一种新的车辆排气系统的可靠性优化设计方法

赵闵清; 鲁宇明; 李成林; 涂传明; 谢惠华

doi:10.13433/j.cnki.1003-8728.20200648

一种新的车辆排气系统的可靠性优化设计方法

doi: 10.13433/j.cnki.1003-8728.20200648

赵闵清^{1, 2,},
鲁宇明^1, ,,
李成林^{2, 3},
涂传明¹,
谢惠华¹

1.
南昌航空大学航空制造工程学院，南昌　330063
2.
五十铃产品开发技术中心试验科，南昌　330063
3.
湖北汽车工业学院汽车工程学院，湖北十堰　442002

基金项目: 国家自然科学基金项目（61866025）、江西省教育厅科技项目（GJJ170572）及江西省重点研发项目（20192BBGL70048）

详细信息

作者简介:
赵闵清（1993−），中级工程师，硕士，研究方向为优化设计算法、应力疲劳分析，zhao.minqing@jiangxi-isuzu.cn

通讯作者:
鲁宇明，教授，硕士生导师，luyuming69@163.com

中图分类号: TH17
计量
- 文章访问数: 140
- HTML全文浏览量: 70
- PDF下载量: 14
- 被引次数: 0
出版历程
- 收稿日期: 2020-11-03
- 刊出日期: 2023-03-25

A New Reliability Optimization Design Method of Vehicle Exhaust System

ZHAO Minqing^{1, 2
,},
LU Yuming^{1
, ,},
LI Chenglin^{2, 3},
TU Chuanming¹,
XIE Huihua¹

1.
College of Aeronautical Manufacturing Engineering, Nanchang Aeronautical University, Nanchang 330063, China
2.
ISUZU Product Development Technology Center, Nanchang 330063, China
3.
Hubei Institute of Automotive Technology, Shiyan 442002, Hubei, China

摘要

摘要: 针对以总布置为目标的传统设计方法不能够满足排气系统可靠性要求，提出一种基于改进蚁群算法的排气系统可靠性优化设计方法。通过对概率因子优化、挥发条件动态处理机制以及引入最大-最小蚂蚁系统3个方面对传统蚁群算法进行改进。结合CAE仿真模拟计算、应力谱采集以及二次响应面拟合法构建可靠性寿命预测模型，利用改进蚁群算法进行优化设计求解。结果表明，排气系统所受最大应力由原来的175.11 MPa减小为158.92 MPa，可靠性寿命计算值由5 623.69 h提升至6 165.95 h。该方法有效提升排气系统可靠性寿命。
- 排气系统 /
- 可靠性 /
- 应力谱 /
- 蚁群算法 /
- CAE
Abstract: Aiming at the problem that the traditional design method with the goal of the general layout cannot fully meet the reliability requirements of the exhaust system. In this paper, we propose a new design method ofoptimizing the reliability of exhaust systems based on an improved ant colony algorithm. The traditional ant colony algorithm is improved by optimizing the probability factor, the dynamic processing mechanism of volatile conditions and the introduction to a max-min ant system. A reliability life prediction model is constructed by combining CAE simulation, stress spectrum acquisition and quadratic response surface fitting method, and the improved ant colony algorithm is used to solve the optimal design. The results show that the maximum stress on the exhaust system reduced from 175.11 MPa to 158.92 MPa, and the calculated reliability life increased from 5623.69 h to 6165.95 h. This new method effectively improves the reliability life of the vehicle exhaust system.
- exhaust system /
- reliability /
- stress spectrum /
- ant colony algorithm /
- CAE

HTML全文

图 1 排气系统有限元模型

下载: 全尺寸图片幻灯片

图 2 排气系统应力仿真图

下载: 全尺寸图片幻灯片

图 3 3个吊钩应变测试数据

下载: 全尺寸图片幻灯片

图 4 3个吊钩雨流计算分析结果

下载: 全尺寸图片幻灯片

图 5 排气系统笛卡尔坐标系示意图

下载: 全尺寸图片幻灯片

图 6 排气系统最大响应面拟合精度图

下载: 全尺寸图片幻灯片

图 7 应变测试照片

下载: 全尺寸图片幻灯片

图 8 优化后3个吊钩应变测试数据

下载: 全尺寸图片幻灯片

表 1 CAE材料信息

材料名称	密度/（kg·m⁻³）	E/GPa	λ	σ_0.2 /Pa
Q235A/B	7850	200	0.3	235
SUS304/441	7750	193	0.31	207
SUH409	7750	193	0.31	207

下载: 导出CSV

表 2 损伤耦合值计算结果

应力/ MPa	应力幅值S_a	应力均值S_m	循环次数n_i	损伤（1/N_i）	总损伤（n_i/N_i）
1	134.5	12.63	1	3.273×10⁻⁶	3.273×10⁻⁶
2	114.401	12.63	6	1.712×10⁻⁶	1.027×10⁻⁵
3	96.802	12.63	51	8.871×10⁻⁷	4.478×10⁻⁵
4	76.69	12.63	189	3.459×10⁻⁷	6.538×10⁻⁵
5	57.4	12.63	520	1.086×10⁻⁷	5.647×10⁻⁵
6	36.46	12.63	2415	1.767×10⁻⁸	4.267×10⁻⁵
7	19.08	12.63	10445	1.325×10⁻⁹	1.384×10⁻⁵
8	9.50	12.63	22071	8.140×10⁻¹¹	1.797×10⁻⁶
9	3.77	12.63	133600	2.020×10⁻¹²	2.699×10⁻⁷

下载: 导出CSV

表 3 位置坐标约束范围

参数	设计原始值	优化变更范围/mm
前吊钩位置尺寸A₀	0	（−10.0，15.5）
中左吊钩位置尺寸A₁	573	（562.0，590.4）
中右吊钩位置尺寸A₂	573	（567.0，584.7）

下载: 导出CSV

表 4 排气系统仿真最大应力值

序号	A₀/ mm	A₁/ mm	A₂/ mm	CAE计算值/ MPa
1	0.0	584.4	569.7	96.9
2	−2.9	580.3	576.2	102.9
3	10.7	573.5	583.6	117.5
4	−7.6	585.6	579.3	104.2
5	12.4	563.8	574.9	156.8
$\vdots $	$\vdots $	$\vdots $	$\vdots $	$\vdots $
50	−8.6	589.6	578.2	110.5

下载: 导出CSV

表 5 排气系统可靠性优化结果对比

算法	A₁, A₂, A₃/ mm	最大应力 σ_max	应力−寿命法计算值/ h
初始值	（0, 573, 573）	175.11	5623.69
IACC	（−10, 562, 571.7）	158.92	6165.95
ACC	（−9.5, 568.3, 572.5）	165.30	5984.75
GA	（−8.3, 569.3, 569.8）	166.26	5904.32
PSO	（−10.3, 563.6, 572.6）	160.66	6067.54
SA	（−9.8, 570.3, 574.9）	167.63	5897.45

下载: 导出CSV

表 6 优化前后试验结果数据对比

状态	应变极限值/μE
状态	吊钩A₀	吊钩A₁	吊钩A₂
优化前	378.3	32.02	214.8
优化后	274.6	32.01	158.1

下载: 导出CSV

参考文献(15)

[1]	陈佳鲜, 毛文涛, 刘京, 等. 基于深度时序特征迁移的轴承剩余寿命预测方法[J]. 控制与决策, 2021, 36(7): 1699-1706. CHEN J X, MAO W T, LIU J, et al. Remaining useful life prediction of bearing based on deep temporal feature transfer[J]. Control and Decision, 2021, 36(7): 1699-1706. (in Chinese)
[2]	吴道君. 改进蚁群算法的船舶软件系统可靠性评价[J]. 舰船科学技术, 2020, 42(4): 166-168 WU D J. Reliability evaluation of software system based on improved ant colony algorithm[J]. Ship Science and Technology, 2020, 42(4): 166-168 (in Chinese)
[3]	LI X, DING Q, SUN J Q. Remaining useful life estimation in prognostics using deep convolution neural networks[J]. Reliability Engineering & System Safety, 2018, 172: 1-11.
[4]	REN L, SUN Y Q, CUI J, et al. Bearing remaining useful life prediction based on deep autoencoder and deep neural networks[J]. Journal of Manufacturing Systems, 2018, 48: 71-77. doi: 10.1016/j.jmsy.2018.04.008
[5]	刘洪伟, 刘杰. 考虑可靠性鲁棒的结构非概率优化设计方法研究[J]. 机械科学与技术, 2020, 39(4): 581-589. LIU H W, LIU J. Nonprobability-based design optimization considering reliability robustness for structures[J]. Mechanical Science and Technology for Aerospace Engineering, 2020, 39(4): 581-589. (in Chinese)
[6]	刘勤. 特种车辆结构耐久性分析与优化设计方法研究[D]. 沈阳: 东北大学, 2017: 22-25 LIU Q. Research on structure durability analysis and optimization design approachs for special vehicle[D]. Shenyang: Northeastern University, 2017: 22-25. (in Chinese)
[7]	SURESH S. Fatigue of materials[M]. Cambridge: Cambridge University Press, 1998
[8]	路怀华. 基于响应面法的车身结构声学性能可靠性优化设计[D]. 长沙: 湖南大学, 2013: 27-29 LU H H. Reliability-based optimization of car body's acoustic performance based on response surface method[D]. Changsha: Hunan University, 2013: 27-29. (in Chinese)
[9]	杨广雪. 高速列车车轴旋转弯曲作用下微动疲劳损伤研究[D]. 北京: 北京交通大学, 2010: 14 YANG G X. Research on damage of fretting fatigue of the axle used in high speed trains under rotating bending[D]. Beijing: Beijing Jiaotong University, 2010: 14. (in Chinese)
[10]	龚雨兵. 基于改进蚁群算法的连续型桁架结构优化设计研究[J]. 机械科学与技术, 2014, 33(6): 807-810. GONG Y B. Optimization design of continuous truss structures based on an improved ant colony optimization algorithm[J]. Mechanical Science and Technology for Aerospace Engineering, 2014, 33(6): 807-810. (in Chinese)
[11]	刘蓉, 杨帆, 张衡. 基于改进混沌蚁群算法的无人机航路规划[J]. 指挥信息系统与技术, 2018, 9(6): 41-48. LIU R, YANG F, ZHANG H. Path planning for UAV based on improved chaotic ant colony algorithm (CACA)[J]. Command Information System and Technology, 2018, 9(6): 41-48. (in Chinese)
[12]	徐义春, 肖人彬. 用蚁群算法求解带平衡约束的圆形布局问题[J]. 控制与决策, 2008, 23(1): 25-29. XU Y C, XIAO R B. Ant colony algorithm for layout optimization with equilibrium constraints[J]. Control and Decision, 2008, 23(1): 25-29. (in Chinese)
[13]	程世娟, 卢伟, 何平. 蚁群算法在复杂系统可靠性优化中的应用[J]. 工程设计学报, 2009, 16(3): 178-181. CHENG S J, LU W, HE P. Application of ant colony algorithm in reliability optimization of complex system[J]. Journal of Engineering Design, 2009, 16(3): 178-181. (in Chinese)
[14]	孙功武, 苏义鑫, 顾轶超, 等. 基于改进蚁群算法的水面无人艇路径规划[J]. 控制与决策, 2021, 36(4): 847-856. SUN G W, SU Y X, GU Y C, et al. Path planning for unmanned surface vehicle based on improved ant colony algorithm[J]. Control and Decision, 2021, 36(4): 847-856. (in Chinese)
[15]	周叔阳, 韩志仁, 郭喜锋, 等. 模拟退火算法在预连接孔排布中的应用研究[J]. 机械科学与技术, 2019, 38(6): 959-962. ZHOU S Y, HAN Z R, GUO X F, et al. Application of simulated annealing algorithm in arrangement of pre-connected hole[J]. Mechanical Science and Technology for Aerospace Engineering, 2019, 38(6): 959-962. (in Chinese)