An application of response surface method to design optimization of a model of rail vehicle considering uncertainties

An application of design optimization methodology performed for a multibody model of real-live rail structure stands for the scope of present work. For carried out analyses a model of five-piece tram has been elaborated and then parameterized to allow for an effective and easy change of checked design configuration. There has been assumed the index of travelling comfort as an object of optimization process. Performed analyses have taken into account the uncertainty dealing with the number of passengers on board. The stiffness coefficients of springs of the primary and secondary suspension systems have been chosen as design parameters. Mentioned index has been calculated with virtually measured accelerations in the passengers area for assumed velocity of a run. For modeled rail there has been introduced roughness defined to represent real geometric imperfections. Response surface modeling based on polynomial regression has been applied as a surrogate for the full model to speed up the dynamic analyses. The work has used genetic algorithms for the optimization. Improved values of studied index confirm better comfort of traveling.

Artykuł przedstawia wyniki optymalizacji przeprowadzonej dla modelu pięcioczłonowego tramwaju opracowanego z zastosowaniem metody układów wieloczłonowych. Jako cel zadania optymalizacji przyjęto poprawę komfortu podróżowania ocenianego współczynnikiem sformułowanym zgodnie z wytycznymi normy UIC 513. Zbudowany model tramwaju po sparametryzowaniu pozwolił na ocenę własności dynamicznych dla wybranych konfiguracji projektowych, a w szczególności zbadanie wpływu zmian parametrów charakteryzujących układ zawieszenia, przy uwzględnieniu niepewności związanych z masą pasażerów, na zmienność przyspieszeń drgań w przestrzeni pasażerskiej. W modelu uwzględniono nierówności torów reprezentujące rzeczywistą zmienność ich geometrii zgodnie z normą ORE B176 RP1. W celu przyspieszenia obliczeń zastosowano metodę powierzchni odpowiedzi z wielomianową aproksymacją współczynnika komfortu. W optymalizacji zastosowano algorytmy genetyczne. Dla znalezionych wartości parametrów projektowych charakteryzujących układ zawieszenia uzyskano poprawę sformułowanego współczynnika.