基于疲劳寿命的轿车后悬架扭转梁轻量化设计
蒋荣超1, 王登峰1, 秦民2, 蒋永峰2
1.吉林大学 汽车仿真与控制国家重点实验室,长春 130022
2.中国第一汽车股份有限公司 技术中心,长春 130011
王登峰(1963-),男,教授,博士生导师.研究方向:汽车轻量化设计与应用.E-mail:caewdf@jlu.edu.cn

作者简介:蒋荣超(1985-),男,博士研究生.研究方向:汽车轻量化设计与应用.E-mail:jrch123@126.com

摘要

以某国产轿车后悬架扭转梁的轻量化为研究目标,利用多体动力学软件建立考虑后悬架扭转梁柔性的整车刚柔耦合模型,并通过扭转梁自由模态试验和整车行驶平顺性实车道路试验验证了模型的正确性。在耐久性强化路面上进行整车动力学仿真分析,计算扭转梁模态位移时间历程,通过模态应力恢复得到扭转梁应力时间历程,并采用名义应力法进行疲劳寿命分析。基于网格变形技术建立扭转梁参数化模型并定义设计变量,以质量和疲劳寿命为优化目标,以一阶扭转模态频率和扭转刚度为约束条件,结合Kriging近似模型和多目标粒子群优化算法对扭转梁进行多目标优化设计,获取Pareto最优解集,并选取一个最优解验证扭转梁轻量化效果。结果表明,在使疲劳寿命满足设计要求的同时,优化后扭转梁质量减少20.35%,轻量化效果比较明显。

关键词: 车辆工程; 轻量化设计; 模态应力恢复; 疲劳寿命; 网格变形; 粒子群优化
中图分类号:U463.33 文献标志码:A 文章编号:1671-5497(2016)01-0035-08
Lightweight design of twist beam of rear suspension of passenger car based on fatigue life
JIANG Rong-chao1, WANG Deng-feng1, QIN Min2, JIANG Yong-feng2
1.State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China
2.R&D Center, FAW Group Corporation, Changchun 130011, China
Abstract

This paper studies the lightweight design method of the twist beam of rear suspension of a domestic passenger car. The whole vehicle's rigid-flexible coupling model with flexible twist beam was built using multi-body dynamics software. Modal test of the twist beam in a free-free configuration and vehicle road test of ride comfort were carried out to verify the validity of the proposed model. On this basis, the modal displacement time history of the twist beam was calculated from a dynamic simulation on the durability enhancement road. Then the stress time history of the twist beam was obtained based on Modal Stress Recovery (MSR). According to the nominal stress method, fatigue life of the twist beam was assessed. Furthermore, mesh morphing technology was employed to build the parametric model of the twist beam, which was used to define the design variables. Then, the Kriging approximation model and particle swarm algorithm were adopted to perform the multi-objective optimization of the twist beam. The mass and fatigue life were defined as the objective functions, while the first modal frequency and torsional stiffness were taken as the constraints. The Pareto optimal set was found and one of the optimal solutions was chosen to check the effectiveness of the optimization method. The results indicate that the weight of the optimized twist beam is reduced 20.35% while its fatigue life satisfies the design requirement.

Keyword: vehicle engineering; lightweight design; modal stress recovery; fatigue life; mesh morphing; particle swarm optimization
0 引 言

为满足节能与环保的要求, 汽车轻量化已成为汽车领域的研究热点[1]。轿车后悬架扭转梁是底盘关键零部件之一, 其轻量化设计也是整车轻量化的重要组成部分。近年来, 国内外许多学者关于汽车轻量化设计进行了大量的研究工作, 并取得了一些有价值的研究成果[2, 3]。但在上述研究中, 主要以板件厚度等为设计变量, 采用尺寸优化的方法进行汽车结构的轻量化优化设计, 优化空间有限, 尤其是对于结构较复杂的轿车后悬架扭转梁结构, 轻量化效果不明显。相对于尺寸优化, 采用基于参数化模型的网格变形技术进行形状优化, 会使扭转梁结构轻量化效果更显著。

后悬架扭转梁是轿车底盘重要的承载件, 在汽车行驶过程中承受来自路面和车身之间三个方向的作用力和力矩, 对于汽车的行驶平顺性、操纵稳定性和NVH等整车性能都有重要影响, 特别是轻量化设计通常会提高其结构应力水平, 降低疲劳寿命, 对其进行轻量化设计时, 需综合考虑质量、疲劳寿命、刚度和模态等性能指标。传统的轻量化设计方法主要以质量最小为目标, 以刚度和低阶模态为约束条件, 进行轻量化优化设计, 通过疲劳强度验证轻量化结果的可靠性[4, 5, 6]。然而, 由于疲劳载荷提取和疲劳寿命计算耗时较大, 同时以质量和疲劳寿命为目标函数进行轻量化多目标优化设计的研究较少。因此, 采用模态应力恢复方法进行疲劳寿命预测, 可考虑动态载荷对扭转梁结构的影响, 兼顾计算精度和效率, 在考虑质量和疲劳寿命的基础上, 进行后悬架扭转梁轻量化多目标优化设计研究, 可得到更能满足使用性能要求的优化结果。

本文以某轿车后悬架扭转梁为研究对象, 基于多体动力学理论建立考虑后悬架扭转梁总成柔性的整车刚柔耦合虚拟样机模型, 通过扭转梁总成自由模态试验和整车行驶平顺性实车道路试验验证所建整车刚柔耦合模型的正确性。根据汽车试验场耐久性试验工况, 建立典型耐久性强化路面模型, 进行整车动力学仿真分析, 得到扭转梁柔性体模态位移时间历程, 通过模态应力恢复的方法提取扭转梁应力时间历程, 并采用名义应力法进行疲劳寿命分析。综合考虑质量、疲劳寿命、刚度和模态等性能之间的耦合关系, 基于网格变形技术和近似模型理论, 采用粒子群优化算法对扭转梁进行多目标形状优化, 实现后悬架扭转梁轻量化设计。

1 整车刚柔耦合模型
1.1 扭转梁总成有限元建模

进行后悬架扭转梁总成有限元建模时, 先将其三维模型导入有限元前处理软件中, 然后选用壳单元进行网格划分, 共离散为25 913个单元和26 380个节点, 得到该扭转梁有限元模型如图1所示。

图1 后悬架扭转梁总成有限元模型Fig.1 Finite element model of twist beam

采用Lanczos法对建立的扭转梁总成有限元模型在无约束自由状态下进行模态分析, 提取其前6阶固有频率和模态振型, 并与自由模态试验结果进行对比。基于试验模态分析理论, 采用单输入/多输出识别法对扭转梁总成进行试验模态分析, 试验过程中通过橡皮软绳将扭转梁总成悬吊起来, 使其处于如图2所示的自由状态, 采用力锤施加脉冲激振力, 利用三向振动加速度传感器拾取扭转梁总成各测点的振动加速度信号, 扭转梁总成上各测点布置如图3所示。

图2 扭转梁总成模态试验现场Fig.2 Modal test of twist beam

图3 测点布置示意图Fig.3 Nodes layout diagram

将扭转梁总成前6阶非刚体自由模态频率和振型的仿真分析与试验结果进行对比, 如表1所示。

表1 扭转梁总成仿真分析与模态试验结果对比 Table 1 Comparison between simulation and testing mode

表1中可见, 扭转梁总成前6阶模态振型一致, 固有频率的仿真分析与试验结果比较接近, 最大相对误差小于4%, 说明该扭转梁总成有限元模型是准确合理的。

1.2 整车刚柔耦合建模

由于有限元模型自由度数目庞大, 在建立柔性体模型时, 采用模态综合法对有限元模型进行超单元分析, 并定义超单元与其他部件连接的外部节点, 通过主模态和约束模态组成的超单元假设模态代替原完备模态, 生成可用于多体动力学仿真分析的柔性体模型[7]。选取后悬架扭转梁总成的前20阶非刚体模态, 定义扭转梁总成与悬架、车身和车轮等部件连接的外部节点共8个, 建立扭转梁总成柔性体模型如图4所示。

图4 后悬架扭转梁总成柔性体模型Fig.4 Flexible model of twist beam

利用Adams软件建立整车刚柔耦合模型时, 将扭转梁总成柔性体模型导入到后悬架子系统中, 通过外部节点完成与其他部件的约束连接。按照各子系统间的拓扑关系, 将车身、前悬架、后悬架、转向系、制动系和轮胎等子系统模型通过通讯器完成相互之间的装配连接, 最后得到轿车整车刚柔耦合虚拟样机模型如图5所示。

图5 整车刚柔耦合模型Fig.5 Rigid-flexible coupling vehicle model

1.3 整车模型的试验验证

使整车刚柔耦合模型在满载状态下分别以20、40、60、80、100、120 km/h的车速在构建的B级路面上匀速行驶, 进行整车行驶平顺性仿真分析, 提取驾驶员座椅处车身地板的振动加速度响应, 并与实车试验结果进行对比验证。

按照国家标准GB/T4970-2009《汽车平顺性试验方法》中规定的加权加速度均方根值计算方法, 计算出驾驶员座椅处地板振动的总加权加速度均方根值随车速变化的仿真和试验结果, 如图6所示。

图6 总加权加速度均方根值随车速变化曲线Fig.6 Overall weighted acceleration RMS vs vehicle speed

图6可以看出, 随着车速的增加驾驶员座椅地板处总加权加速度均方根值的仿真和试验结果均呈逐渐增大的趋势; 两者的变化趋势基本一致, 数值上略有差别, 最大相对误差小于9.7%, 从而验证了所建整车刚柔耦合虚拟样机模型的正确性, 能够用于后悬架扭转梁疲劳寿命研究。

2 扭转梁总成疲劳寿命分析
2.1 模态应力恢复理论

在整车刚柔耦合模型中, 扭转梁总成柔性体模型的弹性位移可通过模态矢量和模态坐标的线性组合来表示[8], 其任一点的广义坐标可定义为:

q=x, y, z, ϕ, θ, φ, ξiT=R, Ψ, ΦT1

式中:(x, y, z)为局部坐标系在总体坐标系中的位置; (ϕ , θ , φ )为局部坐标系在总体坐标系中的欧拉角; ξ i为柔性体的第i阶模态位移; (R, Ψ )为坐标的矢量表达; Φ ξ i的矢量表达, 即模态位移矢量。

模型的拉格朗日动力学方程为:

Mq··+M·q·-12Mqq·Tq·+Kq+G+Cq·+ΩqTλ=Q2

式中:MKC分别为扭转梁总成柔性体的质量矩阵、刚度矩阵和阻尼矩阵; G为重力; λ 为约束方程的拉格朗日乘子; Q为广义力矩阵。

求解式(2)可得q, 进而得到模态位移矢量Φ 及其各阶模态位移ξ i。结合模态分析得到的第i阶固有频率ω i和模态振型矢量ϕ i, 基于模态应力恢复算法可求得有限元模型上节点的模态应力σ 和反作用力F分别为:

σ=ΦEσF=KU-ω2MU3

式中:Eσ 为模态应力矩阵, 由材料的弹性模量和泊松比决定; ω 为模态圆频率, 是ω i的矢量表达; U为节点位移, 通过模态振型矢量ϕ i和模态位移矢量Φ 进行定义。

通过式(3)求解得到柔性体节点应力σ 和反作用力F的时间历程, 可作为结构疲劳寿命分析的载荷谱。

2.2 扭转梁应力时间历程

汽车试验场的耐久性试验道路包括比利时路、鹅卵石路、扭曲路、搓板路等典型路面, 可进行汽车的疲劳强化试验, 大幅缩短汽车耐久性试验周期[9]。其中, 比利时路是随机输入型道路, 与实际道路统计特性比较接近, 是耐久性试验中最普遍采用的道路之一。此外, 鹅卵石路可提供较大的纵向和横向冲击激励, 搓板路属于周期性的简谐振动路面, 可用来考查汽车强迫振动下的疲劳强度[10, 11]。因此, 选择这3种典型耐久性路面构建虚拟试验场耐久性强化组合路面模型, 可较全面的反映真实路面激励特征, 给汽车输入足够的激振载荷。参考安徽定远汽车试验场相应的耐久性试验规范, 构建鹅卵石路、搓板路和比利时路虚拟路面模型, 并根据各路面所占行驶里程, 生成长度为160 m的耐久性强化试验组合路面模型, 如图7所示。其中鹅卵石路长度为40 m, 搓板路长度为40 m, 比利时路长度为80 m, 所占比例分别为25%、25%和50%。

图7 汽车耐久性强化试验组合路面Fig.7 Durability enhancement road

使整车刚柔耦合虚拟样机模型在满载工况下以50 km/h的车速在耐久性强化试验路面上行驶, 进行整车耐久性仿真分析, 计算时间为11.5 s, 对应的行驶里程约为160 m。提取扭转梁总成柔性体模型各阶模态位移的时间历程, 并采用模态应力恢复方法得到扭转梁总成模型各节点的应力时间历程。图8给出了扭转梁总成柔性体模型的第2阶模态位移时间历程, 图9为某时刻扭转梁总成应力分布图, 图10是应力集中处某节点的应力时间历程。

图8 第二阶模态位移时间历程Fig.8 Modal displacement time history of mode 2

图9 后悬架扭转梁总成应力云图Fig.9 Stress contour of twist beam

图10 节点应力时间历程Fig.10 Node stress time history

图10可见, 仿真过程中该节点的最大应力值为281.06 MPa, 出现在时间历程的1.56 s处(鹅卵石路面), 仿真得到的后悬架扭转梁应力时间历程可用于疲劳寿命预测。

2.3 扭转梁总成疲劳寿命分析

汽车后悬架扭转梁结构的疲劳失效通常为低载高周疲劳破坏, 一般采用名义应力法(S-N法)进行疲劳寿命计算, 该方法通过S-N曲线将疲劳寿命与应力之间的关系描述为[12]:

σa=σ'f2Nf)b4

式中:σ a为应力幅; σ 'f为疲劳强度系数; b为疲劳强度指数; Nf为载荷循环次数。

S-N曲线一般通过零均值载荷下的疲劳试验测取, 而汽车扭转梁总成结构所受载荷历程通常为非零均值随机载荷, 可采用Goodman法对非等幅应力进行修正, 即:

σe=σa1-(σm/σu)5

式中:σ e为等效零均值应力幅; σ m为应力均值; σ u为极限拉伸强度。

基于Palmgren-Miner线性疲劳损伤累计理论, 变幅载荷下零部件的疲劳损伤和疲劳寿命分别定义为:

D=i=1kniNfi1, N=1D6

式中:k为变幅载荷的应力水平级数; ni是第i级载荷的循环次数; Nfi为第i级载荷下的疲劳寿命; D为总疲劳损伤; N为疲劳寿命。

基于上述理论方法, 在MSC.Fatigue软件中创建后悬架扭转梁材料的S-N曲线, 设置存活率为95%, 将整车动力学仿真获得的扭转梁应力时间历程导入, 采用名义应力法计算后悬架扭转梁疲劳寿命, 并选择Goodman法修正平均应力对疲劳寿命的影响, 得到扭转梁疲劳寿命云图如图11所示。

图11 后悬架扭转梁总成疲劳寿命云图Fig.11 Fatigue life contour of twist beam

图11可看出, 扭转梁最小疲劳寿命出现在横梁与纵臂连接处, 即图中位置P处, 最小循环寿命值为1.24× 105个载荷循环, 根据强化路面的长度换算成耐久性强化路面疲劳寿命里程数为1.24× 105× 0.16=19 840 km。

汽车在用户路面行驶时, 扭转梁的疲劳寿命里程可通过强化路面的强化系数计算得到, 强化系数定义为[11]:

K=L0/Lp7

式中:K为强化系数; L0为用户路面失效里程; Lp为强化路面失效里程。

组合强化路面的综合强化系数可定义为:

KΣ=i=13wiKi8

式中:KΣ 为组合强化路面的综合强化系数; wi为第i段强化路面所占比例; Ki为第i段强化路面的强化系数。

本文所建立的强化组合路面模型包括3种强化路面, 根据文献[11]可知鹅卵石路、搓板路和比利时路的强化系数分别为5.8、4.9和12.6, 根据式(8)和各强化路面所占比例, 可得组合强化路面的强化系数为5.8× 0.25+4.9× 0.25+12.6× 0.5=9.0。因此扭转梁最小疲劳寿命为19 840× 9=178 560 km, 满足耐久性道路试验中汽车零部件疲劳寿命大于100 000 km的要求[13], 且扭转梁总成的疲劳寿命有一定余量, 存在进一步轻量化的空间。

3 扭转梁总成轻量化设计
3.1 设计变量

基于网格变形技术, 采用商业软件DEP Meshworks/Morpher建立后悬架扭转梁总成参数化模型, 定义6个形状变量和3个厚度变量(记为x1, x2, …, x9)如图12所示, 由于扭转梁横梁截面为对称结构, 则有x2=x5, x1=-x4表2给出了各设计变量的取值范围。

图12 参数化模型及设计变量Fig.12 Parametric model and design variables

表2 设计变量取值范围 Table 2 Value range of design variables
3.2 近似模型

为提高优化效率, 采用Kriging近似模型代替仿真模型来表达各设计变量和响应之间的关系, 根据最优拉丁方试验设计方法在每个设计变量取值范围内均匀随机采样, 参考各设计变量取值范围和拟合精度要求选取81个样本点拟合各响应的Kriging近似模型。可通过决定系数R2检验各近似模型的精度, 其表达式为:

R2=i=1ny^i-y-2i=1nyi-y-29

式中:n为用于检验模型精度的数据点数量; y^i为第i个响应的近似模型预测值; yi为第i个响应的仿真值; y-为平均值。

决定系数R2的取值范围是[0, 1], 其值越接近于1, 说明近似模型可信度越高。额外随机选取10个样本点对近似模型精度进行检验, 得到后悬架扭转梁质量、疲劳寿命、一阶扭转模态频率和扭转刚度近似模型的决定系数分别为0.9874、0.9218、0.9702、0.9738, 其中质量和疲劳寿命近似模型的检验结果如图13所示, 可见各近似模型均满足精度要求。

图13 Kriging模型精度检验Fig.13 Precision validation of Kriging model

3.3 扭转梁总成轻量化多目标优化设计

综合考虑质量、疲劳寿命、刚度和模态等性能指标, 对后悬架扭转梁总成进行轻量化多目标优化设计, 优化的数学模型可描述为:

min(m(x), -N(x))s.t.kt(x)-kt00.1kt0ft(x)-ft00.1ft0xxL, xU10

式中:m(x)为后悬架扭转梁总成质量; N(x)为扭转梁总成的最小疲劳寿命; kt(x)、kt0分别为扭转梁总成的扭转刚度值及其初始值, kt0=38.28 N· m/(° ); ft(x)、ft0分别为一阶扭转模态频率及其初始值, ft0=36.84 Hz; x为设计变量, xLxU分别为各设计变量取值的下限和上限。

将各性能指标计算组件集成到多学科优化分析平台Isight软件中, 选择粒子群多目标优化算法, 建立基于Kriging近似模型的后悬架扭转梁总成轻量化多目标优化分析模型, 如图14所示。

图14 多目标优化分析模型Fig.14 Multi-objective optimization model

3.4 结果分析

定义粒子群算法的粒子群规模为80, 迭代的代数为120, 优化得到Pareto前沿如图15所示。

图15可知, 后悬架扭转梁总成的质量和疲劳寿命两个目标函数之间是相互矛盾的, 其中一个目标函数达到最优要以牺牲另外一个目标函数为代价。由于是针对扭转梁总成的轻量化研究, 在保证扭转梁疲劳寿命满足设计要求的同时, 尽量使扭转梁总成质量最小, 因此选择Pareto前沿中满足扭转梁总成疲劳寿命要求且使其质量相对较小的解作为最优解, 根据工程实际对设计变量优化结果进行修正, 得到优化前后设计变量具体数值如表3所示。

表3 优化前后的设计变量 Table 3 Design variables before and after optimization

为验证后悬架扭转梁轻量化效果, 将设计变量修正值赋予仿真模型, 计算扭转梁各项性能指标, 并与优化前的性能指标进行对比, 如表4所示。图16给出了扭转梁总成轻量化设计后疲劳寿命云图。

表4 优化设计结果 Table 4 Optimization results

图16 优化后扭转梁总成疲劳寿命云图Fig.16 Fatigue life contour of optimized twist beam

表4图16可知, 通过多目标粒子群优化算法对Kriging近似模型进行迭代寻优, 使得后悬架扭转梁总成质量降低了3.77 kg, 比初始设计减少质量20.35%, 轻量化效果比较明显。同时, 扭转梁一阶扭转模态频率和扭转刚度变化不大, 最小疲劳寿命为8.22× 104, 换算成里程数约为118368 km, 满足设计要求。

4 结 论

(1)以某轿车后悬架扭转梁总成为研究对象, 建立了考虑扭转梁总成柔性的整车刚柔耦合模型, 并通过扭转梁总成自由模态试验和整车行驶平顺性实车道路试验验证了所建模型的正确性。

(2)构建了汽车试验场耐久性强化路面模型, 通过整车动力学仿真分析, 得到了扭转梁总成柔性体模态位移时间历程, 采用模态应力恢复方法获得了扭转梁总成应力时间历程, 并基于名义应力法对扭转梁总成进行了疲劳寿命分析。

(3)综合运用网格变形技术、近似模型理论和多目标粒子群优化算法, 对扭转梁进行了多目标轻量化优化设计, 得到了Pareto最优解集。

(4)选取一个最优解验证了后悬架扭转梁轻量化效果, 结果表明:在保证后悬架扭转梁总成疲劳寿命满足设计要求的同时, 优化后扭转梁减少质量20.35%, 轻量化效果比较明显。

The authors have declared that no competing interests exist.

参考文献
[1] 郑松林, 王彦生, 卢曦, . 基于强度变化特征的汽车结构件轻量化设计方法[J]. 机械工程学报, 2008, 44(2): 129-133.
Zheng Song-lin, Wang Yan-sheng, Lu Xi, et al. Weight-reduction design of auto structures based on strength features[J]. Chinese Journal of Mechanical Engineering, 2008, 44(2): 129-133. [本文引用:1]
[2] 王平, 郑松林, 吴光强. 基于协同优化和多目标遗传算法的车身结构多学科优化设计[J]. 机械工程学报, 2011, 47(2): 102-108.
Wang Ping, Zheng Song-lin, Wu Guang-qiang. Multidisciplinary design optimization of vehicle body structure based on collaborative optimization and multi-objective genetic algorithm[J]. Chinese Journal of Mechanical Engineering, 2011, 47(2): 102-108. [本文引用:1]
[3] 王新宇, 王登峰, 陈静, . 重型商用车驾驶室轻量化设计[J]. 农业机械学报, 2012, 43(8): 13-18.
Wang Xin-yu, Wang Deng-feng, Chen Jing, et al. Lightweight design for heavy-duty truck cab[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(8): 13-18. [本文引用:1]
[4] 王书亭, 刘啸, 吴义忠, . 基于灵敏度分析的车架轻量化及疲劳寿命估算[J]. 中国机械工程, 2011, 22(16): 2001-2006.
Wang Shu-ting, Liu Xiao, Wu Yi-zhong, et al. Sensitivity-based analysis of light weighting and fagtigue life estimation for truck frame[J]. China Mechanical Engineering, 2011, 22(16): 2001-2006. [本文引用:1]
[5] 曹正林, 李骏, 郭孔辉. 基于虚拟试车场的轿车悬架耐久性强化试验仿真研究[J]. 机械工程学报, 2012, 48(10): 122-127.
Cao Zheng-lin, Li Jun, Guo Kong-hui. Research on passenger car suspension durability using virtual proving ground[J]. Chinese Journal of Mechanical Engineering, 2012, 48(10): 122-127. [本文引用:1]
[6] Hu Zhi-gang, Zhu Ping, Meng Jin. Fatigue properties of transformation-induced plasticity and dual-phase steels for auto-body lightweight: experiment, modeling and application[J]. Materials & Design, 2010, 31(6): 2884-2890. [本文引用:1]
[7] 王登峰, 郝赫, 刘盛强, . 车架弹性对重型载货汽车行驶平顺性的影响[J]. 农业机械学报, 2010, 41(12): 7-12.
Wang Deng-feng, Hao He, Liu Sheng-qiang, et al. Frame flexibility's effect on ride comfort of heavy-duty truck[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(12): 7-12. [本文引用:1]
[8] Gu Zheng-qi, Mi Cheng-ji, Wang Yu-tao, et al. A-type frame fatigue life estimation of a mining dump truck based on modal stress recovery method[J]. Engineering Failure Analysis, 2012, 26: 89-99. [本文引用:1]
[9] 门玉琢. 基于ADAMS的重型载货汽车可靠性仿真与试验研究[D]. 长春: 吉林大学汽车工程学院, 2009.
Men Yu-zhuo. Reliability simulation and test of heavy-duty truck based on ADAMS[D]. Changchun: College of Automotive Engineering, Jilin University, 2009. [本文引用:1]
[10] Hong H J, Strumpfer S D. Virtual road load data acquisition for twist axle rear suspension[C]∥SAE Paper, 2011-01-0026. [本文引用:1]
[11] 郭虎. 汽车试验场可靠性强化试验强化系数的研究[D]. 杭州: 浙江大学机械与能源工程学院, 2003.
Guo Hu. Research of enhancement coefficient of automobile reliability enhancement test on proving ground[D]. Hangzhou: College of Mechanical and Energy Engineering, Zhejiang University, 2003. [本文引用:2]
[12] Petracconi C L, Ferreira S E, Palma E S. Fatigue life simulation of a rear tow hook assembly of a passenger car[J]. Engineering Failure Analysis, 2010, 17(2): 455-463. [本文引用:1]
[13] 李飞. 轿车转向节耐久性寿命预测研究[D]. 长春: 吉林大学汽车工程学院, 2010.
Li Fei. Research on durability life prediction of passenger car's steering knuckle[D]. Changchun: College of Automotive Engineering, Jilin University, 2010. [本文引用:1]