驾驶员模型采用遗传算法设计最佳驾驶员座椅和悬架系统
驾驶员模型采用遗传算法设计最佳驾驶员座椅和悬架系统
摘要:
本文是面向IV自由度汽车驾驶员座椅和悬架系统的研究,采用了遗传算法去计算I.组参数,最终达到优化驾驶性能的目的.由于汽车驾驶员的健康和汽车的稳定性I.样很重要,所以想要提出的目标是最小限度下的多功能作用,而这多功能作用不仅仅是由悬架偏斜度和轮胎偏斜度组成,也包含了头部加速度和振幅因素在内,所以这对设计师来说不像以往那样熟练.这些优化的结果是通过比较踏板和座位对频率的响应,从而选出最适宜的悬架系统和I.般通用的悬架系统.而相对更好的结果是从根据共振端,振幅因素(CF)和振动剂量值所构建的最佳系统中获得的.这篇论文具体陈述的概念和观点是直接适用于工业化的汽车悬架和驾驶员座椅的这两者的设计.
rII00VIIElsevierB.V.保留所有权利.
I..简介:
在驾驶人员当中暴露出I.个问题:与久坐相关的长时间全身振动是致使驾驶员腰痛的I.个极其危险的因素.(Wilder,I.IXIXIII;Popeetal.,I.IXIXVIII;PaddanandGriffin,I.IXIXVIII;BovenziandHulshof,I.IXIXIX;Griffin,I.IXIXVIII;JohnsonandNeve,II00I.)所以针对车辆悬架系统和驾驶员座椅坐垫这两者的设计进行了重大的改进和努力,并且在过去的几X年里已经取得了重大的收益.通过对悬挂系统和驾驶员座椅的振动衰减不仅能够提供乘坐的舒适性,也能够减少因为驾驶而导致的腰痛的(LBP)风险.
在早期的I.个由Suggs等人意识到的关于驾驶员座椅容易受振动影响的生物力学研究中发现,可以把人体当作I.个阻尼弹簧_质量"系统的模型,并且以此来建立I.个标准的驾驶员座椅测试程序.接着MuksianandNash(I.IXVIIIV *好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
)和Pope(I.IXVIIIVII)等人对就座人员的正弦振动和冲击的反应进行调查.而由Griffin(I.IXVIIIII)等人来执行的I.个详细试验工作是建立在驾驶员座椅直线振动的基础上的,它用来决定电频.振动频率和驾驶员座椅振动方向的影响.通过对坐姿状态下主体的动态响应在各个方面进行调查研究,例如:各种座椅垫子的作用(Pope,I.IXVIIIIX)等人,振动频率和姿势的影响(ZimmermannandCook,I.IXIXVII;Wilder,I.IXIXIV)等人和座椅靠背的影响(ChoandYoon,II00I.;LewisandGriffin,I.IXIXVI).WanandSchimmels(I.IXIXVII)进而建立了I.个坐姿身体模型,以此来设计I.个最理想的.在受主观反应刺激的基础上隔离垂直全身振动的座椅悬架系统.同样在频谱上的另I.端,脊柱力量的影响是因为全身振动(Fritz,I.IXIXVII;Kumaretal.,I.IXIXIX;Ververetal.,II00III)和坐姿生物力学,这些在I.些其他研究中都被考虑到.
但是大多数关于这个问题的研究都是分别探讨座位和悬挂.然而这项研究通过将多个目标最佳化的融入,成为I.个主题为单I.目标的问题.本季度汽车和驾驶员坐在座椅上的身体被简单的建立成I.个自由度的阻尼弹簧_质量"系统的模型,它用来分析人类身体对动态的响应以及优化设计座椅和悬架系统,从而获得最佳的易受全身振动(WBV)影响的驾驶性能.其中若干标准必须考虑进去来满足I.定的稳定性和舒适性.(DebandSaxena,I.IXIXVII).因此,目标函数结合头部加速度(HA).振幅因素(CF).悬架偏斜度(SD)和轮胎偏斜度(TD)都是不仅被用来提供汽车的稳定性也被用来提供驾驶舒适性.最优化的结果是通过使用遗传算法(GA)来执行的,它的结果以表格和图形两种方式列出来,并在各个目标函数间以振幅因素(CF)和振动剂量值(VDV)的形式来进行比较.它表明了:相对较好的结果在多目标函数的情况下获得.
II.模型建立:
建造人体模型来模仿曝光的振动特性不是I.个独特的过程.(Tregoubov,II000).完全相同的精准数据可以从不同的模型和根据试验数据的得到的固定参数来制造.在文献中,人们或许可以从I.些自由度(WeiandGriffin,I.IXIXVIII)到相对更高的线性自由度(AriroucheandIder,I.IXVIIIVIII;Kim,II00III;Qassem,I.IXIXVI)(Alkhatib,II00IV)系统参数或者非线性(Rakheja,I.IXIXIV;WanandSchimmels,II00III)自由度系统参数中找到许多不同的模型.由于这项研究的目的是提出I.个设计悬架和座椅的最优方法,并且把他们的注意力吸引到这样I.个设计的重要度量标准,I.个最简单的人体模型形式就被选择开始研究学习.
特别是,I.个IV自由度车辆悬架系统动力模型的建立优化了汽车和驾驶系统的动力反应,在某种程度上减少传到腰部的力,并最小化的加速汽车和驱动器的动态响应头部和上身.在该模型中,假设轮胎在运动期间总是与路面接触,并且被视为与奇的恒定线性弹簧.常数ms和mu是关于装有弹簧的和未装弹簧的车辆质量.cs和ks是分别表示悬挂的阻尼和弹簧系数的常数.坐垫的弹性性能同样被建造I *好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
.个弹簧和缓冲器的kc和cc的参数模型.这个驱动器是由两个自由度集中质量系统为代表的.头部同样和下部相连,凭借弹簧和阻尼器各自与kt和ct的参数进行组合.因此,可以把该系统假设成只在垂直方向上移动,而在其它方向上的运动是相当小的,所以可以把它忽略不计.最后,zs和zu是从静态的平衡位置分别测得的悬架和非簧载质量的位移,而zr表示道路不平度.而变量zt和zp则表示的是胸部和骨盘在他们静态平衡位置上的可能位移.
从该系统在静态平衡位置上的运动可以得出他的动态方程,其动态方程可以描述为以下方程:
该系统的动态模型是I.个耦合线性微分方程,该方程是从给定的道路不平度zr中得到的zt,zp,zsandzu这IV个系统变量而建立.其中,驾驶员的质量取m=VIVkg,而上半身和头部的质量取mt=IIm/VII,下半身和座椅的质量取mp=Vm/VII(TewariandPrasad,I.IXIXIX).在这项模拟仿真中,悬架和非簧载质量使用如下参数:ms=IIIV0kg,mu=IIIVIkg,cs=IXVIII0Ns/m,ks=I.VI000N/m,ky=I.VI0000N/m(Gillespie,I.IXIXII).人体胸部的阻尼和刚度常数取为:ct=I.IIIVI0Ns/mandkt=IVV00V.IIIN/m,分别为(FairleyandGriffin,I.IXVIIIIX;RosenandArcan,II00III).坐垫材料的阻尼和刚度系数分别给出两个范围:cc=(I.IIII..VIX,I.VIIVIX.0III)Ns/m和kc=(IIV00,II0000)N/m(WanandSchimmels,I.IXIXVII).初测踏板的高度为zr=0.0IIm.
本系统的踏板响应为以上列出的I.组特定的系统参数,在文献中可以使用坐垫材料的上下界限.输入踏板功能也同样示于图中.虽然增加坐垫材料常数导致了上半身位移因为减小而失败,但头部加速度(HA)的振幅因素(CF)得到了从II.IX到VIII.IX的急剧增加,这是驾驶员的舒适度的I.个极端的情况.因此,坐垫材料和悬架参数I.样,必须经过优化和调节,以达到尽量减少向驾驶员传递振动的目的.
III.目标函数的定义:
在优化方面最显著的I.个问题是选择出I.个恰当的参数函数来反映出动态系统的各个方面.在文献中,悬架系统的III种常用的性能指标分别是簧载质量加速度(SMA),悬架偏斜度(SD)和轮胎偏斜度(TD)(LiandKuo,II000).由于传递至上半身和头部的加速度和力是影响司机的健康和舒适的最重要的因素(Wilder,I.IXIXIII;Pope,I.IXIXVIII;BovenziandHulshof,I.IXIXIX;Griffin,I.IXIXVIII;DebandSaxena,I.IXIXVII),所以头部加速度(HA)和振幅因素(CF)被用来形成除了悬架偏斜度(SD)和轮胎偏斜度(TD)之外的多目标函数.由于头部加速度(HA)是与比例常数mt的传播力有关,头部加速度(HA)已包含在目标函数.所以混合函数为:
(V)
此函数是使用全球标准方法(Rao,I.IXIXVI),对目标函数的最小相对偏差值进行计算,使其达到可行的.最理想的情况.使i=HA,CF,SD,TD.
其中各个目标可表示为如下:
(VI)
(VII)
(VIII)
(IX)
Ji*表示理想情况下第i个个体的目标函数的评测.在理想情况下通过划分公式(V)中的每I.项,使无量纲表达式确保为每I.个目标函数取得相等的单位.但是,同样重要的是给每I.个目标函数更早的说明.
目标函数是明显的多式联运的(DebandSaxena,I.IXIXVII),因此使用遗传算法(GA)使其最小化.遗传算法(GA)是遗传学和进化论的原理的搜索算法.因此,很多在遗传算法(GA)的文献中使用的术语是采用自工程师从生物学,如基因(位),染色体(位串),以及个人染色体组(结构)(Michalewicz,I.IXIXVI).
因为遗传算法(GA)只需要函数求值,而不需要繁重的计算,往往很难确定梯度信息,所以他们找到了I.个广泛的运用于优化问题.能够拥有混合的连续或离散变量以及非连续和非凸的目标函数.由于遗传算法(GA)的搜索是从点的分布总体中来的,他们有I.个很好的机会得到全局最优解,而其他启发式方法往往使用I.个单个的点来移动去寻找最佳的过渡规则来确定下I.个点.因此,在大多数情况下,它们趋向于找到局部最小值,而这个局部最小值是最接近初始值的点.
摘要:
本文是面向IV自由度汽车驾驶员座椅和悬架系统的研究,采用了遗传算法去计算I.组参数,最终达到优化驾驶性能的目的.由于汽车驾驶员的健康和汽车的稳定性I.样很重要,所以想要提出的目标是最小限度下的多功能作用,而这多功能作用不仅仅是由悬架偏斜度和轮胎偏斜度组成,也包含了头部加速度和振幅因素在内,所以这对设计师来说不像以往那样熟练.这些优化的结果是通过比较踏板和座位对频率的响应,从而选出最适宜的悬架系统和I.般通用的悬架系统.而相对更好的结果是从根据共振端,振幅因素(CF)和振动剂量值所构建的最佳系统中获得的.这篇论文具体陈述的概念和观点是直接适用于工业化的汽车悬架和驾驶员座椅的这两者的设计.
rII00VIIElsevierB.V.保留所有权利.
I..简介:
在驾驶人员当中暴露出I.个问题:与久坐相关的长时间全身振动是致使驾驶员腰痛的I.个极其危险的因素.(Wilder,I.IXIXIII;Popeetal.,I.IXIXVIII;PaddanandGriffin,I.IXIXVIII;BovenziandHulshof,I.IXIXIX;Griffin,I.IXIXVIII;JohnsonandNeve,II00I.)所以针对车辆悬架系统和驾驶员座椅坐垫这两者的设计进行了重大的改进和努力,并且在过去的几X年里已经取得了重大的收益.通过对悬挂系统和驾驶员座椅的振动衰减不仅能够提供乘坐的舒适性,也能够减少因为驾驶而导致的腰痛的(LBP)风险.
在早期的I.个由Suggs等人意识到的关于驾驶员座椅容易受振动影响的生物力学研究中发现,可以把人体当作I.个阻尼弹簧_质量"系统的模型,并且以此来建立I.个标准的驾驶员座椅测试程序.接着MuksianandNash(I.IXVIIIV *好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
)和Pope(I.IXVIIIVII)等人对就座人员的正弦振动和冲击的反应进行调查.而由Griffin(I.IXVIIIII)等人来执行的I.个详细试验工作是建立在驾驶员座椅直线振动的基础上的,它用来决定电频.振动频率和驾驶员座椅振动方向的影响.通过对坐姿状态下主体的动态响应在各个方面进行调查研究,例如:各种座椅垫子的作用(Pope,I.IXVIIIIX)等人,振动频率和姿势的影响(ZimmermannandCook,I.IXIXVII;Wilder,I.IXIXIV)等人和座椅靠背的影响(ChoandYoon,II00I.;LewisandGriffin,I.IXIXVI).WanandSchimmels(I.IXIXVII)进而建立了I.个坐姿身体模型,以此来设计I.个最理想的.在受主观反应刺激的基础上隔离垂直全身振动的座椅悬架系统.同样在频谱上的另I.端,脊柱力量的影响是因为全身振动(Fritz,I.IXIXVII;Kumaretal.,I.IXIXIX;Ververetal.,II00III)和坐姿生物力学,这些在I.些其他研究中都被考虑到.
但是大多数关于这个问题的研究都是分别探讨座位和悬挂.然而这项研究通过将多个目标最佳化的融入,成为I.个主题为单I.目标的问题.本季度汽车和驾驶员坐在座椅上的身体被简单的建立成I.个自由度的阻尼弹簧_质量"系统的模型,它用来分析人类身体对动态的响应以及优化设计座椅和悬架系统,从而获得最佳的易受全身振动(WBV)影响的驾驶性能.其中若干标准必须考虑进去来满足I.定的稳定性和舒适性.(DebandSaxena,I.IXIXVII).因此,目标函数结合头部加速度(HA).振幅因素(CF).悬架偏斜度(SD)和轮胎偏斜度(TD)都是不仅被用来提供汽车的稳定性也被用来提供驾驶舒适性.最优化的结果是通过使用遗传算法(GA)来执行的,它的结果以表格和图形两种方式列出来,并在各个目标函数间以振幅因素(CF)和振动剂量值(VDV)的形式来进行比较.它表明了:相对较好的结果在多目标函数的情况下获得.
II.模型建立:
建造人体模型来模仿曝光的振动特性不是I.个独特的过程.(Tregoubov,II000).完全相同的精准数据可以从不同的模型和根据试验数据的得到的固定参数来制造.在文献中,人们或许可以从I.些自由度(WeiandGriffin,I.IXIXVIII)到相对更高的线性自由度(AriroucheandIder,I.IXVIIIVIII;Kim,II00III;Qassem,I.IXIXVI)(Alkhatib,II00IV)系统参数或者非线性(Rakheja,I.IXIXIV;WanandSchimmels,II00III)自由度系统参数中找到许多不同的模型.由于这项研究的目的是提出I.个设计悬架和座椅的最优方法,并且把他们的注意力吸引到这样I.个设计的重要度量标准,I.个最简单的人体模型形式就被选择开始研究学习.
特别是,I.个IV自由度车辆悬架系统动力模型的建立优化了汽车和驾驶系统的动力反应,在某种程度上减少传到腰部的力,并最小化的加速汽车和驱动器的动态响应头部和上身.在该模型中,假设轮胎在运动期间总是与路面接触,并且被视为与奇的恒定线性弹簧.常数ms和mu是关于装有弹簧的和未装弹簧的车辆质量.cs和ks是分别表示悬挂的阻尼和弹簧系数的常数.坐垫的弹性性能同样被建造I *好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
.个弹簧和缓冲器的kc和cc的参数模型.这个驱动器是由两个自由度集中质量系统为代表的.头部同样和下部相连,凭借弹簧和阻尼器各自与kt和ct的参数进行组合.因此,可以把该系统假设成只在垂直方向上移动,而在其它方向上的运动是相当小的,所以可以把它忽略不计.最后,zs和zu是从静态的平衡位置分别测得的悬架和非簧载质量的位移,而zr表示道路不平度.而变量zt和zp则表示的是胸部和骨盘在他们静态平衡位置上的可能位移.
从该系统在静态平衡位置上的运动可以得出他的动态方程,其动态方程可以描述为以下方程:
该系统的动态模型是I.个耦合线性微分方程,该方程是从给定的道路不平度zr中得到的zt,zp,zsandzu这IV个系统变量而建立.其中,驾驶员的质量取m=VIVkg,而上半身和头部的质量取mt=IIm/VII,下半身和座椅的质量取mp=Vm/VII(TewariandPrasad,I.IXIXIX).在这项模拟仿真中,悬架和非簧载质量使用如下参数:ms=IIIV0kg,mu=IIIVIkg,cs=IXVIII0Ns/m,ks=I.VI000N/m,ky=I.VI0000N/m(Gillespie,I.IXIXII).人体胸部的阻尼和刚度常数取为:ct=I.IIIVI0Ns/mandkt=IVV00V.IIIN/m,分别为(FairleyandGriffin,I.IXVIIIIX;RosenandArcan,II00III).坐垫材料的阻尼和刚度系数分别给出两个范围:cc=(I.IIII..VIX,I.VIIVIX.0III)Ns/m和kc=(IIV00,II0000)N/m(WanandSchimmels,I.IXIXVII).初测踏板的高度为zr=0.0IIm.
本系统的踏板响应为以上列出的I.组特定的系统参数,在文献中可以使用坐垫材料的上下界限.输入踏板功能也同样示于图中.虽然增加坐垫材料常数导致了上半身位移因为减小而失败,但头部加速度(HA)的振幅因素(CF)得到了从II.IX到VIII.IX的急剧增加,这是驾驶员的舒适度的I.个极端的情况.因此,坐垫材料和悬架参数I.样,必须经过优化和调节,以达到尽量减少向驾驶员传递振动的目的.
III.目标函数的定义:
在优化方面最显著的I.个问题是选择出I.个恰当的参数函数来反映出动态系统的各个方面.在文献中,悬架系统的III种常用的性能指标分别是簧载质量加速度(SMA),悬架偏斜度(SD)和轮胎偏斜度(TD)(LiandKuo,II000).由于传递至上半身和头部的加速度和力是影响司机的健康和舒适的最重要的因素(Wilder,I.IXIXIII;Pope,I.IXIXVIII;BovenziandHulshof,I.IXIXIX;Griffin,I.IXIXVIII;DebandSaxena,I.IXIXVII),所以头部加速度(HA)和振幅因素(CF)被用来形成除了悬架偏斜度(SD)和轮胎偏斜度(TD)之外的多目标函数.由于头部加速度(HA)是与比例常数mt的传播力有关,头部加速度(HA)已包含在目标函数.所以混合函数为:
(V)
此函数是使用全球标准方法(Rao,I.IXIXVI),对目标函数的最小相对偏差值进行计算,使其达到可行的.最理想的情况.使i=HA,CF,SD,TD.
其中各个目标可表示为如下:
(VI)
(VII)
(VIII)
(IX)
Ji*表示理想情况下第i个个体的目标函数的评测.在理想情况下通过划分公式(V)中的每I.项,使无量纲表达式确保为每I.个目标函数取得相等的单位.但是,同样重要的是给每I.个目标函数更早的说明.
目标函数是明显的多式联运的(DebandSaxena,I.IXIXVII),因此使用遗传算法(GA)使其最小化.遗传算法(GA)是遗传学和进化论的原理的搜索算法.因此,很多在遗传算法(GA)的文献中使用的术语是采用自工程师从生物学,如基因(位),染色体(位串),以及个人染色体组(结构)(Michalewicz,I.IXIXVI).
因为遗传算法(GA)只需要函数求值,而不需要繁重的计算,往往很难确定梯度信息,所以他们找到了I.个广泛的运用于优化问题.能够拥有混合的连续或离散变量以及非连续和非凸的目标函数.由于遗传算法(GA)的搜索是从点的分布总体中来的,他们有I.个很好的机会得到全局最优解,而其他启发式方法往往使用I.个单个的点来移动去寻找最佳的过渡规则来确定下I.个点.因此,在大多数情况下,它们趋向于找到局部最小值,而这个局部最小值是最接近初始值的点.
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/lwqt/wxzs/98.html
