E來描述反求定位參數(shù)和目標(biāo)定位參數(shù)的誤差大小:E(W,0)=Y,一Yt.(4)在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中,偏置量可以賦予一特殊的權(quán)值,權(quán)值矩陣的迭代公式如下:W=W+AW,(5)=

16、一曼j:+aj一(6)叩fW:式中:a為動態(tài)調(diào)整率;刁為學(xué)習(xí)率;r為迭代數(shù).2.3前輪定位參數(shù)反求分析圖1所示的動力學(xué)模型,為了簡化求解的過程,這里不直接以前輪定位參數(shù)為動力學(xué)模型的變量,而是固定主銷下鉸點,通過調(diào)整主銷上鉸點的坐標(biāo)來獲得不同的主銷后傾角y,主銷內(nèi)傾角,主銷偏置距,偏轉(zhuǎn)力臂r.考慮到輪胎徑向尺寸限制,所以不改變Z坐標(biāo),改變X,y坐標(biāo)就可以達(dá)到改變以上參數(shù)的目的.表2為采用不同的鉸點坐標(biāo)計算轉(zhuǎn)向力矩得到的反求樣本,表3為鉸點坐標(biāo)對應(yīng)的前輪定位參數(shù).樣本覆蓋了前輪定位參數(shù)的主要變化范圍,并且在參數(shù)變化范圍內(nèi)對不同的參數(shù)進(jìn)行了組合.在BP神經(jīng)網(wǎng)絡(luò)模型中包含了Sigmoid激活函數(shù),神

17、經(jīng)網(wǎng)絡(luò)由于受到權(quán)值限制,樣本取值不能達(dá)到極值0和1,因此,在對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練前,需要對表2的樣本進(jìn)行正則化處理.通過以下正則化轉(zhuǎn)換公式,可以將原來樣本轉(zhuǎn)化為三,并且滿足0.1三O.9,=.(7)'fm"一Xirmn十e2其中:e1=0.125(xf一一);e2=0.25(x一f).表2基于動力學(xué)分析的反求訓(xùn)練樣本Tab.2Thetrainingsampleofidentificationbasedondynamic表3上鉸點坐標(biāo)對應(yīng)的前輪定位參數(shù)Tab.3TheparametersandcorrespondingPoint'Scoordinate一和分別為表2中每列

18、的最大值和最小值.神經(jīng)網(wǎng)絡(luò)反求得到的參數(shù)還必須采用以下式(8)進(jìn)行逆變換,從而得到可以直接代人動力學(xué)模型的鉸點坐標(biāo)參數(shù):f=f(fm戕一f+e2)+fne1.(8)3反求結(jié)果及分析在初始樣本組中添加新的樣本以后,重新訓(xùn)練的神經(jīng)網(wǎng)絡(luò)收斂水平會提高.對于同一結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò),增加訓(xùn)練樣本,很難維持同樣的收斂水平.因此,要維持同樣的收斂水平,就需要采用動態(tài)調(diào)法對樣本22湖南大學(xué)(自然科學(xué)版)2008拒進(jìn)行選擇.為了保持樣本數(shù)目不變,需要在樣本組中刪除一個樣本.篩選的原則是刪除偏離測量值X最大的樣本點,樣本偏差根據(jù)以下公式可以計算:d=llX一Xll:.(9)轉(zhuǎn)向力矩計算值X雖然在一定程度上偏離測量值X

19、,但是相對于樣本組其他樣本而言,已經(jīng)是非常接近了.將轉(zhuǎn)向力矩計算值X和反求以后通過神經(jīng)網(wǎng)絡(luò)反求對應(yīng)某一轉(zhuǎn)向力矩的定位參數(shù),反求結(jié)果如圖5所示.選取方向盤轉(zhuǎn)角在0.,160.,百毒墩埤340.的轉(zhuǎn)向力矩作為樣本點,比較反求參數(shù)和轉(zhuǎn)向力矩的精度如圖5所示.隨著漸進(jìn)次數(shù)的增加,反求的精度越來越高.通過反求參數(shù)得到的轉(zhuǎn)向力矩最.大誤差小于6%,反求的精度比較高.四個定位參數(shù)中,主銷后傾角y,主銷內(nèi)傾角,偏轉(zhuǎn)力臂對轉(zhuǎn)向力矩的影響比較敏感,因此反求得到的精度也比較高,主銷偏置距r對轉(zhuǎn)向力矩的影響相對較小,反求得到的精度相對較差.方向盤轉(zhuǎn)角/(.)圖5反求得到的轉(zhuǎn)向力矩和方向盤轉(zhuǎn)角()Fig.5Theres

20、ultofidentificationbetweensteeringtorqueandsteeringangle4結(jié)論本文建立了包含輪胎,橡膠襯套的雙橫臂扭桿獨立懸架和轉(zhuǎn)向系統(tǒng)的動力學(xué)模型,對影響轉(zhuǎn)向力矩的敏感參數(shù)進(jìn)行了分析,主要分析了主銷后傾角,主銷內(nèi)傾角,主銷偏置距,偏轉(zhuǎn)力臂對轉(zhuǎn)向力矩的影響.通過改變主銷鉸點坐標(biāo)來獲得不同的前輪定位61參數(shù)組合,分析了同時改變多個定位參數(shù)對轉(zhuǎn)向力矩的影響.結(jié)合aDAMS/CAR軟件和漸進(jìn)神經(jīng)網(wǎng)絡(luò)反求程序,以動力學(xué)模型分析數(shù)據(jù)為基礎(chǔ),通過采用漸進(jìn)神經(jīng)網(wǎng)絡(luò)方法來反求滿足某一轉(zhuǎn)向力矩變化的.前輪定位參數(shù),用反求的方法解決工程問題,并達(dá)到很好的效果,從而節(jié)省了調(diào)節(jié)

21、方向盤轉(zhuǎn)向力矩的時間和勞動量,節(jié)約成本,縮短新車開發(fā)周期.參考文獻(xiàn)1余志生.汽車?yán)碚揗.北京:機(jī)械工業(yè)出版社,1994.YUZ,S.The0ry.fvehM?Be:chi"Mhi".P91994I.(nChinese)2LIUGR,HANx.Computationalinversetechniquesinnonde-structiveevaluationM.London:eRepressbocaraton,2003.3HANx,LIUGR.ComputationalinversetechniqueformaterialcharacterizationoffunctionaH

22、ygradedmaterialsJ.AIAAJour.nal,2003(41):288295.XUD,YAPFF,HANX,eta1.Identificationofspring-forcefactorsofsuspensionsystemsusingprogressiveneuralnetworkonflvalidatedcomputermodelJ.InverseProblemsinEngng,2003(11):5574.薛立軍.前輪定位角對汽車轉(zhuǎn)向回正作用的影響J.汽車工程,2003(25):198200.XUELJ.Theeffectoffrontwheelalignmentonthestringreturna