● 摘要
本文针对油罐车液体横向晃动作用力难以用实验方法测量，数值模拟用时较长等问题，提出利用神经网络预测罐体横向受力的方法，为罐车操纵稳定性分析提供所需的数据，提高研究效率。 首先采用CFD软件FLUENT的VOF模型，对直径为2254mm的圆柱充液罐体受到横向加速度时罐体的受力进行数值模拟。以充液比、加速度、罐体垂直方向受力、横向受力和侧倾力矩作为输入，0.1s之后的受力和侧倾力矩作为目标输出，选用合理的计算结果作为训练样本，建立基于BP神经网络的液体晃动对罐体作用力预测模型。选用158个分布较均匀的样本对完成训练的网络进行可靠性验证，垂直方向受力、横向受力和侧倾力矩最大预测误差分别为-0.36%、-8.88%、1.38%，符合精度要求。 然后将该方法应用于对不同形状和尺寸的罐体进行受力预测。对直径1802mm、2028mm、2478mm三种圆柱罐体，充液比分别为0.4和0.8共六种情况进行数值模拟。按照各自单位时间步改变加速度的罐体受力值和力矩，与直径2254mm罐体受力和力矩乘以相应直径比值平方所得的受力值和力矩均符合较好。再对长轴2254mm，短轴1366mm、1500mm、1600mm三种椭圆罐体，充液比分别为0.5和0.75共六种情况进行数值模拟。按照各自单位时间步改变加速度的各罐体受力值和力矩，与直径2254mm罐体受力和力矩乘以相应短长轴比值所得的受力值和力矩均符合较好。 直径为2254mm罐体的受力变化规律通过修正可以与其它形状和尺寸的罐体受力相符合，从而可利用训练好的BP神经网络实现受力预测，主要是通过修正两个方面：一是针对不同罐体改变加速度的时间步进行修正，这一项主要影响受力的变化规律；二是针对不同罐体，对基准罐体受力值的大小进行修正。本文最后编写了MATLAB程序计算改变加速度的时间步并进行受力预测和修正，通过算例具体说明了操作过程。 采用本文的罐体受力预测方法，误差较小，避免了长时间的CFD仿真计算，车辆动力学分析可以直接利用预测受力值，节省了繁琐的数据传递。