智能懸架就像汽車的 “智能減振管家”，能讓車輛在乘坐舒適性與操控穩定性之間找到完美平衡，為整車價值錦上添花。而在眾多智能懸架技術中，磁流變懸架憑借毫秒級的響應速度和低能耗優勢，已成為行業發展的主流方向。磁流變懸架的核心耗能元件是磁流變阻尼器(MRD)，其性能直接決定了懸架系統的表現。然而，在長期研究與應用中，懸架系統對阻尼器的性能要求往往存在沖突，這讓磁流變阻尼器的多目標耦合優化設計成為一大難題。目前，傳統單通道結構的磁流變阻尼器始終難以突破“零場力降低”與“調節范圍拓寬”的雙重瓶頸，兩種性能仿佛“魚與熊掌”，難以兼得。因此，設計一種能實現性能同步提升、充分釋放磁流變技術潛力的新型結構，成為推動磁流變阻尼器在懸架系統中進一步應用的關鍵所在。而在此基礎上，如何把這種新型結構的固有特性發揮到極致，更是磁流變阻尼器在懸架系統中實現更深層次應用的重要基石。
鑒于此，中國科學技術大學龔興龍教授團隊報道了一種基于數據驅動的懸架用雙流道磁流變阻尼器多目標優化：為突破懸架應用需求的矛盾特性局限，該研究提出一種開創性的雙通道磁流變阻尼器(DCMRD)結構，其核心在于通過兩種獨特機制的協同作用化解上述矛盾：(1) 分流泄壓機制-有效降低零場力；(2) 通道同步激勵機制-顯著拓寬阻尼調節范圍。研究通過多物理場有限元分析(FEA)建模，對這兩種機制的作用原理進行了系統解析。為進一步放大結構的固有特性優勢，本研究引入了一種TsLM-MOHO數據驅動的優化框架。與現有方法相比，該框架通過三個協同組件實現優化效果與優化成本的矛盾平衡：(1) DOE驅動的降維策略-篩選無關設計變量與目標；(2) 小樣本容量需求代理模型(TsLM)-在保留多物理場FEA計算精度的同時，降低復雜設計變量帶來的計算成本；(3) 新型多目標優化算法(MOHO)-提升代理模型的搜索空間適配性以及算法本身的收斂能力。
相關研究近日以“Data-driven multi-objective optimization of dual-channel magnetorheological dampers for suspension systems”為題發表于力學/機械類Top期刊《International Journal of Mechanical Sciences》期刊上，論文第一作者為中國科學技術大學工程科學學院博士生李嘉豪，龔興龍教授和孫帥帥教授為論文通訊作者，研究貢獻者還包括中國科學技術大學工程科學學院的姜瀾、潘立言、胡濤、張康毅、李子木。
【懸架系統的需求建立】
作者通過不同速度下的隨機路面激勵分析了MRD零場力增大帶來的系統級性能惡化，但對于共振頻段，又需要大的阻尼抑制振動的傳遞。因此，為了在提升駕乘舒適性的同時解決高頻振動抑制和共振峰值降低的問題，MRD需要具有更低的零場力和更寬的調節范圍。
圖1. 四分之一懸架的動態響應仿真分析
【雙流道磁流變阻尼器結構及多物理場有限元建模】
所提出的DCMRD截面結構如圖2所示，它保留了傳統MRD的主流道，同時在活塞外筒與磁導板之間引入了一個壓力釋放輔助通道。在活塞往復運動過程中，MRF同時通過這兩個通道，由有效橫截面積之比所控制的流量分配能夠實現分流和零場力的衰減。線圈纏繞位于這兩個通道之間，確保磁路垂直穿過兩個通道的激勵區域，從而能夠同步連續地調節MRF的流變特性。
圖2. 單筒單桿MRD受力分析即建模過程示意圖
Bingham-Papanastasiou本構模型在低剪切速率區域和高剪切速率區域之間引入了一個平滑過渡區域，能夠準確地描述不同剪切速率下的MRF流變特性，并且在多物理場有限元分析中確保了更高的數值穩定性，其公式表述為：
(1)
在流變儀測試的MRF樣品流變學特性曲線的基礎上，基于分段擬合獲得不同磁場下的本構參數表達，并將其設置到Comsol的材料屬性中，以實現磁-流-固的耦合。最后采用實驗驗證了其對傳統MRD與DCMRD的建模精度，并通過擴展的多物理場FEA的分析結果對比了兩種結構的固有特性與優化潛力。
圖3. 調節范圍與優化潛力的對比驗證
【基于數據驅動的TsLM-MOHO多目標優化框架】
所提出的優化框架包含了三個主要組件，其主要流程如圖4所示。不同組件的協同作用可以有效解決優化成本與優化效果之間的矛盾特性。
圖4. TsLM-MOHO優化框架的流程框圖
對不同組件分別進行了相應的實驗驗證：(1) DOE 分析從單變量貢獻度與變量間互相關影響的角度，驗證了所選取設計參數的合理性與有效性，為后續優化工作確認了可靠的設計變量基礎。(2) 針對TsLM 代理模型，消融實驗證實了其改進效果-與Baseline相比，TsLM對零場力和調節范圍預測的MAPE分別降低0.886%與1.006%，MARE分別降低1.083%與0.551%。進一步的對比實驗顯示：在傳統代理模型與深度學習代理模型中，TsLM具有最高的預測精度；從Isight集成的傳統代理模型中篩選出任務適應性最佳的模型(RBF)后，對于更復雜的目標(調節范圍)，TsLM的預測MAPE與MARE較RBF分別降低了4.263%和9.620%。(3) 將MOHO與NSGA-II進行優化對比實驗發現，MOHO對TsLM代理模型的適應性更強，且優化時間成本更低。補充實驗進一步表明，在DCMRD多目標優化的理論有效性上，TsLM-MOHO的表現優于Isight。
圖5. DOE分析結果
圖6. TsLM代理模型架構框圖及消融與對比實驗結果
圖7. MOHO多目標優化算法流程框圖及其與NSGA-II的任務適配性對比結果
【器件級與系統級性能驗證】
為了驗證所提優化框架的工程應用效果，制作了基于TsLM-MOHO與Isight優化后的兩款原型樣機，以用于對比實驗。器件級性能方面，通過MTS實驗對比發現，與Isight原型相比，TsLM-MOHO原型在拉伸和壓縮行程中，零場力絕對值的平均值分別降低了13.709%和14.170%，而調節范圍絕對值的平均值分別提升了44.266%和43.675%，且這種性能提升并未以增加功耗為代價。系統級性能上，四分之一懸架實驗的對比結果表明：在采用天鉤控制的掃頻實驗中，TsLM-MOHO原型在整個測試頻段內幾乎呈現出最低的加速度傳遞率，與Isight原型相比，傳遞率的平均值降低了10.272%；同時，Skyhook控制的實施使TsLM-MOHO原型在共振頻段內的平均傳遞率降低36.730%，相較于Isight原型提升了10.979%。而在隨機路面實驗中，在B級和C級激勵下，TsLM-MOHO原型的簧上加速度均方根值較Isight原型分別降低9.673%和15.953%。
圖8. MTS驗平臺及器件級性能對比結果
圖9. 四分之一懸架實驗平臺及系統級性能對比結果
DCMRD結構從根本上解決了零場力過高的問題，彰顯出卓越的優化潛力。與此同時，本研究提出的TsLM-MOHO優化框架，能夠讓DCMRD實現更優異的綜合性能。值得注意的是，在系統集成后，盡管器件層面的性能差異會呈現非線性鈍化，但在系統層面的懸架性能上仍取得了顯著改進。綜上，本文提出的DCMRD結構與TsLM-MOHO優化框架，為MRD的懸架應用提供了一種有效的解決方案，也為同類型結構優化提供了高效的理論指導基礎。
原文鏈接：Jiahao Li, Lan Jiang, Liyan Pan, Tao Hu, Kangyi Zhang, Zimu Li, Shuaishuai Sun, Xinglong Gong. Data-driven multi-objective optimization of dual-channel magnetorheological dampers for suspension systems. International Journal of Mechanical Sciences, 2025: 110664.
https://doi.org/10.1016/j.ijmecsci.2025.110664
- 上海交大朱平教授團隊與合作者 PNAS：數據驅動的非周期性超材料力學隱身衣設計 2022-03-25
