基于云计算的汽车转向节疲劳失效分析

尚雪莲，梁传君

（新疆工程学院 信息工程学院，乌鲁木齐 830023）

引言

近年来，我国汽车产业发展迅速，我国本土品牌也得到了长足的进步。随着人们经济水平的提升，人们对汽车质量的要求愈加严苛，如何提高汽车质量的可靠性，成为汽车制造业面临的严峻挑战[1]。

转向节作为汽车重要的组成部分，是保障汽车平稳安全行驶的重要组件之一[2]。汽车长时间行驶，会使汽车转向节出现裂痕，严重时转向节断裂会造成严重的交通事故。因此，全面分析汽车转向节疲劳失效因素，提升汽车行驶安全是汽车生产商当前亟待解决的问题。

王学梅[3]等人基于失效物理理论分析了功率器件疲劳失效机理。该方法通过对疲劳失效理论的介绍，经由解析模型以及疲劳类型分析器件疲劳原理；基于分析结果还原器件疲劳失效全过程；最后从环境应力、动态荷载情况以及可靠性三方面总结器件的疲劳失效因素，完成分析。该方法由于分析的疲劳原理存有欠缺，导致最终失效分析结果差。董国疆[4]等人针对转向节疲劳性能与减振器阻尼关系展开研究。其依据对转向节的模态分析结果，建立柔性疲劳分析模型；并以此为基础，引入相关汽车参数构建汽车的耦合动力学模型，依据虚拟迭代法对汽车的转向节监测点信号进行计算，获取转向荷载时间以及转向节疲劳失效时间，完成转向节的失效分析。该方法在建立模型时存在问题，所以该分析方法分析出的失效原因与实际失效原因之间误差较大。张鹏[5]等人设计了转向节疲劳寿命有限元分析和台架试验。该方法通过有限元分析法对汽车转向节进行静力分析；依据分析结果获取转向节材料属性以及疲劳程度；最后通过耐久性测试，证明分析结果的正确性。该方法获取的转向节材料属性及疲劳程度存有误差，影响了转向节疲劳寿命分析结果。

为解决上述转向节疲劳失效分析方法中存在的问题，本研究提出基于云计算的汽车转向节疲劳失效分析方法。

1 建立汽车转向节有限元分析模型

1.1 基于云计算提取汽车相关特征参数

1.1.1 云计算原理

云计算本质上就是一种结合数据以及处理能力的密集计算模式[6]。云计算需要以层次堆栈形式进行表示，高层次建立在低层次顶端，自下而上提供服务接口。整体架构如图1所示。

根据图1可知，云计算整体分为基础设施、平台、软件以及客户端几大部分。基础设施层主要负责提供硬件、虚拟化服务器；平台层负责数据分析、数据挖掘等任务；软件层负责提供各项WEB应用；客户端层主要负责建立浏览器以及APP服务。依据上述云计算架构建立虚拟的云计算平台，分析汽车的驾驶行为，提取汽车各项特征参数。

图1 云计算整体架构图

1.1.2 提取汽车特征参数

提取汽车特征参数是分析驾驶行为的重要部分。利用OBD采集法对汽车相关数据进行采集，样本参数如下：①经度、纬度；②汽车速度、加速度与负加速度；③速度方差；④转速；⑤汽车平均油耗；⑥总燃油消耗以及里程数。

1.1.3 提取相关油耗特征

使用皮尔逊相关系数计算汽车状态与油耗的相关系数，获取汽车的油耗特征。设定汽车数据样本数量为m，皮尔逊相关系数用α表示，数据样本均值标记、形式，标准差标记CB、CD，汽车油耗数据的相关系数计算结果如下式所示：

式中：

常数标记为i。

依据上述计算结果制定相关系数等级，具体等级划分情况如下：

1）相关系数计算结果在[0.8，1]区间内，为极强相关等级；

2）相关系数计算结果在[0.6，0.8]区间内，为强相关等级；

3）相关系数计算结果在[0.4，0.6]区间内，为中等相关等级；

4）相关系数计算结果在[0.2，0.4]区间内，为弱相关等级；

5）相关系数计算结果在[0,0.2]区间内，为不相关等级。

通过计算可知，汽车速度、正加速度以及速度方差等参数与汽车油耗之间存在强相关关系；正加速方差、负加速度方差与油耗存在中等相关。由此将汽车速度、正、负加速度、速度方差、正、负速度方差作为汽车的特征参数，建立汽车转向节有限元模型。

1.2 构建有限元模型

本研究基于cATIA软件结合3D扫描仪采集汽车转向节点云数据，建立逆向的三维集合有限元模型。

1.2.1 划分模型单元网格

为尽可能地反映转向节的结构几何特征，将四面体和五面体进行组合，设定网格平均尺度为1.2 mm。

1.2.2 确定材料属性

汽车的转向节材料属性如表1所示。

表1 汽车转向节材料属性

2 汽车转向节疲劳失效分析

基于汽车的低载强化效应对汽车转向节疲劳损伤进行分析。

2.1 汽车转向节载荷谱时域分析

使用低载荷强化效应分析转向节疲劳强度时，需要将转向节应变载荷变换成应力载荷，从而进行相关因素分析[7]。转向节工作器件所承受的循环应力值小于转向节的材料屈服极限值，转向节疲劳失效极限循环次数大约在105次左右[8]。由此可知汽车转向节疲劳失效类型大多为高周期疲劳，基于上述分析结果以及上述采样参数，获取汽车转向节的等效应力谱，结果如图2所示。

图2 汽车转向节等效应力谱

由于采集的汽车转向节应变信号中含有大量的无用数据信息，所以需要对转向节等效应力谱进行加速编辑，从而获取转向节的等效应力的功率谱密度曲线，结果如图3 所示。

图3 转向节的等效应力的功率谱密度曲线

2.2 汽车转向节荷载分析

雨流计数法是将转向节峰谷实测荷载数据通过转化以离散荷载循环形式[9]。从而有效记录转向节的荷载均值。首先基于上述获取的汽车转向节参数建立转向节等效应力加速谱，使用雨流计数法对转向节材料应力进行迟滞回环，获取转向节等效应力加速谱外推前后的雨流频次-幅值曲线，如图4所示。

图4 转向节等效应力加速谱外推前后幅值-频次曲线图

由于汽车转向节低载强化测试需要依据转向节循环载荷加载获取的，所以转向节等效应力比就是转向节荷载循环时，最大应力与最小应力比。所以分析过程中，需要将等效应力加速谱的平均应力设定为0，通过coodman修正法对等效应力加速谱进行修正处理，结果如下式所示：

式中：

Wb—转向节应力幅值；

Wb0—等效0均值应力；

Wj—应力平均值；

Wqjx—强度极限。

由于修正后等效0均值应力密度较大，所以要使用幅值比系数方法对其进行等级划分，从而精确地表述汽车转向节的疲劳等级程度。设定转向节等效应力幅值比系数为R，基于等间隔法对转向节强化区间[0.65，0.95]

进行划分；分别为 0.75α-1b以及 0.85α-1b两类，应力谱为10级。

2.3 分析转向节使用寿命

设定汽车转向节抗拉强度为αb，屈服极限设定成αq，伸长率不小于7 %，疲劳极限为αp，转向节载荷系数设定DL，质量系数标记Ds，以此计算转向节的疲劳极限值以及强度估计值，结果如下式所示：

式中：

Uf—转向节疲劳系数；

Dr—可靠水平系数；

De—转向节尺度；

WE—等效应力等级[10]。

基于上述计算结果，对转向节低载荷数据进行拟合处理，获取转向节强化载荷系数W，循环载荷值m疲劳强度比R，并以此计算转向节载荷与疲劳强度拟合值，结果如下式所示：

式中：

Rm—转向节载荷与疲劳强度拟合值。

依据该计算结果建立转向节最佳强化载荷下的疲劳强度-强化载荷曲线，如图5所示。

依据图5可知，转向节应力谱强化区间迭代次数不高于最佳强化次数。设定转向节载荷强化迭代值为im，载荷等级为i，从而调整转向节疲劳强度关系，过程如下式所示：

图5 转向节最佳强化载荷下的疲劳强度-强化载荷曲线

式中：

Ri—调整后的转向节疲劳强度关系；

Rj—等级数量[11]。

调整后的转向节应力谱分级情况如表2所示。

依据表2数据计算获取转向节载荷强化的疲劳强度增比，具体结果如表3所示。

表2 转向节应力谱分级状况表

表3 转向节载荷强化结果

2.4 分析S-N曲线

S-N曲线是分析汽车转向节疲劳失效原因的重要因素之一。设定转向节材料的S-N曲线为0Q，载荷修正后的曲线参数标记1Q，通过平移处理获取转向节低载荷力学模型，如图6所示。

分析图6可知，转向节低载荷强化过程需要在相同应力以及相同循环次数下进行，计算的应力幅值关系如下式所示：

图6 转向节低载荷力学模型

式中：

α-1,0—转向节原材料的疲劳极限系数；

α-1,1—低载荷强化极限；

N0—同等应力水平下转向节原始疲劳寿命；

N1—强化后寿命；

Nn—寿命极限。

2.5 疲劳损伤估计

一般情况下，汽车转向节材料需要经过多个环节的载荷强化[12]。经由上式获取转向节强化后的疲劳极限值α-1,u以及疲劳寿命Nu，结果如下式所示：

式中：

Rl—转向节疲劳极限增比；

u、i—强化作用等级。

将汽车转向节S-N的曲线表达形式设定lgα=ClgN+F，依据相关损伤准则对转向节应力谱中的各级载荷损伤[13]进行计算，过程如下式所示：

式中：

gi—转向节损伤载荷量；

mj—循环次数；

Nj—疲劳寿命。计算结果分别如表4、表5所示。

表4 无低载强化影响的转向节损伤量计算结果

表5 低载荷强化影响下转向节损伤量计算结果

使用线性累积损伤理论[14]对表4、表5获取结果进行计算，过程如下式所示：

式中：

P—计算的总损伤参数。

通过计算结果可知，在无强化载荷影响下，应力谱谱块损伤大致在P0= 0.105左右，而受低载荷强化影响，能够将转向节疲劳极限值提升10.5 %左右，所以该应力谱谱块疲劳极限值大致在P1= 0.072左右，降低了将近0.033。

当汽车转向节发生疲劳失效时，转向节累积疲劳损伤约等于0.7，依据获取的载荷强化效应应力谱块疲劳损伤量，计算汽车转向节的疲劳寿命。依据计算结果可知，依据低载荷效应进行汽车转向节疲劳失效分析时，能够将转向节的疲劳失效寿命提高将近40 %。

3 结束语

依据上述分析可以得出如下结论：在对汽车转向节进行失效分析时，需要利用低载荷效应辅助分析；首先通过云计算平台采集汽车相关数据，建立转向节有限元模型；以该模型为基础进行转向节疲劳寿命分析；最后基于分析结果准确预测转向节疲劳失效寿命，从而为转向节产品开发带来极大便利。