Moderne Optimierungsmethoden, in der Regel sensitivitätsbasiert, helfen in der Fahrzeugauslegung den Fahrzeugkomfort deutlich zu verbessern. Diese Verfahren werden mit Erfolg in der Automobilindustrie eingesetzt. Die Benutzung typischer sensitivitätsbasierter Optimierungsalgorithmen können schnell zu sehr nützlichen Ergebnissen führen. Die Motorlager von Kraftfahrzeugen haben signifikanten Einfluss auf den von Motorvibrationen fremderregten Schwingungspegel und Akustikkomfort des Fahrzeugs. Um das globale Optimum von Motorlagern zu bestimmen, werden Suchalgorithmen benötigt wie z.B. Simulated Annealing oder Genetische Algorithmen. Mit dem im Beitrag vorgestellten Verfahren war man in der Lage, globale Optimierungsalgorithmen einzusetzen und die Schwächen gradientenbasierter Verfahren aufzuzeigen. Ein weiterer Vorteil des reduzierten Systems ist, dass man sehr schnell und effizient Parameterstudien, wie die des Anstellwinkels, durchführen kann. Zuerst wurde eine dynamische Reduktion nach Craig/Bampton durchgeführt. Dadurch konnte die Rechenzeit zur Simulation der Beschleunigungen mit MSC.NASTRAN auf ca. 10 min reduziert werden. In einer weiteren Reduktion, die eine Guyanreduktion für jeden einzelnen Frequenzschritt darstellt, wurde das Modell auf 50 Freiheitsgrade reduziert. Für interaktive Parameterstudien wurde ein Neuronales Netz aufgebaut, das in der Lage war, die entstandene Gleichung ohne den Solveroverhead von Nastran zu lösen und das physikalische Verhalten des Modells zu interpolieren. Eine Analyse mit diesem Neuronalen Netz dauerte ca. 2 sec. Das vorgestellte Verfahren bietet im Gegensatz zu kommerziellen Solvern die Möglichkeit, den Anbindungsort der Lager zu optimieren.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Optimierung von Motorlagern bezüglich des Vibrationskomforts unter Verwendung globaler Suchalgorithmen


    Additional title:

    Optimization of engine mounts for NVH response using global search algorithms


    Contributors:
    Heiserer, D. (author) / Chargin, M. (author)


    Publication date :

    2000


    Size :

    10 Seiten, 8 Bilder, 4 Quellen




    Type of media :

    Conference paper


    Type of material :

    Print


    Language :

    German