优化设计在汽车变速箱上应用

何佳颖，夏奎，孟庆龙，郝悦



优化设计在汽车变速箱上应用

何佳颖，夏奎，孟庆龙，郝悦

（长安大学，陕西 西安 710064）

随着汽车工业的不断发展，人们对于汽车的各项性能要求日益提高。保证汽车产品具有优良性能、减少汽车整体及零部件的自重和体积、降低汽车生产成本和使用成本成为汽车优化设计的主要任务，对汽车零部件进行有效的优化，成为了汽车设计者的追求。文章主要介绍了汽车变速箱设计中一些常用的优化方法（遗传优化算法、神经网络算法、拓扑优化），并对这些方法进行了归纳和总结。

变速箱；优化；算法

前言

在汽车的设计开发中，有很多因素需要同时考虑，从而涉及到很多有关优化设计的内容，可以说优化设计已经渗透到汽车设计开发中的方方面面。变速箱是汽车传动系统的重要部件之一，是完成汽车动力传输的重要组成部分，同时也决定着汽车在工作状态下的整车性能。在汽车的优化设计中，汽车变速箱的优化设计显得非常重要，其中的重要意义在于提升汽车在工作状态中的整体性能，同时使得汽车产品的设计质量得到显著提高。优化设计的主要目标是获得最优的设计方案，对于汽车产品的设计优化目标包括最佳的生产成本、使用成本以及社会效益。一个理想的汽车变速箱，除了使汽车具有良好的动力性外，还应在可靠的工作条件下，做到体积小、用料省、质量轻。同时，能够轻便地进行换挡，有效地降低工作噪声等。

1 机械优化设计介绍

机械优化设计是最优化技术在机械设计领域的移植和应用，其基本思想是根据机械设计的理论、方法和标准规范等建立反映工程设计问题和符合数学规划要求的数学模型，然后采用数学规划方法和计算机计算技术自动找出设计问题的最优方案[1]。

机械优化设计目前是一门比较热门的学科。优化设计已经越来越科学化、系统化，它包含着数学规划方面的理论与方法，同时也与计算机程序设计紧密结合。随着时代的进步，计算机技术发展迅速，在机械优化设计中得到广泛的应用。为使得所期望的指标达到最优，计算机的数值计算可以轻松解决很多问题。有时所期望的指标不止一个，数学规划与计算机设计程序的结合可以清楚的分析其中的问题并解决所遇到的难题，从而使得多目标达到综合最优。优化设计在工程设计中可以大大提高产品的设计效率，同时保证产品的设计质量到达最优。为了得到较为完善的或者最合适的设计方案，优化设计被应用到各个行业领域，机械优化设计在工程设计领域中处于越来越重要的位置，被认为是一种非常重要的科学设计方法。

2 汽车变速箱的优化设计

汽车的优化设计是一个系统工程，优化的目的是在设计时能够改善设计质量，提高设计效率；同时使得整个汽车系统在工作状态中达到理想的性能。变速箱作为汽车的重要组成部分，它的优化设计直接影响着整车。在传动系统中，汽车变速箱的优化设计是为了动力在传递过程中保持良好的性能，包括经济方面的性能以及动力输出；在变速箱系统中，设计优化的目的是为了让汽车变速箱在相同的工作条件下达到外形的优化、体积的减小、材料的节省等。变速箱的优化是一个多目标问题，这是因为影响变速箱性能的因素有很多，在相同的工作条件下保证变速箱是整体尺寸最小应该作为一个优化目标。变速箱齿轮的大小主要由齿轮轴、齿轮、齿轮轴中心距决定，通过优化设计让这些因子到达综合最优来保证变速箱尺寸的优化。影响汽车驾驶平稳性中的因素中，变速箱齿轮的重合度是一个重要因素，也应该作为优化的目标。变速箱的优化设计不仅有以上因素，还有例如质量、结构强度等其它因素构成，在优化过程中都需要考虑。

2.1 遗传优化算法

遗传算法一类随机搜索算法，它是从孟德尔的遗传学说和达尔文的进化论中吸收而来，并且通过对这种生物进化的理解来发现规律，从而进行演化而来，得到一种随机搜索算法。遗传算法的特点是具有从全局中寻优的能力，并且可以自动地去适应和调整寻优的搜索方向，仅仅使用的是适应度函数值就可以进行相关评估，并且以此为基础来进行遗传操作，因而使得遗传算法在效率方面比普通优化搜索方法要高。

通过对遗传算法的发展，出现了多种基于遗传算法的改进算法，其中遗传算法NSGA－Ⅱ在多目标优化算法中是较为先进的。它是基于Pareto方法的优化算法中最为有效的多目标优化算法，其中，快速非支配排序使算法具有较低的计算复杂度；带有精英策略保证某些优良种群在进化中不会丢失；较少的共享参数减少人为对优化结果精度的影响[2]。

在变速箱优化设计中涉及因素与问题是比较多的，其中包括对变速箱壳体的轻量化进行优化设计，对变速箱齿轮的强度进行优化设计，对变速箱零部件的可靠性进行优化设计，还有关于变速箱再制造工艺决策的优化设计等。每一类问题涉及的目标变量都较多，且多为非线性问题，用普通优化方法难以求解，而遗传算法及其发展的算法可以方便快速求解，所以该方法适用于变速箱的优化设计。

遗传算法已经在汽车变速箱优化设计中得到应用，并且有很多成功的案例。其中安徽农业大学利用NSGA－Ⅱ算法对包含2个目标函数、33个设计变量和115个约束条件的微耕机变速箱数学模型进行优化求解，使变速箱体积减少15.96%，重合度提高4.60%[3]。

2.2 神经网络算法

人工神经网络由于具有优良的非线性逼近特性、并行式分布结构、较好的容错性以及自适应学习和归纳能力，使其在诸如建模、时间序列分析、模式识别、信号处理和工业控制等领域都得到了广泛的应用[4]。

ＢＰ神经网络算法是至今为止应用最为广泛的神经网络算法。ＢＰ神经网络算法的基本思想是，在学习过程中有信号的正向传播，也有误差的反向传播。学习过程由这两种传播组成，在正向传播与反向传播中，各层的权值不断得到调整，也就是网络的训练过程，此过程直到达到误差可接受的程度结束。BP神经网络算法经常被用在汽车变速箱的故障检测当中。

变速箱作为传动机构的关键部件，一旦发生故障将会对整个系统造成重大影响，所以对变速箱进行准确的故障诊断，提前发现故障征兆并采取积极的维修策略，对预防重大事故的发生具有重要的作用。运用BP神经网络算法检测变速箱故障时，首先应该进行相关实验，通过在实验中获得的在故障和无故障两种状态下的相关监控参数，然后经过预处理设为网络的输入模式；在此基础上建立神经网络系统，通过网络的训练使其能够到达提前设定的诊断精度；最后通过对不同的输入故障征兆相关向量进行测试，能够获得在该种状态下的网络输出模式，经过处理后得到诊断结果。

由于振动信息中包含着丰富的工作状态信息和故障特征信息，可以有效的识别变速箱的状态，所以分别获取变速箱在正常状态、故障状态下的振动信号，并加以分析和分类，通过采集的振动信息，可以建立基于振动信号的变速箱故障诊断神经网络模型，从而便于故障的模式识别。

2.3 拓扑优化算法

拓扑优化是一种根据给定负载、约束及优化目标，在特定区域内寻求材料分布最合理的优化方法，在汽车变速箱优化方面，主要应用于变速箱箱体的设计优化，目的是使变速箱箱体材料在满足刚度等约束条件的前提下，在给定的区域内使材料分布更合理[5]。在优化过程中，给定的设计区域一般保持不变，而微结构的孔洞大小可以变化，如某一部分区域的微结构全部为孔洞，则这部分区域便被从设计区域上“移走”，从而形成一个大孔洞，如部分区域上微结构孔洞全部消失，则这部分区域上便组成“实在结构”[6]。这样初始设计均匀分布在设计区域上的材料便重新分布，形成新的结构形式，得到结构在一定条件下的最优拓扑[7]。

优化的方法有变密度法、水平集法、均匀化方法以及渐进结构优化法，且其中的变密度法已经在一些商用优化软件中得以应用。其基本原理为以有限元方法为依靠，将特定区域内的材料离散成有限多个单元，再根据算法来确定这些单元是保留还是舍去，最终留下的单元为最优的拓扑方案来实现拓扑优化。

对于变速箱箱体，通过整体的结构拓扑优化可以发现变速箱箱体薄弱环节以及需要优化的部位。山东大学曾成功在变速箱上应用拓扑优化方法[8]。山东大学应用拓扑优化方法中的变密度法，对重载变速箱箱体进行以体积最小为目标，以应力和形变作为约束条件的设计，最终使变速箱箱体减重11.68%，最大形变量降低20.2%且综合性能提高，不仅可以使汽车变速箱达到轻量化要求，还可以使得其可靠性得到提高。

3 总结

影响汽车变速箱性能的因素有非常多个，对于不同种类和大小的变速箱影响因素也不尽相同。通过对影响汽车变速箱的各个因素进行分析，选用合适的优化算法对汽车变速箱进行合理的优化设计，在提高了汽车变速箱的各个性能的同时，优化了整车性能。随着技术的不断进步，各类优化方法都有了极大的发展。使用合适的优化方法来进行汽车变速箱的设计、制造、检测、维修，将会使得整个工作效率得到极大的提高，并带来巨大的经济效益和社会效益。

[1] 宋志强.机械优化设计方法综述[J].呼伦贝尔学院学报,2012, 20(05):71-73+61.

[2] 刘旭东.基于NSGA-Ⅱ遗传算法的汽车动力传动系统优化模拟研究[J].科技广场, 2015(9):100-103.

[3] 曾晨,李兵,王小勇,等.基于NSGA-Ⅱ算法的微耕机变速箱多目标优化设计[J].机械传动,2016(7):87-91.

[4] 杨梅,卿晓霞,王波.基于改进遗传算法的神经网络优化方法[J]. 计算机仿真, 2009-05-01.

[5] 王显会,许刚,李守成,等.特种车辆车架结构拓扑优化设计研究[J]. 兵工学报,2007,28(8):903-908.

[6] 马德森.基于节点密度的拓扑优化设计方法及应用研究[J].大连理工大学,2007-12-01

[7] 张光炯,张保成.基于HyperWorks的柴油机油底壳拓扑优化设计[J]. 柴油机设计与制造, 2010-01-01.

[8] 张喜清,项昌乐,刘辉.多工况下变速箱箱体结构的拓扑优化设计[J].中国机械工程,2001,22(15):1779-1783.

The Applications of Optimized design in Automobile Transmission

He Jiaying, Xia Kui, Meng Qinglong, Hao Yue

( Chang'an University, Shaanxi Xi'an 710064 )

With the continuous development of the automobile industry, people's requirements for the performance of cars are increasing. To ensure that automobile products have excellent performance, to reduce the overall weight and volume of the cars, and to reduce the production and use costs of automobiles have become the main tasks of automobile optimization design. The effective optimization of automobile parts has become the pursuit of automobile designers. This research mainly introduces some popular optimized design methods in the design of automobile transmission(Genetic Algorithm, Neural Network Algorithm, Topology Optimization), and these methods are summarized and summarized.

automobile transmission; optimization; algorithm

B

1671-7988(2018)16-140-03

U462

B

1671-7988(2018)16-140-03

CLC NO.: U462

何佳颖，就职于长安大学。获得国家级大学生创新创业训练（201710710013）资助。

10.16638/j.cnki.1671-7988.2018.16.050