Méthodologies d’identification des efforts entrants dans un châssis de véhicule récréatif

Abstract

L’optimisation structurale d’un châssis de véhicule nécessite la connaissance précise des cas de chargements et des limites de son utilisation. Toutefois, lors du développement d’une nouvelle gamme de véhicules, peu d’information provenant de tests antérieurs est disponible pour estimer ces charges. Il est donc nécessaire de développer des méthodes d’ingénierie prédictive permettant de prédire le comportement dynamique du véhicule. Dans ce projet de recherche, les différentes méthodes qui existent pour simuler les efforts entrants et la répartition des contraintes d’un châssis de véhicule récréatif sont évaluées afin de répondre à la question de recherche suivante : Quelle est la meilleure méthode de prédiction pour déterminer les efforts entrants et les contraintes dans un châssis de véhicule récréatif en mouvement dans un contexte d’optimisation structurale? Deux approches de simulation sont étudiées. La première, de type « full » analytique, utilise un environnement de simulation totalement virtuel (route numérisée) et divers sous-modèles préalablement caractérisés (pneus, suspensions, paliers lisses …) pour reproduire l’interaction entre l’assemblage complet du véhicule et la route. La deuxième, de type semi analytique, utilise une approche de simulation hybride où des données provenant d’acquisitions expérimentales (efforts aux roues, vitesse dans l’espace du véhicule ainsi que l’orientation du véhicule) sont utilisées comme informations entrantes au modèle multicorps du véhicule. Dans ce type de simulation, des modèles de route et de pneus ne sont pas nécessaires. Afin de tester les deux types de simulations, un véhicule instrumenté a réalisé diverses manœuvres le chargeant à la fois latéralement et verticalement de façon modérée à intense. À la vue des résultats, les simulations « full » et semi analytique performent de façon similaire. À basse fréquence (< 10 Hz), les deux modèles corrèlent à plus de 95% pour les diverses métriques étudiées. À plus haute fréquence, les niveaux de corrélations baissent dans les environs de 60-70% avec un léger avantage pour les simulations de type semi analytique.