Otimização multiobjetivo por algoritmos genéticos. Modelo veicular. Dinâmica vertical. Conforto e segurança. Fronteira de Pareto.
Multi-objective optimization using genetic algorithms. Vehicle Model. Vertical dynamics. Comfort and safety. Pareto front.
Área
Sustentabilidade
Tema
Produção, Cadeia de Suprimento e Logística Sustentável
Autores
Nome
1 - Luis Roberto Centeno Drehmer Universidade Federal de Santa Maria - UFSM - Engenharia Mecânica
Warning: Undefined array key "adm" in /home/storage/6/83/3f/ecoinovar/public_html/8ecoinovar/trabalho.php on line 1388
Reumo
Este trabalho utiliza os conceitos de otimização multiobjetivo por algoritmos genéticos para determinar as variáveis otimizadas de projeto em um modelo veicular de oito graus de liberdade (8-GDL), submetido a um perfil de pista irregular, no domínio do tempo, representando um veículo de passeio completo com o assento do motorista. A análise dinâmica foi realizada por intermédio do método de Newmark para determinar os deslocamentos, as velocidades e as acelerações em cada GDL do modelo veicular, e a otimização utilizou o Multi-objective Optimization using Genetic Algorithms (MOGA) e o Non-dominated Sorting Genetic Algorithm (NSGA-II) para determinar as variáveis de projeto frente a uma função multiobjetivo de dois objetivos conflitantes: a minimização da aceleração vertical transmitida pela carroceria (conforto) e a minimização das forças dos pneus exercidas na pista (desgaste). O perfil de irregularidades da pista foi baseado na ISO-8608 (2016), e as trilhas foram desfasadas e correlacionadas. Os resultados, antes e depois da otimização, elucidaram o conflito existente entre os dois objetivos avaliados. A fronteira de Pareto foi esboçada com todas as sugestões de projeto ótimo, e a sugestão de projeto escolhida na tomada de decisões foi o conjunto solução localizado na inflexão da fronteira. Em seguida, a otimização numérica reduziu as acelerações na carroceria em 23,8% e no assento em 53,5%. Em termos de forças, a redução não foi significativa. Ao realizar o balanço energético do sistema, a otimização elevou o trabalho realizado pelos pneus em relação à configuração original de fábrica do veículo, indicando que parte da energia é transferida em outros indicativos do sistema, como, por exemplo, o curso que a suspensão deve operar, o qual deve ser modificado para comportar as acelerações que foram elevadas após a otimização.
This work uses the concepts of multi-objective optimization by genetic algorithms to obtain the optimized design variables in a vehicle model with eight degrees of freedom (8-GDL), subject to a random road profile, in the time domain, representing a full vehicle with driver’s seat. The dynamic analysis was performed using the Newmark method to evaluate the displacements, velocities, and accelerations in each GDL of the vehicle model, and the optimization used the Multi-objective Optimization using Genetic Algorithms (MOGA) and Non-dominated Sorting Genetic. Algorithm (NSGA-II) to determine the design variables in a multi-objective function with two conflicting objectives: the minimization of the RMS vertical acceleration of the car body (comfort) and the minimization of the tire forces on the road profile (attrition). The road profile was based on ISO-8608 (2016), and the tracks were lagged and correlated. The results, before and after the optimization, elucidated the conflict between the two objectives evaluated. The Pareto front was shown with all the optimal design sets, and the design set was chosen at the inflection. The numerical optimization reduced the car body accelerations by 23.8% and the driver’s seat acceleration by 53.5%. In the case of the forces, the minimization was not significant. By performing the system energy balance, the optimization has increased the energy consumed by the tires compared to the vehicle's original configuration, indicating that part of the energy was transferred on the other system parts, such as the workspace, that the suspension should operate and that should be modified to take into account the accelerations that have been increased after optimization.