首 页文档资料下载资料维修视频汽修在线平台
请登录  |  免费注册
当前位置:精通维修下载 > 文档资料 > 汽车技术 > 汽车技术
在车架设计中应用有限元方法
来源:本站整理  作者:佚名  2012-08-16 08:10:37


2. 车架的计算方法

汽车车架的主要结构形式为边梁式车架,纵梁截面多为槽型,横梁截面可为槽型、闭口矩形或圆管。纵梁和横梁的连接方式有焊接、铆接和螺栓联结等。其联结接头几何形状各异,应力分布较为复杂。根据是否考虑接头的真实形状,边梁式车架的结构计算方法可分成两大类。

 

(1)不考虑接头形状的有:最小变形能法、Erz 法、传递矩阵法和空间梁有限元法。

最小变形能法适用于车架弯曲的计算,用于扭转时则显得太繁;Erz法则可用于扭转刚度小而弯曲刚度大的车架扭转计算;传递矩阵法可用于车架的弯、扭计算,只被推荐用于抗扭刚度大的车架。空间梁单元的有限元法用于开口薄壁构件,计算误差较大。

 

不考虑接头形状计算方法的不足之处,一是忽略了接头的柔度,而他对车架变形和杆端力矩的计算却很有影响;二是无法确切计算接头区域的应力分布,而这对于车架的设计和优化却很重要。三是只用梁单元,不能反映设计中的修改,如接头形状和连接形式的改变。

 

(2)考虑接头形状的有:完全法和混合法。

 

完全法用板壳单元来离散整个车架,可用于纵梁并不均匀平直的刚架,缺点是用的单元和自由度数目庞大,且计算前后处理工作量大;混合法是交替使用有限元和矩阵立法,计算精度较高,其局限性在于他只适用于能将纵、横梁简化为直杆车架。

 

3. 等效载荷的简化

计算结果的真实值和可信度与模型的建立和载荷的简化有直接的关系,车架车身结构载荷包括:车架自重;车箱及满载的重量;安装在车架上的车身、底盘总成及非模型化车身部件的总成,如动力总成、备胎、蓄电池、油箱、车门等(可分别将总成或部件的重力作为集中载荷分配到对应总成或部件安装点的对应模型结点上)。

 

二、 车架的动态特性分析

对车架进行强度分析的同时还要考虑其合理的动态特性以达到控制振动与噪声的目的。车架结构一般采用梁单元,车身采用板单元或只承受剪力的板单元和梁单元的组合。对于整车结构的动力学分析由于自由度过高,计算很不经济,因此通过分析子结构后进行模态综合。静力计算已经很少使用,根据研究手段和方法不同,通常对车架进行模态分析,模态分析可分为计算模态分析和试验模态分析。分析过程如果是由有限元计算的方法取得的,则称为计算模态分析;通过试验采集系统的输入与输出信号,经过参数识别获得模态参数,称为试验模态分析。在进行模态计算分析时,因结构阻尼较小,对固有频率和振型影响较小,故忽略不计。对汽车车架一般只需要计算较低的几阶频率(高阶振型对结构的动力特性影响很小),并可直接对结构进行评价,其评价指标为:

 

1.车架低阶频率(即一阶扭转和完全频率的值)应高于悬架下结构的固有频率,而又低于发动机怠速运转频率,以避免发生整体共振现象。

2. 车架弹性模态频率应尽量避开发动机经常工作的频率范围。

3.车架振型应尽量光滑,避免有突变。

通过分析提供的信息,对该车在使用中发生的故障进行诊断,提出相应的改进措施,从而使该车具有更好的动态特性。

 

三、 车架的结构优化

1. 车架结构元件参数的优化通过对汽车车架性能特点的分析,提出边梁式车架结构参数的优化数学模型,讨论车架在一定的约束条件下,采用复合形法、混合函数法寻求各梁截面参数的最佳值,达到合理利用材料、减轻车架自重的目的,在保证车架强度的同时还要保证具有一定的扭转刚度。过大的扭转刚度将增大扭转应力,并使车架整体的平顺性变差。

 

通过一些试验得出的结论可以看出:如果加大横梁的扭转刚度,可以提供整个车架的扭转刚度,但与该横梁连接处的纵梁的扭转应力会加大;如果不加大横梁,而是在两根横梁间再增加横梁,其结果是增强了车架的扭转刚度,同时还降低了与横梁连接处的纵梁扭转应力。因此,国外所采用的轻而密的横梁,显然对于车架的应力状态十分有利,有限元计算也表明了这一结论的正确性。

 

在对车架进行强度分析过程中,车架与横梁之间的连接对其分析结果有很大的影响。采用较柔软的接头一般使对强度起决定作用的扇形正应力降低,但同时也降低了扭转刚度。当扭转刚度一定时,提供接头柔度和增加横梁数目有利于改善强度,但使车架质量增加。车架质量一定时,使用数目较少的、截面尺寸较大的横梁对强度有利。当然,车架优化还要考虑接头区域的应力分布,观察车架的横向弯曲等。

 

上一页  [1] [2] [3]  下一页

文章评论评论内容只代表网友观点,与本站立场无关!

   评论摘要(共 0 条,得分 0 分,平均 0 分)
Copyright © 2007-2017 down.gzweix.Com. All Rights Reserved .
页面执行时间:96,695.31000 毫秒