Otimização paramétrica robusta multiobjetivo aplicada em suspensão veicular

Abstract

A presente dissertação aplica uma metodologia de otimização robusta multiobjetivo ao problema da otimização de parâmetros da suspensão de um modelo numérico de meio carro com 5 graus de liberdade. A fim de aumentar o conforto do motorista do veículo sem prejudicar a dirigibilidade, a função objetivo escolhida foi a aceleração rms ponderada conforme a norma ISO 2631 (1997) com restrição no espaço de trabalho da suspensão. A otimização robusta é baseada em uma abordagem probabilística, mais completa do que aquela baseada em intervalos. A solução é comparada com uma otimização determinística, que não leva em consideração as incertezas. O estudo leva em conta diferentes aproximações presentes na literatura para a média e desvio padrão da função e da restrição, comparando os benefícios e prejuízos dos métodos. A solução gerada pela otimização robusta multiobjetivo escolhida resulta em uma média de aceleração rms ponderada de 0,205 𝑚/𝑠ଶ, contra 0,183 𝑚/𝑠ଶ da otimização determinística. Estas soluções, robusta e determinística, representam uma redução de 85,25% e 86,82% da aceleração da configuração de referência, respectivamente. No entanto, a probabilidade de falha calculada a partir do método de Monte Carlo com 25000 amostras mostrou que a otimização robusta permaneceu dentro do intervalo de segurança aceitável do espaço de trabalho da suspensão que foi estipulado em 10%, com apenas 8,69% de chance de falha da restrição, contra 66,23% de chance de falha para a solução determinística.

This dissertation applies a multiobjective robust optimization methodology to the suspension optimization problem of a 5 degrees of freedom half-car numerical model. In order to increase the driver’s comfort without compromising the drivability, the chosen objective function was the weighted rms acceleration according to ISO 2631 (1997) with constrain regarding the suspension working space. The robust optimization is based in a probabilistic approach, more complete compared to the interval based approach. The study accounts for different approximation approaches present in the literature for the mean and deviation of function and constrain, comparing the advantages and disadvantages of each method. The chosen solution generated by the multiobjective robust optimization results in a mean for weighted rms acceleration of 0.205 𝑚/𝑠² against 0.183 𝑚/𝑠ଶ for the deterministic solution. These solutions, robust and deterministic, represent a reduction of 85.25% and 86.82% of the acceleration of the reference configuration, respectively. However, the failure probability calculated with the Monte Carlo method using 25000 samples, show that the robust optimization remained within the acceptable safety range of the suspension workspace which has been set to 10%, with an 8.69% chance of failure, against 66.23% chance of failure for the deterministic solution.