新能源汽车转向驱动桥半轴采用空心设计,与燃油汽车的结构形式有很大区别,针对电动汽车转向驱动桥空心半轴的最大等效应力与设计变量呈隐式复杂非线性关系的可靠度分析难题,文中通过将Kriging模型与蒙特卡洛(Monte Carlo Simulation,MCS...新能源汽车转向驱动桥半轴采用空心设计,与燃油汽车的结构形式有很大区别,针对电动汽车转向驱动桥空心半轴的最大等效应力与设计变量呈隐式复杂非线性关系的可靠度分析难题,文中通过将Kriging模型与蒙特卡洛(Monte Carlo Simulation,MCS)法相结合,提出了基于AK-MCS(Active Learning Kriging-Monte Carlo Simulation)法的新能源电动汽车转向驱动桥空心半轴可靠度分析方法。首先,采用Kriging代理模型构建新能源电动汽车转向驱动桥空心半轴的最大等效应力的初始代理模型;其次,通过Kriging提供的学习函数和收敛准则逐步增加样本点,从而对初始最大等效应力的Kriging模型进行更新;最后,对更新后的Kriging代理模型计算新能源电动汽车转向驱动桥空心半轴的可靠度。结果表明:与MCS方法相比,基于AK-MCS方法的可靠度分析在时间上缩短2000余倍;与Kriging+MCS方法相比,基于AK-MCS方法的可靠度分析误差减小了50%。由此验证了基于AK-MCS方法空心半轴可靠度分析的高效性和准确性,为电动汽车转向驱动桥空心半轴可靠性的研究提供了理论依据,具有一定的工程意义。展开更多
文摘新能源汽车转向驱动桥半轴采用空心设计,与燃油汽车的结构形式有很大区别,针对电动汽车转向驱动桥空心半轴的最大等效应力与设计变量呈隐式复杂非线性关系的可靠度分析难题,文中通过将Kriging模型与蒙特卡洛(Monte Carlo Simulation,MCS)法相结合,提出了基于AK-MCS(Active Learning Kriging-Monte Carlo Simulation)法的新能源电动汽车转向驱动桥空心半轴可靠度分析方法。首先,采用Kriging代理模型构建新能源电动汽车转向驱动桥空心半轴的最大等效应力的初始代理模型;其次,通过Kriging提供的学习函数和收敛准则逐步增加样本点,从而对初始最大等效应力的Kriging模型进行更新;最后,对更新后的Kriging代理模型计算新能源电动汽车转向驱动桥空心半轴的可靠度。结果表明:与MCS方法相比,基于AK-MCS方法的可靠度分析在时间上缩短2000余倍;与Kriging+MCS方法相比,基于AK-MCS方法的可靠度分析误差减小了50%。由此验证了基于AK-MCS方法空心半轴可靠度分析的高效性和准确性,为电动汽车转向驱动桥空心半轴可靠性的研究提供了理论依据,具有一定的工程意义。
