动态模型在变速器发展中的应用.ppt

动态模型在变速器发展中的有效应用 傅艳晓 BY1013110 1.简介 近几年，应用动态仿真模型辅助进行变速器和传动系统的设计和开发的比例急剧增加。 利用个人计算机的广泛应用，目前已经有很多开发者开始进行数值计算方法、仿真语言和仿真环境的开发。 随着真实系统中对模型精确度要求的提高，我们建立的模型逐渐变得越来越复杂。随着不断增长的模型逼真度产生了越来越大的待研究的参数集。 一次对一个参数进行研究的方法已经被公认为低效的方法，并且通常情况下当两个重要因素之间相互作用时采用此方法进行研究容易给人造成误解。 目前试验设计（DoE）在工程中的应用很广泛，并且产生了可观的成本效益。 近几年人们在发动机测试和开发方面做了大量的工作，实验设计技术已经推广复制应用于多维反应曲面数据测试中。 多维反应曲面方法：变换模型、仿真模型、高斯空间过程、神经网络、基于半径的函数和多元自适应回归样条函数等等 利用反应曲面模型将数据在设计空间中进行匹配，通过在多维空间中的移动每一个因素的反应敏感度和它们的组合便可以得到实时性的结果。 应用反应曲面的优势是我们可以非常快的进行优化设计。 本文第2部分通过高斯空间过程进行方法论的概述。第3部分，应用一个简单的例子来说明其技术但并没有过多的算法的细节。将来自于不同的数学领域的两个已有的公式进行混合应用即为我们所提出的一种新的优化方法。第4部分为这些方法在变速器设计和发展中的应用概述。 2.过程 在实验过程中需要一个确定的恰当的动态仿真模型。此模型需要充分体现其特征以及我们所关心的响应。如果可能的话，仿真模型需要通过实验数据进行验证。在项目的早期阶段由于实验数据并不存在因此没有验证环节。在此情况下仿真结果可以与实验预期结果或者是其他的相似系统实验数据进行对比。 我们需要定义一个合理的响应度量标准，其能够充分的反应测量结果如最大值、积分等。要研究的参数需要根据实验或者约束条件进行选取。 选用拉丁超立方体抽样（LHS）实验设计方法通过运行较少的仿真模型因素而进行其相关服从参数的研究。 拉丁超立方抽样：1979年在技术计量学中提出。相对于单纯的分层抽样，其最大优势为：任何大小的抽样数目都能够很容易的产生。例，假设我们要在n维向量空间里抽取m个样本，用LHS其步骤为： 1.将每一维分成互不重迭的m个区间，使得每个区间有相同的概率（通常考虑一个均分布，这样区间的长度相同）； 2.在每一维里的每一个区间中随机的抽取一个点； 3.再从每一维里随机抽出2中选取的点，将它们组成向量。 研究过程流程图 创建模型 参数研究 RSM模型 筛选 优 化 仿真产生数据 LHS实验 确定研究参数 模型 验证 2.1拉丁超立方抽样 本实验设计采用拉丁超立方抽样（LHS）方法，是一种尝试着将设计空间充分覆盖的空间填充设计。此方法不需要随时给定近视设计方法而使用随机函数。因此在进行任何仿真之前便可以对设计进行评估检查，可以应用于任意大小的无点空间并自适应于之后提出的质量要求。 好的拉丁超立方抽样（a）与坏的拉丁超立方抽样（b）对比举例 2.2高斯空间过程（GSP） 我们希望找到一种响应曲面方法能够应用于处理非线性模型，或者符合模型，或者噪声、函数模型。 如果模型拟合可以进行评估的话（交叉验证是一种标准的拟合近似方法），则此方法的优势更为明显。 本文重点研究集中于GSP方法，GSP法是一种连续近似方法。假定y响应函数是连续的，则如果两个点在x空间距离很近那么其相应的y值也很接近。 在本文研究的系统中，我们假定两点在x空间中距离很近时其在y空间中的相关度值为最大设为1，随着其在x空间中距离的增大此值逐渐减少。 GSP由一个确定的常量进行模型管理，此常量可确定模型的比例尺、形状和其它特性。此常量（一般为统计元素）在数据匹配阶段进行评估。 控制模型的常量包含λ，其表示数据的表面噪度。例，可以表示其在y响应的随机误差。 如果λ0，则数据中存在噪声干扰拟合的响应曲面较为平滑。我们希望λ值越低越好。 3.举例说明 为了以一种容易理解的方式进行举例说明，我们对一个简单函数进行测试评估。 假设一个函数有两个x变量和一个y变量。我们选择一个二维的例子，其原因有二，①二维问题比n维问题更容易想象、预见；②所需要的过程和原则都一样。 所研究的目标是确定y的最小值以及相应的x1和x2的值 具体过程 1.创建仿真模型：一个简单的波函数（举例） 2.定义目标：最小值 3.确定研究参数： x1和x2，范围是0-2π 4.应用LHS法设计实验：50次模拟运行 5.检查实验设计：检查其对设计空间的覆盖度 6.进行模拟运算 7.输出过程结果 8.响应曲面模型拟合：GSP法 9.优化：内尔德- 米德（NM）/拉丁超立方混合型（NMLH） 注意：在实际的物理应用过程中，步骤1和6将