容桂路灯车€ 容桂路灯车出租€ 容桂路灯车出租公司€

         容桂路灯车€  容桂路灯车出租€ 容桂路灯车出租公司€

      容桂路灯车€  容桂路灯车出租€ 容桂路灯车出租公司€，优化过程及结果分析多目标遗传优化算法基于生物进化理论，由初始种群经过选择、交叉和变异遗传操作反复迭代构造非支配解集，从而不断逼近最优Pareto解集。文中采用的NSGA－Ⅱ算法，引入了快速非支配排序算法、拥挤度比较算子及精英策略，在降低计算复杂度缩短计算时间的同时，具有更好的收敛性］。基于已建立的2个Kriging代理模型和优化数学模型，设置的算法参数:最优前端个体系数为0。35;初始种群大小为180;迭代计算的停止标准是最大进化代数与停止代数均为2400或适应度函数值的偏差为10－4，并在求解过程中绘制Pareto前沿。参数优化计算完成之后，得到此多目标优化问题，每个点分别对应1组驾驶室减振器的刚度和阻尼参数组合，这些点的集合即构成了Pareto最优解集。分析优化结果后可以发现:不同的减振器性能参数组合下，213 Hz和233 Hz处声压级Lp1和Lp2有显著差异，选取适当的参数组合，可以有效降低213 Hz和233 Hz处的声压级水平;以上2个优化目标之间存在明显的优化矛盾，并不存在唯一的全局最优解使各目标均达到最优，Lp1和Lp2中任一函数值的降低都必须以提高另一个目标函数值为代价。在综合对比Pareto前沿中2个声压级的大小和变化幅度后，将图5中椭圆区域包含的Pareto解所对应的减振器性能参数组合分别赋予到cbush单元属性中进行频响分析，得到驾驶员耳旁节点声压级数据。在比较筛选后确定最优解为图5中红色点所示解。其对应的减振器性能参数组合。减振器参数优化前后，驾驶员耳旁声压级曲线和前挡风玻璃处(与驾驶员右耳等高)声压级曲线及1/3倍频程声压级分别。1减振器参数优化前后仪表盘处同一节点的振动加速度曲线可观察到213 Hz处和233 Hz处声压级有显著下降，分别降低至87。8 dB和68。1 dB。图7中1/3倍频程声压级柱状图也表明200～280 Hz频段内声压级有所下降。尽管部分频率处的声压级有所上升，但综合20～250 Hz范围内，驾驶员耳旁噪声总声压级降低了2。6 dB，达到了85。2 dB。观察图8－11可以发现:优化前后挡风玻璃处的声压级在233 Hz处峰值显著下降，1/3倍频程声压级柱状图9表明:多处频段范围内声压级都略有降低，经计算，20～250 Hz范围内总声压级降低了 1。1 dB;座椅处地板节点的振动加速度幅值在213Hz频率处有明显下降，其他频率处无明显变化;仪表盘处节点的振动加速度幅值在105，213，233 Hz处均有小幅度下降。因此，该优化方法在降低了驾驶员耳旁噪声的同时，对挡风玻璃处、座椅处地板及仪表盘处为代表的观测点的振动噪声性能亦略有改善。建立了路灯车整机的有限元声固耦合模型，通过试验验证，可有效预测驾驶员的耳旁噪声。以路灯车驾驶员耳旁噪声声压级曲线上的多个峰值为目标函数，以驾驶室减振器垂直方向上的刚度和阻尼参数为优化变量，进行了优化计算。可用于指导降低驾驶室内的噪声水平，提高路灯车驾乘舒适性。在拉丁超立方试验设计采样的基础上建立的Kriging代理模型，能较好地模拟驾驶员耳旁噪声声压级峰值与减振器性能参数之间复杂的函数关系，与多目标遗传优化算法相结合，可完成驾驶室减振器性能参数的优化，得到合理有效的Pareto最优解集。

    容桂路灯车€  容桂路灯车出租€ 容桂路灯车出租公司€