多学科优化方法在汽车底盘设计中的应用

1、汽车底盘概述

汽车底盘主要包括传动系统、行驶系统、转向系统和制动系统。

随着汽车技术的不断进步，汽车底盘系统越来越复杂，其各组成子系统之间的相互作用也日益明显，底盘系统设计涉及到多学科领域，使得底盘系统的总体设计过程十分复杂。

2、底盘系统特征

随着计算机和电子控制技术的发展，为了提高汽车综合性能，越来越多的电子控制技术和计算机辅助设计手段在汽车底盘各个子系统中得到开发和应用，使汽车底盘在集成化、电子化、智能化和轻量化四个方面得到了较大的发展。

（1）汽车底盘集成化

汽车电子设备和汽车总线技术已成熟并推广使用，使得底盘集成化技术得到飞速的发展，特别是在汽车企业得到了重视和发展。底盘系统使用传感器帮助底盘监控路况，能帮助驾驶员有效降低交通事故，提高主动安全性。

汽车底盘集成技术主要是在现有的悬架、驱动／制动和转向等功能相对独立的电控系统传感器、控制单元和执行机构上，通过总线传输将汽车中各种电控单元、传感器、执行机构等联接起来，实现集成化控制。

集成式汽车底盘

（2）汽车底盘电子化

在底盘的四大组成系统中开发了不同的电子控制系统，这些电控系统按汽车运动方向可以分为三类：纵向的制动和驱动控制、横向的转向和横摆力矩控制以及垂向的悬架控制。

目前汽车底盘的电子控制系统大部分围绕某一功能来开发，并通过轮胎与地面间的接触力产生作用。

汽车底盘系统电子化系统

（3）汽车底盘智能化

汽车底盘智能化是指将先进的电子、计算机和传感技术应用于汽车底盘系统，以提高汽车的性能、安全性和驾驶体验。这一趋势已经在汽车工业中得到广泛应用，以满足日益增长的市场需求和监管要求。汽车底盘智能化相关的主要方面包括电子稳定控制系统（ESC）、自适应悬挂系统、四轮驱动系统、自动驾驶技术、智能制动系统及车辆动态管理系统等。

智能化汽车底盘

（4）汽车底盘轻量化

汽车轻量化技术都是一项共性的基础技术，世界各主要汽车生产企业都将汽车轻量化作为产品开发的重要环节，予以高度重视。大量研究表明，汽车轻量化设计技术对降低燃油消耗，提高燃油经济性、减少排放有较大的贡献。据统计，车重每减轻10％，可节省燃油6％～8％，燃油效率提高5.5％，排放下降4％～6％。

汽车底盘材料轻量化

3、多学科优化方法在汽车底盘设计中的应用

多学科设计优化是一种新的工程设计方法学，其思想是从系统总体设计高度，在综合考虑系统整体和全生命周期的情况下，通过实现各学科的模块化并行设计来缩短设计周期、提高设计效率，它通过充分探索和利用工程系统中相互作用的协同机制，考虑各学科(子系统)之间的交互影响，从整个系统的角度来优化设计复杂工程系统和子系统。

将多学科优化技术引入到底盘设计中，分析和研究了底盘复杂系统的综合优化设计理论与方法，对于底盘系统的设计具有重要的学术价值和广阔的应用前景。在对底盘设计方法和多学科设计优化方法进行分析和总结的基础上，可以从底盘集成设计、电子化设计及轻量化设计中展开多学科设计优化应用研究。

多学科优化设计在底盘系统设计中的应用

多学科设计优化方法发展应用至今，按照求解思路，根据学科和设计变量的处理方式，形成了以下五种不同的算法。

（1）多学科可行方法(Multidisciplinary Feasible Method)

简称MDF算法，也称为All-In-One，简称AIO方法)属于单级优化算法。该方法将各个子系统(学科)集成为一个整体形成系统，建立设计变量、约束条件和目标函数，然后采用现有优化算法，对系统进行分析优化。特点是可充分利用现有的优化算法，能找出全局最优解或局部最优，但每次都要进行一次多学科系统分析，实用性不强，难于应用到工程实践中。

MDF方法计算流程图

（2）同时分析优化算法(Simultaneous Analysis and Design)

简称AAO算法，也称All-At-Once，也属于单级优化算法。在优化过程中为了减少各个子系统之间直接的耦合关系，通过引进辅助设计变量，进行学科问的一致性约束，每个学科放宽学科的允许范围，使得每个子系统能独立地进行分析。子系统之间的通讯通过含有等式约束的系统级优化过程来协调，完成系统级优化问题，最终使得辅助设计变量与状态变量一致。特点是每个子系统只能进行并行分析，而不能进行设计优化。

AAO方法计算流程图

（3）单学科可行方法(Individual Disciplinary Feasible Method)

简称IDF算法,属于单级优化算法,与AAO法相似，区别在于它通过放宽学科间设计变量的相容性，而不是学科的相容性来保证学科分析的可行性。

IDF方法计算流程图

（4）并行子空间优化算法(Concurent subspace optimization)

简称CSS0算法，是一种非分层的二级多学科优化算法。并行子空问优化算法中将系统的设计变量和状态变量被分配到各子空间，对涉及到该空间上的变量只在各子空间内部进行优化分析。特点在于各子系统内不再只进行分析，而是在子系统内进行独立的优化，学科间的耦合关系通过系统对各子系统的协调来保证。适用于没有系统级的目标和变量的问题，各子系统保留独立的学科目标和设计变量。

CSSO方法计算流程图

（5）协同优化算法(Collaborative optimization)

简称CO算法，是一种分层的两级优化算法。与并行子空间优化方法的主要区别在于具有系统级的优化功能，对于子系统，只在每个子系统空间内进行分析及优化设计，可暂不考虑其它子空间的影响，只是满足本子系统的约束条件，然后通过系统级优化协调各子系统设计优化结果，通过系统级和子系统之间的多次迭代计算实现一致性的最优设计。它适于处理子系统变量远远多于学科间变量的情况，即适于解决具有系统级设计目标的多学科设计优化问题。

CO方法计算流程图

传统的底盘系统设计主要是通过调整控制器参数来满足机械结构的设计要求，但是随着子系统的增多，设计变量也增多，设计变量的选择很难同时满足系统级和子系统级学科的性能指标只能以满足系统级指标为主，或者兼顾系统级指标和子系统级指标。因此，底盘设计应根据不同的设计任务和需求，采用相应的多学科优化算法。