基于BP神经网络的商用车传动轴频率预测

江书真，张博，舒玉华

基于BP神经网络的商用车传动轴频率预测

江书真，张博，舒玉华

（长安大学汽车学院，陕西 西安 710064）

为避免建立或修改结构复杂的车辆模型，文章使用BP神经网络的方法来对传动轴进行频率预测。以某商用车传动轴为研究对象，在考虑等效质量、连接方式的原则上，建立了传动轴有限元模型。根据结构灵敏度分析理论，选取对固有频率影响较大的结构参数作为神经网络的输入，前两阶固有频率作为输出，并利用其进行预测。结果表明，BP神经网络能够较准确地预测出由不同结构参数组成的传动轴的固有频率。

传动轴；灵敏度分析；BP神经网络；频率预测

引言

汽车传动轴作为汽车上的关键零部件，起着将发动机发出的动力传递至前后桥的作用，能够缓冲从行驶系传来的振动以确保整车动力系统运转顺利。它的频率可能影响整车的声品质，合理地设计汽车传动轴对解决汽车的振动和噪声问题十分重要。本文在结合有限元分析的基础上，使用结构参数作为BP神经网络的输入参数，由于传动轴结构参数较为复杂，故需对其进行灵敏度分析，找出对其影响较大的结构参数。

本文运用BP神经网络的方法来获得模型固有频率，以避免修改数量庞大、结构复杂的有限元模型。

1 传动轴有限元自由模态分析

1.1 建立有限元模型

某商用车传动轴由轴管叉、轴管、十字轴、花键毂等组成，其中轴管长度为788mm,厚度为1.8mm，直径70mm，传动轴材质为20钢，其弹性模量为210GPa，泊松比为0.3，密度为7850Kg•-3。采用自由划分网格方法，轴管单元尺寸为0.01mm，轴管叉为0.005mm，传动轴各零件之间为面面接触，接触方式为绑定，solid（186）离散传动轴。

图1 传动轴有限元模型

1.2 模态分析理论

要研究传动轴的动态特性，开始要建立该系统的运动微分方程。一般的，多自由度的动力学的通用方程为：

式中，M-广义质量矩阵；C-阻尼矩阵；-刚度矩阵；()-激振力向量，对于模态分析，()=0，C可忽略不计，多自由度的动力学方程为：

其对应的特征方程为：

式中，-固有频率。求解上式可得到传动轴的固有频率和阵型。

1.3 自由模态结果分析

由振动理论可知，在结构振动过程中，起关键作用的是低阶模态，高阶模态对响应的贡献量较小，且衰减快，因此考虑低阶模态[1]。固有频率、模态阵型是决定结构动态特性的重要参数。在对模态进行计算时，使轴处于自由状态，由于自由状态下前6阶固有频率对应刚体模态，刚体在受力后不发生变形，因此前6阶固有频率几乎都为零。从第7阶开始提取前2阶固有频率和振型[2]。某一尺寸参数的传动轴前2阶固有频率和振型如表：

表1 前两阶固有频率及阵型

图3 第2阶模态频率及阵型

2 结构灵敏度分析

可靠性灵敏度定义为基本变量分布参数的变化引起失效概率变化的比率，反映了基本变量对失效概率的影响程度[3]。数学意义就是结构响应对设计变量的偏导数的求解过程，结构性能参数的设计变量u对设计变量x的灵敏度可定义为：

分析结构各个参数对输出变量的贡献度大小，作为神经网络训练输入参数，各个结构参数的组合构成测试样本。本文基于ANSYS响应面法中DOE正交设计模块得出各个结构参数对传动轴频率贡献度大小。

表2 各结构尺寸及范围

本文中对模态固有频率贡献度较大的有轴管外径、轴管厚度、轴管长度、质心处质量，故将之设为神经网络输入参数，期许得到的第1阶固有频率、第2阶固有频率作为神经网络输出。

3 BP神经网络预测

本文采用MATLAB中的反向传播（back propagation，BP）神经网络，对模型样本点进行拟合。为防止在BP神经网络训练中可能出现训练过度的现象，需要对输入参数和输出参数做归一化处理，本文采用的是Mapminmax函数。经过多次测试验证，搭建了一个由4个节点的输入层、2个节点的输出层的单层BP神经网络，均采用sigmoid函数，模型训练次数为3000次，目标最小误差为0.0001，学习速率为0.03，为了验证BP神经网络预测的可靠性，随机选择2个测试集，得出前2阶固有频率。

可将此与Ansys Workbench中有限元分析得到的前2阶模态频率进行比较，如下表。

表3 仿真与BP神经网络预测对比

4 结论

本文通过结合ANSYS Workbench与BP神经网络对乘用车固有频率进行对比，得出在模型较精确的前提下，BP神经网络能够较好地预测出被测物体的模态频率，控制误差在1%范围内。该方法识别精度高、收敛速度快，且不需要建立或修改复杂的有限元模型，就能够预测出被测物体固有频率，节省人力、物力，因此可应用于汽车领域。

[1] 尹长城,马迅,陈哲.基于ANSYS Workbench传动轴的模态分析[J].湖北汽车工业学报,2013,27(01):15-17+22.

[2] 糜健,肖才远,石瑞望,李智,刘洋.基于ANSYS的汽车传动轴的模态分析与结构改进[J].内燃机与配件,2018(02):47-49.

[3] 吕震宇,宋述芳等.结构机构可靠性及可靠性灵敏度分析[M].北京:科学出版社,2017.

Prediction Of Transmission Shaft Frequency Of Commercial Vehicle Based On BP Neural Network

Jiang Shuzhen, Zhang Bo, Shu Yuhua

( Chang’an University, School of Automobile, Shaanxi Xi’an 710064 )

In order to avoid building or modifying the vehicle model with complicated structure, this paper uses BP neural network method to predict the transmission shaft frequency. Taking the transmission shaft of a commercial vehicle as the research object and considering the principle of equivalent mass and connection mode, the finite element model of the transmission shaft is established. According to the structural sensitivity analysis theory, structural parameters which have a great influence on the natural frequency are selected as the input of the neural network, and the first two natural frequencies are used as the output. The results show that BP neural network can accurately predict the natural frequency of the shaft composed of different structural parameters.

Transmission shaft; Sensitivity analysis; BP neural network; Frequency prediction

U463.216+.2

A

1671-7988(2019)24-70-03

U463.216+.2

A

1671-7988(2019)24-70-03

10.16638/j.cnki.1671-7988.2019.24.023

江书真（1995-）男，研究生，就读于长安大学车辆工程专业，研究方向为汽车NVH。