基于DOE方法的悬置系统优化

王洋，王晖，徐勇

（华晨汽车工程研究院NVH工程室，辽宁 沈阳 110141）

基于DOE方法的悬置系统优化

王洋，王晖，徐勇

（华晨汽车工程研究院NVH工程室，辽宁 沈阳 110141）

车辆动力总成悬置的隔振性能主要取决于其刚度，由于材料属性特殊，悬置刚度受制造因素影响较大，刚度公差通常设定在±15%，刚度的波动可能会造成NVH性能的波动。如何优化悬置刚度，使其在公差范围内整车NVH性能保持稳定是悬置系统开发的一项重要任务。文章利用DOE（试验设计）的方法对悬置系统进行全因子试验，根据统计分析结果对悬置刚度进行优化，并进行试验验证，结果NVH性能稳健性达到要求。

汽车悬置；DOE；稳健性

10.16638/j.cnki.1671-7988.2016.11.022

CLC NO.: U463.33 Document Code: A Article ID: 1671-7988（2016）11-60-04

前言

车辆怠速振动是一项重要的NVH性能，当客户启动发动机，怠速振动是顾客对车辆性能和质量的第一印象。怠速振动的激励源来自发动机周期变化的力及力矩，通过悬置传动到车身并引起整车振动。因此影响怠速振动的主要因素是发动机振动水平，悬置系统的隔振水平以及车身的结构特性。根据隔振原理，悬置系统的隔振取决于悬置刚度。相对于其他因素，由于悬置材料的特殊性，悬置刚度的公差是很难控制在很小的范围内。因此，悬置系统的稳健性设计是非常重要的，即减小系统对误差的敏感性。如图1所示，D1的设计虽然得到最佳的结果，但在D1的公差范围内，相应的变化非常大，会对实现产品功能带来很大风险。D2是经过稳健优化的结果，虽然响应值没有D1小，但响应随参数变化的范围非常小，能够非常稳定的实现功能。本文采用DOE方法，对悬置系统刚度进行优化。通过统计分析，明确驾驶室内振动主要影响因素，建立振动响应关于悬置刚度的函数。最后，利用拟合函数进行悬置系统优化设计，最终达到NVH目标要求。

图1　稳健性设计意义

1、试验设计

DOE(Design of Experiment)试验设计，一种安排实验和分析实验数据的数理统计方法；试验设计主要对试验进行合理安排，以较小的试验规模(试验次数)、较短的试验周期和较低的试验成本，得理想的试验结果以及得出科学的结论。DOE是一系列试验及分析方法集，通过有目的地改变一个系统的输入来观察输出的改变情况。

实验设计的目的包括：

(1) 确定哪些参数给响应带来最大的影响；

(2) 确定有影响的参数设定在什么水平，使响

应达到或尽可能靠近希望值；

(3) 确定有影响的参数设定在什么水平，使响

Drug dose-response curve was fitted with Hill Eq 2.

应的分散度尽可能小；

(4) 确定有影响的参数设定在什么水平，使不

可控参数对响应的影响尽可能小。

因此，在制造过程的开发以及解决过程中出现的问题中都可以应用实验设计，以改善过程的性能，或者使过程对于外部波动源不敏感，同时还可节省时间和降低成本。所以，实验设计对于开发和改善制造过程，提高产品质量是一个非常重要的工程工具。DOE模型如图2所示。

图2　DOE模型

常见的DOE方法有全因子法、部分因子法、曲面响应法及田口法。根据不同需求，选择不同的方法。其中，全因子法包含了所有的组合，全因子试验所需试验的总次数会比较多，但它的优点是可以估计出所有的主效应和所有的各阶交互效应。所以在因子个数不太多，而且确实需要考察较多的交互作用时，常常选用全因子设计。为了研究响应变量是如何依赖于自变量，进而能找到自变量的设置使得响应变量得到最佳值（望大、望小或望目）。如果自变量的个数较少，则响应曲面方法是最好的方法之一，该方法特别适合于响应变量望大或者望小的情形。DOE一般性流程如图3所示。

图3　DOE一般流程

2、悬置系统DOE

本文以前置前驱三点悬置为例，由于需要考察各因素的交互作用，因此选择全因子法进行悬置系统的优化，利用F检验，确认模型是否有效，优化流程如图4所示。

图4　悬置系统DOE优化流程

表1　试验设计表

经过分析及筛选，选择悬置三个主方向刚度为可控因子，因素水平为设计值的上下公差。选择方向盘及座椅导轨振动为评价量。由于生产、加工温度等影响，通常悬置刚度的公差取15%。试验设计表如表1所示，试验结果记录到表1中。

2.1数学模型

其中，y为响应；x为因子；i为因子个数；ε为误差项。悬置优化需要考核所有因素的交互作用，这里先建立线性模型，后续发现弯曲现象再加入平方项，因此初始模型选择数学模型（2）。

其中b0为常数项；a为各项系数。模型中包括所有包含全部因子的主效应及全部因子的二阶交互效应。在经过细致的分析之后，如果发现某些主效应和二阶交互效应不显著，则在下次选择模型的时候，将不显著的主效应和二阶交互效应删除。图5、图6分别是经过方差分析绘制的Pareto图和标准响应的正态分布图。两图显示AB、BC两交互作用不显著，在模型修正时去掉AB及BC作用。

图5　Pareto

图6　效应正态分布图

2.2数据分析

对方向盘数据进行方差分析及假设检验，对数学模型的修正，得到公式（3）

各因素效应及系数的估计结果如表2所示：

表2　因素效应与估计结果

方向盘分析结果如表3所示：

表3　方差分析结果

表2因素效应与估计表中， P值小于0.05，拒绝原假设，对应因素为显著因素。从方差分析表3中可以看到，主效应和2阶交互作用对应的概率都小于显著性水平0.05，应该拒绝原假设，认为此模型是有效的；失拟值和弯曲对应的概率分别为0.471和0.433，都大于显著性水平，不拒绝原假设，说明本模型未发生失拟和弯曲的现象。输出pareto图和标准响应的正态分布图如图7、图8所示。

图7　Pareto图

图8　效应正态分布图

同样的方法得到座椅振动与悬置刚度的关系函数如下

3、设计优化

分析拟合的函数（3）与函数（4），只有发动机悬置与扭力臂的交互作用为显著因素，绘制这两组交互作用的等值线，如图9、10所示。由图中可以得知，虽然交互作用为显著因素，但由于发动机悬置效应非常强，因此，此交互作用也以发动机悬置变化为主。方向盘及座椅导轨的振动响应与悬置刚度几乎成线性关系。

图9　方向盘交互作用等值线

图10　座椅导轨交互作用等值线

其中发动机悬置Z向为最显著地因素，现优化发动机悬置刚度，将振动目标、变速器悬置刚度上公差及扭力臂刚度上公差代入函数1与2，计算结果显示，如果在公差范围内需要满足NVH目标，发动机悬置刚度设计值需要降低9%。对计算结果行预测，得到结果如表。表中结果显示，优化后的结果显示，在最恶劣的工况下，有95%的概率方向盘振动的平均值在(23.85, 24.81)区间内，而此工况的任意一次试验，有95%的概率方向盘振动值在(23.55, 24.95)区间内。设计结果满足NVH目标。

表4　方向盘振动预测结果

4、试验验证

挑选5套悬置刚度值在上限的零部件进行试验验证。最终测试结果如表5所示，其中5次试验的均值为24.32，任意一次试验的结果都在(23.55, 24.95)区间内。说明预测的模型可靠性较高，能够满足悬置系统NVH性能优化的要求。

表5　验证试验结果

5、结论

通过DOE方法，构建振动响应与悬置系统刚度的函数，通过对设计值的调整，使振动响应发生在目标置信区间内成为高概率事件，达到悬置系统优化的目的。本文在函数拟合过程中，未发生弯曲现象，因此采用线性拟合是正确的。当拟合过程中发生弯曲现象时，应该调整模型，采用响应曲面法进行拟合。

[1]Sanjay K. Mahajan, Matthew M. Surella and Thomas C. Single. Designing Six Sigma Quality into a RWD IRS Driveline System for Improved Vehicle-Level NVH Performance. SAE Technical Paper 2004-01-1536, 2003, DOI: 10.4271/2003-01-1494.

[2]Thomas Wang, Francisco Sturla and Vicente Cepeda Salazar, Mount Rate Robust Optimization for Idle Shake Performance. SAE Technical Paper 2004-01-1536, 2004, DOI: 10.4271/2004-01-1536.

[3]Vikram, M., Patil, R., Chattanahalli, S., and H Meti, V., "Torsional Vibration Damper Development for Emerging Market RWD Vehicle," SAE Technical Paper 2015-26-0128, 2015, DOI: 10.4271/ 2015-26-0128.

Timization of Mount System Based On the DOE Method

Wang Yang, Wang Hui, Xu Yong
( NVH Engineering Section, Brilliance Automotive Engineering Research Institutel, Liaoning Shenyang 110141 )

The vibration isolation of vehicle powertrain mounting system is mostly determined by the stiffness of each mount block. Because of the characteristics of the rubber, the manufacturing tolerance is difficult to control below the fifteen percent. That will bring the reflection to the NVH performance. It is one of the most important processes that the NVH performance of the vehicle keeps stable in the manufacturing tolerance range. According to the statistic analysis of a full factorial experiment, the optimization of mount stiffness is implemented, and the validation result shows the robust of NVH performance is reach the target via the DOE (design of experiments).

Automobile Mount; DOE; Robustness

U463.33 文献表示码：A

1671-7988（2016）11-60-04

王洋（1982-），男，工程师，就职于华晨汽车工程研究院。从事动力传动NVH相关工作。