汽车车身动力学优化策略

汽车车身动力学优化策略

1车载动力学优化在汽车的车身设计中，动态优化一直是一个重要的位置，它的作用主要体现在车身的疲劳、车身的舒适度以及汽车的乘坐舒适度上。轿车在行驶过程中,会受到各种各样的动载荷的作用。当动载荷与车身的动力学特性接近时,即动载荷的某分量与车身的某阶模态的固有频率接近时,将可能引发结构共振产生较高的动应力,导致车身的疲劳破坏。车身动力学特性对乘坐舒适性的影响,主要表现在NVH(Noise,VibrationandHarshness)性能上。一般而言,车身对激振源的响应越小,NVH性能越舒适。经验丰富的试车员甚至能够通过NVH主观评价试验判定车身的动刚度是否不足。无论是针对车身疲劳寿命,还是针对整车乘坐舒适性,车身结构的动力学优化都采用同样的原理,即设法将车身结构的固有频率与激振源的激振频率错开,将激振源的作用点布置在尽可能接近振型节点的位置上。承载式车身所受到的激振力总是以中低频为主。另一方面,车身结构本质上是复杂的连续弹性体,具有无限多的自由度和模态,频率越高,其模态越密集。因此,在进行承载式车身的动力学优化时,通常采用以下策略:(1)提高车身的低阶全局模态的固有频率;(2)将联接点尽可能地布置在低阶全局模态的振型节点上;(3)将若干高阶敏感模态的固有频率与激振力的中频分量错开。在车身的动力学优化中,策略(3)通常由整车动力学特性匹配完成,策略(2)主要由结构布置完成。而策略(1)则形成了车身动刚度优化分支,并随着整车配置多样化和平台开发模式的广泛应用,成为评价车身动力学特性的关键指标之一,设计规范甚至对其提出了限制要求,如一扭频率应大于30Hz,一弯频率应大于40Hz。2某车载模态分析的应用车身结构的动刚度优化,通常采用基于试验模态分析与有限元计算模态分析的综合法,工作流程如图1所示:综合法必须同时使用试验模态分析工具(如Cada-X)、有限元模态分析工具(如ANSYS)和模型综合工具(如Gateway)才能完成。国内同行大多基于有限元模态分析进行修正预测,本文将基于试验模态分析对某轿车车身进行修正预测,并通过试验对修正方案进行筛选和验证。到目前为止,无论是试验模态分析,有限元计算模态分析,还是综合法,其修正预测结果都还不能令人满意,仍然需要通过试验对可能的修正方案进行筛选和验证,最终获得较好的设计优化方案。在此过程中,分析人员的理论基础、实践经验和判断力,将起到重要作用。3建立模型的建立车身结构的试验模态分析通常采用频域法,主要包括以下步骤:(1)试验准备。包括使用弹性绳悬吊车身,选定激振位置和测点,准备测试系统等;(2)数据测试。使用激振器或力锤激励车身,采集测点的响应信号并估计频率响应函数;(3)参数辨识。选择合适的算法辨识模态参数;(4)模型检验。对参数辨识的结果进行检验。根据试验目的,车身的试验模态分析可分为检测和建模两类。检测主要用于测定车身的全局低阶模态的固有频率及振型轮廓,以便了解车身的动态特性水平,确定是否满足设计要求。建模则是要建立尽可能精确的试验模型,以便优化车身动刚度。检测对试验人员和试验方案的要求较低,作者的经验表明,使用单个激振点和十几个测点即可达到检测的目的。如果将激振点增加到3个以上,将测点增加到50个以上,则按一般的试验模态分析步骤总可以获得稳定、可信的试验结果。与检测相比,建模则要复杂得多。为了获得可信的修正预测结果,必须建立尽可能完整的高精度的试验模型。车身结构本质上是连续的弹性体,具有无限多的自由度和模态;为了使试验模型尽可能逼近该弹性体的动态特性,需要测量数百个测点,并使用尽可能宽的分析频带。为了获得高精度的振型信息,必须合理布置激振位置,以便将分析频段内的所有振型都充分激励起来。为了建立高精度的试验模型,获得车身动刚度的设计优化方案,并尽可能地减少工作量,本文采用如图2所示的试验方案。预检是对车身结构的检测性试验模态分析,以便初步了解车身的低阶全局模态的固有频率和振型轮廓,确定试验设置存在的缺陷,达到优化边界条件、确定分析频带、优化激振位置、确定关键测点的目的。车身动刚度的测试应使用自由-自由边界条件,通常使用弹性绳悬吊来近似获得。弹性绳的悬吊位置应靠近尽可能多的低阶全局模态的振型节点。分析频带应覆盖尽可能宽的频率范围,并能够通过优化激振位置将分析频带内的所有模态都充分激励出来。关键测点的确定是为了以尽可能少的测量次数获得分析频带内所有模态的振型轮廓。在预检中,本文使用3个激振点和80个测点。试验建模和筛选/验证均使用优化后的激振位置组,试验建模使用204个测点,筛选/验证使用14个关键测点。下面,本文将就激振位置的优化、附加质量的处理、修正预测的评判、筛选/验证的实施进行深入的讨论。4预检指标与激振位置组的匹配在试验建模中,为了尽量减少测试和建模误差,必须将分析频带内的所有模态都充分激励出来。为此,必须对激振位置组进行优化。在本文工作中,激振位置优化前后的SUM曲线对比如图3所示。从图中可以看出,频率A和B处的模态在预检中未得到足够的激励能量(上图),而优化后的激振位置组则可将它们充分激励起来(下图)。在预检中,参数辨识在频率A和B处的收敛性较差,相应模态的模态复杂性指标(ModeComplex)的最小值分别为58%和85%。而使用优化后的激振位置组进行测试,分析频带内所有模态的收敛性都较好,所有模态的模态复杂性指标的最小值均在98%以上。模态复杂性指标在一定意义上反映了试验模型在修正预测上与物理模型的一致性,因此,使用优化后的激振位置组进行测试和建模,将可获得更准确的试验模型。5模态合并法试验建模当采用接触式加速度计进行试验模态分析时,安装在物理模型上的加速度计将增加测点位置的质量,改变物理模型的模态参数。当需要通过多次测量获得所有测点的频率响应函数时,附加质量还将使被测对象不满足时不变条件。这就是所谓的附加质量效应。根据作者的经验,当使用25g以下的加速度计测量轿车车身上的数十个测点时,附加质量效应可以忽略不计;但是,当测点高达数百个时,必须妥善处理附加质量效应。本文仅在试验建模阶段考虑附加质量效应。通常采用假传感器法补偿附加质量效应,该方法的主要缺点是需要预先确定所有的测点位置,不允许在建模过程中增加新的测点,缺乏足够的灵活性。试验人员在对测点数目和模型精度进行折衷考虑时,常常面临困难的选择。错误的决定常常意味着,在试验过程中,丢弃上百个测点的测试结果,另起炉灶,重新测试和建模。本文利用预检的试验结果,采用模态合并的方案进行试验建模。模态合并以预检试验结果作为先验知识,对每组测量数据单独进行参数辨识,通过在该组测量的所有测点上增加负质量补偿该组测量的附加质量效应,并合并各族测点的模态数据形成完整的试验模型。与假传感器法相比,模态合并为试验建模提供了巨大的灵活性,允许试验人员根据试验模型的精度要求,随时增加新的测点。在本文的工作中,直接使用所有的204个测点数据进行建模,参数辨识的收敛性很差,即使利用先验知识强制选择合适的峰值频率,也无法获得正确的振型计算结果。例如,预检显示,一弯振型非常接近实模态。在试验建模中如果直接进行参数辨识,获得的一弯振型在前端模块、前车顶、中地板和后翼子板等处将表现出明显的复模态特征,如图4的上图所示;而模态合并的参数辨识结果则很好地保持了一弯振型的实模态特征,如图4的下图所示。6根据可信性进行修正的各项参数的确定建立尽可能完整和精确的试验模型对修正预测的可信性至关重要。但是,有些建模误差是不可避免的,如:无法测量转动自由度的缺陷;有限的分析频带和模态;传感器的横向灵敏度等。同时,目前所有的修正预测算法都基于局部线性假设,却没有一种算法能够判定该假设所允许的修正范围。因此,试验人员必须根据自己的经验判断修正预测结果的可信性,并通过试验进行筛选和验证,得到正确的优化方案。作者的经验表明,试验人员在判断修正预测结果时,至少应考虑以下因素:(1)模型检验中的模态复杂性指标指示了试验模型与物理模型的逼近程度。如果某测点的模态复杂性指标为负,对该测点临近区域的修正预测常常是不准确的。(2)如果修正方案的主要加强方向与相应测点的振型矢量垂直或接近垂直,则预测结果不可信。(3)比较试验模型和预测结果的模态参数,如果阻尼比或振型差异过大,则说明修正已超出了试验模型的局部线性区域。(4)单个局部修正对全局低阶模态的影响通常是小范围的,过于优良的局部修正结果只能说明修正强度已超出了试验模型的局部线性区域。本文基于204个测点的试验模型对车身结构的优化进行了修正预测。筛选/验证试验表明,使用以上的判断准则可以基本保证