점진적 메타모델 기법을 이용한 맥퍼슨 스트럿 서스펜션의 횡력 최소화를 위한 순차적 근사 최적화 Sequential approximate optimization of MacPherson strut suspension for minimizing side load by using progressive meta-model method원문보기
노면으로부터의 충격을 흡수하는 역할을 하는 차량의 서스펜션은 승차감에 큰 영향을 미친다. 독립식 서스펜션 중에서 차량의 전륜 서스펜션에 많이 사용되는 맥퍼슨 스트럿(MacPherson strut) 타입은 구조가 단순하여 공간과 생산비용 측면에서 장점을 가지며, 따라서 양산차에 많이 사용된다. 그러나 휠이 상, 하향 운동을 할 때, 맥퍼슨 스트럿 서스펜션의 구조상 필연적으로 ...
노면으로부터의 충격을 흡수하는 역할을 하는 차량의 서스펜션은 승차감에 큰 영향을 미친다. 독립식 서스펜션 중에서 차량의 전륜 서스펜션에 많이 사용되는 맥퍼슨 스트럿(MacPherson strut) 타입은 구조가 단순하여 공간과 생산비용 측면에서 장점을 가지며, 따라서 양산차에 많이 사용된다. 그러나 휠이 상, 하향 운동을 할 때, 맥퍼슨 스트럿 서스펜션의 구조상 필연적으로 댐퍼에 횡력(side load)이 발생하며, 이는 댐퍼에 마찰을 발생시켜 승차감을 저하시키는 원인이 된다. 본 논문에서는 횡력을 최소화하기 위해 점진적 메타모델(progressive meta-model) 기반 순차적 근사 최적화(sequential approximate optimization)를 이용하여 최적설계를 수행하였다. 횡력을 계산하기 위해 서스펜션 유연 다물체 동역학(flexible multi-body dynamics) 모델을 이용한 wheel travel 해석을 수행하였다. 유연 다물체 동역학 해석은 스프링의 전단응력과 같은 구조적 성능과 스프링에 가해지는 압축하중을 고려할 수 있으며, 따라서 유한요소법(finite element method)과 다물체 동역학(multi-body dynamics)을 함께 고려할 수 있다. 최적설계를 수행하기 위해 정식화를 수행하였으며, 이를 바탕으로 실험계획법을 이용하여 표본점들을 추출하고, 메타모델을 생성하였다. 메타모델은 방사기저함수(radial basis function) 모델을 사용하였으며, 생성한 메타모델을 이용하여 최적화를 수행하였다.
노면으로부터의 충격을 흡수하는 역할을 하는 차량의 서스펜션은 승차감에 큰 영향을 미친다. 독립식 서스펜션 중에서 차량의 전륜 서스펜션에 많이 사용되는 맥퍼슨 스트럿(MacPherson strut) 타입은 구조가 단순하여 공간과 생산비용 측면에서 장점을 가지며, 따라서 양산차에 많이 사용된다. 그러나 휠이 상, 하향 운동을 할 때, 맥퍼슨 스트럿 서스펜션의 구조상 필연적으로 댐퍼에 횡력(side load)이 발생하며, 이는 댐퍼에 마찰을 발생시켜 승차감을 저하시키는 원인이 된다. 본 논문에서는 횡력을 최소화하기 위해 점진적 메타모델(progressive meta-model) 기반 순차적 근사 최적화(sequential approximate optimization)를 이용하여 최적설계를 수행하였다. 횡력을 계산하기 위해 서스펜션 유연 다물체 동역학(flexible multi-body dynamics) 모델을 이용한 wheel travel 해석을 수행하였다. 유연 다물체 동역학 해석은 스프링의 전단응력과 같은 구조적 성능과 스프링에 가해지는 압축하중을 고려할 수 있으며, 따라서 유한요소법(finite element method)과 다물체 동역학(multi-body dynamics)을 함께 고려할 수 있다. 최적설계를 수행하기 위해 정식화를 수행하였으며, 이를 바탕으로 실험계획법을 이용하여 표본점들을 추출하고, 메타모델을 생성하였다. 메타모델은 방사기저함수(radial basis function) 모델을 사용하였으며, 생성한 메타모델을 이용하여 최적화를 수행하였다.
Vehicle suspension absorbs shocks from the road, therefore, it greatly influences the riding comfort. The MacPherson strut type which is widely used for front suspension, has advantages in cost and space because of its simple structure. However, when the wheel moves in vertical direction, side load ...
Vehicle suspension absorbs shocks from the road, therefore, it greatly influences the riding comfort. The MacPherson strut type which is widely used for front suspension, has advantages in cost and space because of its simple structure. However, when the wheel moves in vertical direction, side load is inevitably generated at the damper. The side load causes friction at the damper and reduces riding comfort. In this paper, the progressive meta-model based sequential approximate optimization was performed to minimize the side load. To calculate the side load, wheel travel analysis was performed by using suspension FMBD(flexible multi-body dynamics) model. The FMBD analysis can consider structural performance of spring such as shear stress and compressive load applied to spring . To perform the optimal design, the formulation of optimal design was performed and sampling points are extracted by using design of experiments. Then, the RBF model was constructed among many meta-models and optimization was performed.
Vehicle suspension absorbs shocks from the road, therefore, it greatly influences the riding comfort. The MacPherson strut type which is widely used for front suspension, has advantages in cost and space because of its simple structure. However, when the wheel moves in vertical direction, side load is inevitably generated at the damper. The side load causes friction at the damper and reduces riding comfort. In this paper, the progressive meta-model based sequential approximate optimization was performed to minimize the side load. To calculate the side load, wheel travel analysis was performed by using suspension FMBD(flexible multi-body dynamics) model. The FMBD analysis can consider structural performance of spring such as shear stress and compressive load applied to spring . To perform the optimal design, the formulation of optimal design was performed and sampling points are extracted by using design of experiments. Then, the RBF model was constructed among many meta-models and optimization was performed.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.