기어박스 메커니즘 최적화: 고성능 스포츠카에서 공차 범위의 역할

기어박스 메커니즘은 기어 변속의 품질과 효율성을 제어합니다. 이는 차량의 속도, 가속 및 연료 효율에 영향을 미쳐 차량 성능에 상당한 영향을 미칩니다.

특수 도구를 사용하여 다양한 공차 범위를 테스트하면 차량의 응답성을 개선하고 전체 제조 비용을 절감하는 데 도움이 될 수 있습니다.

어셈블리 반응에 대한 설계 변수의 영향 분석

구성품의 하중 공차 범위는 설계 사양에서 비롯됩니다. 그러나 구성품을 특정 작동을 위해 메커니즘에 조립할 때는 동역학 체인을 따라 상대적인 움직임이 발생하여 예기치 않은 변위(높거나 낮은)를 초래할 수 있기 때문에 정확성이 매우 중요합니다.

 "이 분석 전략을 사용하여 팀은 잠재적인 장애를 신속하게 파악하고 그에 따라 공차 범위를 조정했습니다. 이를 통해 메커니즘의 반응이 개선되어 전체 제조 비용을 절감하는 수정이 가능했습니다."

해당 메커니즘에서 예상되는 모션 정확도 요구사항은 제조 공정 내의 정상적인 편차를 포함하여 각 구성품이 얼마나 정밀하게 제조되는지에 따라 달라집니다.

어셈블리는 서로 다른 반응을 보이므로, 적절한 시스템 기능에 따라 수정하기 위해 각 설계 변수의 영향을 파악하는 것이 중요하며, 이를 통해 조립된 각 메커니즘의 적절한 기능을 항상 보장할 수 있습니다.

기어박스 제어 시스템의 구성품 상호작용 최적화

가상 프로토타입을 사용하여 일련의 구성품에서 공차 범위의 감도를 식별했습니다. 문제의 구성품은 기어박스 제어 시스템의 일부로 설계된 모션 메커니즘의 동역학 쌍의 체인이었습니다.

고성능 스포츠카의 품질을 높이기 위해서는 제어 메커니즘의 부드럽고 정밀한 동작과 기어박스의 변속 속도가 중요합니다.

그림 1은 두 개의 구성품을 보여줍니다. 노란색 구성품은 파란색 구성품을 정확한 위치로 유도하여 기어 속도 위치를 얻습니다. 이로 인한 움직임은 9개의 구성품이 서로 상대적인 동작을 하는 동역학적 체인인 변속 제어 시스템의 하위 어셈블리로 구성되어 있기 때문입니다.

이상적으로는 7단 기어에서 6단으로 변속할 때 파란색 구성품이 의도한 궤적을 따라야 합니다.

파란색 구성품이 가이드 팁을 밀고 있으면 운전자는 6단 기어를 향해 계속 움직일 수 있습니다. 이 현상을 "부분 차단"이라고 합니다.

하지만 운전자가 변속 레버를 7단 기어에서 6단으로 움직일 수 없는 경우, 이를 "완전 차단"이라고 합니다. 이는 최악의 상황입니다. 변속을 완료하려면 운전자가 노란색 구성품이 파란색 구성품을 막지 않도록 약간 뒤로 움직여야 합니다.

그림 1. 부분 차단 및 완전 차단 및 의도된 궤적.

그림 2. 일반적인 분석 절차

Adams 소프트웨어를 사용하면 메커니즘의 동작을 검토하고, 설계 목표를 정의하고, Adams/Insight를 사용하여 이전의 실험 설계(DOE) 연구를 실행할 수 있습니다. 이를 통해 ODYSSEE CAE Lunar에 입력 데이터로 사용할 수 있는 데이터 매트릭스가 생성됩니다. 이 소프트웨어는 데이터를 통해 학습하고 설계 사양에 따라 새로운 설계 변수에 대한 새로운 결과를 예측하는 데 사용할 수 있습니다.

또한 Adams/Insight 분석에서 선택한 이전 범위에 포함된 경우 시스템의 마지막 분석 단계에서 새로운 변수 범위를 할당할 수 있습니다. ODYSSEE CAE의 감도 결과가 구현되면 새로운 가변 범위를 갖춘 새로운 DOE를 생성하여 더 낮은 비용으로 더 나은 기능적 반응 솔루션을 얻을 수 있습니다.

그림 3. 트랜스미션 (a) 전체 보기 (b) 내부 구조 (c) 실제 부품 (d) 외부 표면.

마지막으로, 이 프로세스를 반복하여 Adams 내에서 새로운 프로토타입 및 DOE를 생성하여 더 넓은 설계 변수 범위를 다루고 새로운 DOE를 구축할 수 있습니다.

모든 모션 메커니즘의 공차 범위는 정밀하게 정의됩니다. 공차 범위는 모든 이동 메커니즘에 대해 신중하게 정의됩니다. 그러나, 두 구성품이 완벽하게 개별적으로 상호작용하더라도, 다중 쌍으로 이루어진 동역학 체인에서 결합된 효과가 누적되어 전체적인 모션과 기능을 변경하여 크거나 작은 선형 또는 각도 변위를 야기할 수 있습니다.

그림 4. 감도 측정 결과

포괄적인 공차 편차: 동역학 체인의 무결성 최적화

그림 2에 표시된 절차에 따라 메커니즘의 특정 사례 연구를 분석하여, 개별 효과가 동역학 체인을 따라 누적될 때 공차 범위의 영향을 확인했습니다.

Adams/View를 사용한 첫 번째 시뮬레이션은 공칭 치수로 모든 구성품의 기능을 표시했습니다.

두 번째 시뮬레이션은 Adams/Insight를 사용하여 DOE 내의 공차 범위를 포함하는 시뮬레이션으로, 메커니즘의 각 구성품의 공차 범위에 따른 반응을 식별하기 위해 구현되었습니다. 그 결과 일부 오작동 사례가 발견되었습니다.

이들 결과는 설계 변수들의 조합에 대한 반응을 표시하기 위해 ODYSSEE CAE lunar 소프트웨어의 입력 데이터로 사용되었습니다. 각 공차 범위 또는 설계 변수에 대한 감도 결과를 보여주었습니다(그림 4).

이러한 감도 결과를 사용하여 ODYSSEE CAE에서 새로운 DOE를 생성할 수 있었습니다. 3개의 공차 범위는 40% 감소, 5개는 33% 증가, 4개는 공차 범위를 2배로 증가시켰다.

이러한 변경으로 인해 기존 설계에 비해 부분 차단이 8% 감소했습니다.

이러한 공차 변경으로 제조 비용도 절감할 수 있습니다. 이 경우, 5개의 공차 범위는 33%, 4개의 공차 범위는 100% 증가했습니다. 이 새로운 분석의 반복 시간은 2분도 채 걸리지 않았는데, "10시간 정도" 걸렸던 Adams/Insight의 반복 시간과는 대조적이었습니다. 첫 번째 반복은 결과를 입력 데이터로서 ODYSSEE CAE에 입력 데이터로 제공하여 각 공차 범위에 따른 메커니즘 동작을 학습하는 데 사용했습니다.

이를 통해 감도 결과에 따라 ODYSSEE 내의 새로운 DOE에서 정의된 새로운 공차 범위의 반응을 예측할 수 있었습니다. 공차 범위 중 일부는 값이 증가하여 반응에 거의 영향을 미치지 않는 것으로 나타났습니다. 다른 항목은 값이 감소하여 반응에 약간의 영향을 미쳤음을 보여줍니다.

최적의 기능 달성 및 제조 비용 절감

팀은 빠르게 솔루션에 도달하여 공차 범위를 변경하여 다양한 사례 연구를 빠르게 반복할 수 있었습니다.

이 분석 전략을 사용함으로써 제조 비용을 절감할 수 있었습니다. 이는 팀이 반응에 미치는 영향이 미미한 경우에만 공차 범위를 늘렸기 때문입니다.

팀은 반응과 관련된 공차 범위만 줄여 메커니즘 기능에 영향을 미쳤습니다. 이를 통해 저렴한 비용으로 최적의 기능을 위한 최적의 메커니즘을 정의할 수 있었습니다.