Análisis dinámico de suspensión de doble horquilla en sistema de cuarto de vehículo: simulación y validación experimental

Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación ISSN 2992-7722, Volumen 3, Número 14, pp. 72-77, Septiembre-Octubre 2025, mjshae.org DOI 10.5281/zenodo.174608723 72 Análisis dinámico de suspensión de doble horquilla en sistema de cuarto de vehículo: simulación y validación experimental Kevin Smith Vazquez Perez Universidad Autónoma de Ciudad Juárez 0009-0006-6085-0842 Francisco Carrillo Pereyra Universidad Autónoma de Ciudad Juárez 0000-0002-2829-4333 Recibido: 30 de septiembre de 2025 | Aceptado: 21 de octubre de 2025 | Publicado en línea: 28 de octubre de 2025 | Introducción El análisis de sistemas dinámicos en vehículos ha sido un campo ampliamente investigado debido a su relevancia en el desempeño y la seguridad vehicular. En particular, la suspensión de doble horquilla es un diseño preferido en vehículos de alto rendimiento, gracias a su capacidad para optimizar la estabilidad y el control de los ángulos de las ruedas durante maniobras extremas (Smith & Walker, 2019; Dixon, 2022). Este tipo de suspensión permite mantener un contacto adecuado entre el neumático y la superficie de la carretera, mejorando la tracción y reduciendo el desgaste (Milliken & Milliken, 1995; Pacejka, 2012). El análisis computacional de estos sistemas ha ganado popularidad en las últimas décadas debido al desarrollo de herramientas avanzadas como SolidWorks, ANSYS y Simulink, que permiten modelar y simular sistemas complejos con alta precisión (Mallick, 2010; Shabana, 2020; Gillespie, 2021). Estas herramientas son ampliamente utilizadas para estimar parámetros dinámicos clave, como la frecuencia natural, la amplitud de vibración y la respuesta armónica, fundamentales en el diseño de suspensiones que equilibren confort y rendimiento (Jazar, 2017; Wong, 2008). Paralelamente, la validación experimental sigue siendo indispensable para garantizar la fiabilidad de los modelos numéricos. Los avances en tecnologías como la impresión 3D han reducido significativamente los costos Resumen: En este artículo se realiza un análisis dinámico de un sistema de cuarto de vehículo con suspensión de doble horquilla, combinando simulación y validación experimental. El modelo fue diseñado en SolidWorks y se obtuvo la respuesta libre del sistema bajo una excitación inicial controlada. Para la validación, se construyó un prototipo en PLA mediante impresión 3D, instrumentado con un Arduino Uno y un sensor MPU6050. Los resultados experimentales se procesaron con OriginLab para realizar la transformada rápida de Fourier (FFT), comparándolos con la simulación. Los errores relativos fueron del 15.72% en frecuencia y del 4.51% en amplitud, destacando la utilidad de este enfoque en la evaluación de sistemas dinámicos. Palabras clave: suspensión de doble horquilla; análisis dinámico; Arduino Uno; MPU6050; impresión 3D; Transformada Rápida de Fourier (FFT). Title: Dynamic Analysis of a Double-Wishbone Suspension in a Quarter-Vehicle System: Simulation and Experimental Validation. Abstract: This article presents a dynamic analysis of a quarter-vehicle system with a double-wishbone suspension, combining simulation and experimental validation. The model was designed in SolidWorks, and the system’s free response was obtained under controlled initial excitation. For validation, a prototype was fabricated in PLA using 3D printing and instrumented with an Arduino Uno and an MPU6050 sensor. The experimental results were processed in OriginLab to perform a Fast Fourier Transform (FFT) and compared with the simulation. The relative errors were 15.72 % in frequency and 4.51 % in amplitude, Cómo citar: Vazquez-Perez, K. S. & Carrillo-Pereyra, F. (2025). Análisis dinámico de suspensión de doble horquilla en sistema de cuarto de vehículo: simulación y validación experimental. Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación, 3(14), 72-77. DOI 10.5281/zenodo.174608723 [.RIS] © Licencia Creative Commons Atribución-NoComercialSinDerivadas 4.0 Internacional. highlighting the usefulness of this approach for evaluating dynamic systems. Keywords: Double wishbone suspension; Dynamic analysis; Arduino Uno; MPU6050; 3D printing; Fast Fourier Transform (FFT). Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación ISSN 2992-7722, Volumen 3, Número 14, pp. 72-77, Septiembre-Octubre 2025, mjshae.org DOI 10.5281/zenodo.174608723 73 y tiempos asociados a la fabricación de prototipos, permitiendo la replicación de geometrías complejas con precisión aceptable (Blanco González, 2019; Gebhardt, 2012). Además, la disponibilidad de plataformas de microcontroladores, como Arduino, ha revolucionado el desarrollo de sistemas de adquisición de datos de bajo costo, democratizando el acceso a estudios experimentales sofisticados (Naylamp Mechatronics, s.f.; Kumar & Parameswaran, 2021). Sensores como el MPU6050 han sido ampliamente adoptados por su capacidad de medir aceleraciones y velocidades angulares con alta sensibilidad, lo que los convierte en herramientas idóneas para el análisis dinámico (Morari & Tănase, 2021; Arduino, s.f.). El procesamiento de datos experimentales también ha evolucionado significativamente. Herramientas como Origin Lab permiten aplicar métodos avanzados de análisis de datos, incluyendo la Transformada Rápida de Fourier (FFT), que es fundamental para identificar frecuencias predominantes y evaluar la respuesta del sistema a diferentes estímulos (OriginLab Corporation, s.f.; Tecneu, s.f.; Nguyen & Wang, 2015). Estas metodologías han sido fundamentales en la validación de sistemas mecánicos, especialmente en el contexto de suspensiones vehiculares, donde el análisis armónico desempeña un papel crucial en la optimización de los parámetros de diseño (Milliken & Milliken, 1995; Pacejka, 2012). Además, investigaciones recientes han destacado la importancia de combinar análisis numéricos y experimentales para mejorar la correlación entre modelos teóricos y sistemas físicos (Crolla et al., 2018; Dufour & Brossard, 2020). La integración de simulaciones computacionales y mediciones experimentales proporciona no solo un enfoque robusto para evaluar sistemas complejos, sino también una plataforma para identificar limitaciones y optimizar diseños (Jazar, 2017; Wong, 2008). En este trabajo, se busca evaluar la utilidad de un enfoque metodológico integral, que combina simulación computacional y validación experimental con recursos accesibles, para el análisis dinámico de un sistema simplificado de cuarto de vehículo con suspensión de doble horquilla, que incluye la fabricación de un prototipo físico mediante impresión 3D y la instrumentación con sensores MPU6050 integrados en una plataforma Arduino. Los datos experimentales obtenidos se procesan utilizando Origin Lab para calcular la FFT y comparar los resultados con los simulados. Este enfoque permite evaluar la precisión del modelo computacional y su aplicabilidad en el diseño, contribuyendo a la optimización del rendimiento de los vehículos y a la seguridad en su operación. Metodología Modelo matemático del sistema. El comportamiento dinámico del sistema de cuarto de vehículo con suspensión de doble horquilla puede representarse mediante un modelo de segundo orden, masa-resorte-amortiguador, bajo ciertas simplificaciones que consideran el movimiento en una sola dirección (vertical), con una masa suspendida, un resorte y un amortiguador lineales viscoso. Este modelo es descrito por la siguiente ecuación diferencial ordinaria: 𝑚𝑥󰇘(𝑡)+ 𝑐𝑥󰇗(𝑡)+𝑘𝑥(𝑡)= 𝐹(𝑡) Ecuación (1) Donde: m: masa suspendida del sistema [kg] c: coeficiente de amortiguamiento [N·s/m] k: constante de rigidez del resorte [N/m] x(t): desplazamiento vertical de la masa en función del tiempo [m] F(t): fuerza de entrada o perturbación externa aplicada al sistema [N] Esta ecuación modela la respuesta dinámica del sistema frente a una excitación armónica externa, asumiendo condiciones iniciales nulas y comportamiento lineal de los elementos. En el presente trabajo, la ecuación se reescribe como: 𝑚𝑥󰇘(𝑡)+ 𝑐𝑥󰇗(𝑡)+𝑘𝑥(𝑡)= −𝑚𝑦󰇘(𝑡) Ecuación (2) Donde: y(t) representa el desplazamiento del punto de apoyo (entrada de vibración). X(t) es el desplazamiento relativo de la masa suspendida respecto a la base. Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación ISSN 2992-7722, Volumen 3, Número 14, pp. 72-77, Septiembre-Octubre 2025, mjshae.org DOI 10.5281/zenodo.174608723 74 Fig.1. Sistema masa resorte amortiguador. Simulación computacional El modelo de suspensión de doble horquilla fue diseñado en el software de diseño mecánico SolidWorks, considerando brazos de control, amortiguador y masa suspendida. Fig.2. Modelo virtual CAD 3D. Se realizó un análisis de movimiento para obtener la respuesta en el dominio del tiempo, considerando un muelle con las siguientes características: Rigidez: K=0.50 N/mm Diámetro de alambre de:1.83 mm Numero de vueltas: 9 Paso entre vueltas: 46.46 Diámetro del resorte: 28 mm Mientras que para el amortiguador se asignaron los siguientes valores: Constante de amortiguamiento: C=0.06 N/(mm/s) En SolidWorks Motion se aplicó una condición de frontera basada en una excitación constante de magnitud definida, 9.8 newtons, aplicada directamente sobre el sistema en una dirección vertical. Esta entrada no corresponde a una señal sinusoidal ni aleatoria, sino a una fuerza constante, con el objetivo de generar una respuesta libre en el sistema masa-resorte-amortiguador. Bajo esta configuración, se analizó el comportamiento transitorio del sistema a partir de su desplazamiento inicial inducido, permitiendo obtener la respuesta. Esta elección de excitación simplifica el análisis, ya que permite observar la dinámica natural del sistema sin superposición de múltiples frecuencias externas. No obstante, también limita la reproducibilidad de un caso realista donde las excitaciones suelen ser variables, como las generadas por rugosidades del camino, baches o vibraciones inducidas por el motor o las ruedas. La respuesta en el domino del tiempo que se obtuvo se muestra en la figura 3 Fig.3. Datos en el dominio del tiempo, sistema amortiguado. Fig.4. Datos en el dominio del tiempo, sistema no amortiguado. La información obtenida del sistema fue procesada mediante la FFT, para analizar las componentes Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación ISSN 2992-7722, Volumen 3, Número 14, pp. 72-77, Septiembre-Octubre 2025, mjshae.org DOI 10.5281/zenodo.174608723 75 frecuenciales de la respuesta dinámica del sistema. Este análisis es fundamental para identificar las frecuencias naturales y los patrones de vibración predominantes en el comportamiento del modelo, permite descomponer la señal temporal registrada en el dominio de la frecuencia, facilitando una interpretación detallada de los fenómenos dinámicos involucrados. En el siguiente gráfico se presentan los resultados obtenidos, donde se destacan las principales frecuencias de vibración que caracterizan la respuesta del sistema bajo las condiciones de prueba establecidas. Este enfoque resulta esencial para validar la concordancia entre los datos experimentales y los obtenidos por simulación. Fig. 5. Respuesta en el dominio de la frecuencia. Se obtuvo una frecuencia de 0.4797 Hz y una amplitud de 0.3827 m. para el sistema amortiguado. Construcción del prototipo Se fabricó mediante manufactura aditiva, un prototipo físico de material ácido poliláctico (PLA), utilizando impresión 3D. Este material fue seleccionado por su facilidad de uso y propiedades mecánicas adecuadas para prototipos funcionales (Arana & Esquivel, 2020). Fig. 6. Impresión 3D. Instrumentación experimental El prototipo fue instrumentado con un Arduino Uno y un sensor MPU6050 para capturar aceleraciones y velocidades. Los datos se adquirieron a través de un programa personalizado en Arduino IDE (Blanco González, 2019). Fig.7. A) Arduino; B) Sensor MPU6050. A) B) Una vez finalizada la programación del sistema, se procedió a la construcción del banco de pruebas, diseñado para llevar a cabo los experimentos. Mostrado en la figura 8, fue configurado para replicar las condiciones operativas del sistema y permitir la adquisición de datos experimentales de forma precisa y controlada. La estructura fue optimizada para garantizar la estabilidad y minimizar las interferencias externas que pudieran afectar las mediciones, asegurando así la fiabilidad de los resultados obtenidos. Este montaje permitió evaluar de manera directa las respuestas dinámicas del sistema bajo diferentes condiciones de prueba, proporcionando datos esenciales para la validación del modelo computacional. Fig. 8. Banco de prueba. Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación ISSN 2992-7722, Volumen 3, Número 14, pp. 72-77, Septiembre-Octubre 2025, mjshae.org DOI 10.5281/zenodo.174608723 76 La tasa de muestreo tomada fue de 0.040 segundos y se tomaron 22 segundos teniendo un total 551 datos. 𝑓 𝑠=1 0.040 =25 𝐻𝑧 De Nyquist: 𝑓𝑚á𝑥 =𝑓 𝑠 2=12.5 ℎ𝑧 ∆𝑓 = 𝑓 𝑠 𝑁=25 551 ≈ 0.0454 𝐻𝑧 Este nivel de resolución es adecuado para identificar la frecuencia dominante observada (~0.48 Hz), permitiendo un análisis fiable de la dinámica del sistema. Procesamiento de datos Al igual que en la simulación los datos experimentales adquiridos fueron procesados utilizando OriginLab, donde se aplicó la FFT, para analizar el comportamiento dinámico del sistema. Proporcionando una visión detallada de las características vibracionales del modelo. Los resultados obtenidos fueron comparados con los datos simulados. Este enfoque permitió evaluar la concordancia entre el modelo computacional y los resultados experimentales, proporcionando un marco robusto para validar la metodología empleada. En consecuencia, la frecuencia de muestreo y la resolución espectral utilizadas en el estudio fueron suficientes para capturar adecuadamente la frecuencia dominante del sistema. Esto garantiza la validez del análisis en el dominio de la frecuencia, permitiendo identificar con precisión el comportamiento vibratorio del sistema modelado. Resultados Fig.9. A) Simulado; B) Experimental. A) B) Tabla 1. Comparación de resultados Dato Simulado Experimental Error Frecuencia 0.4797 Hz 0.4044 Hz 15.72% Amplitud 0.3827 m 0.4000 m 4.51% El error relativo en frecuencia, del 15.72%, puede atribuirse a las simplificaciones asumidas en el modelo computacional, como la omisión de efectos no lineales y la idealización de las condiciones de operación. Estas simplificaciones limitan la capacidad del modelo para reflejar completamente la complejidad del sistema real. En contraste, el error relativo en amplitud, del 4.51%, indica una buena concordancia entre el comportamiento simulado y experimental en términos de magnitudes de vibración. Esto resalta la capacidad del prototipo experimental para capturar las características dinámicas clave del sistema. Discusión Análisis de errores El error observado en la frecuencia puede atribuirse a la presencia de efectos no lineales que no fueron incluidos en el modelo computacional, dado que este se desarrolló bajo suposiciones de condiciones ideales. Estos efectos no lineales, como la variabilidad en las propiedades del material, la interacción dinámica compleja entre componentes, o posibles fenómenos de acoplamiento estructural, pueden alterar las características de la respuesta vibratoria. Por otro lado, el reducido error en la amplitud demuestra la capacidad del modelo experimental para representar con precisión las magnitudes de las vibraciones del sistema. Esto sugiere que, aunque el modelo computacional presenta limitaciones en la predicción de las frecuencias naturales, el enfoque experimental puede capturar con fidelidad las respuestas dinámicas relacionadas con la amplitud, Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación ISSN 2992-7722, Volumen 3, Número 14, pp. 72-77, Septiembre-Octubre 2025, mjshae.org DOI 10.5281/zenodo.174608723 77 validando su aplicabilidad para análisis dinámicos en sistemas vehiculares. Conclusión La metodología desarrollada permitió un análisis integral y la validación experimental del comportamiento dinámico de un sistema de cuarto de vehículo con suspensión de doble horquilla. La combinación de modelado en SolidWorks, análisis armónico, implementación de la Transformada Rápida de Fourier (FFT) mediante OriginLab, y la instrumentación con Arduino y el sensor MPU6050, demostró ser un enfoque eficiente y de bajo costo para la caracterización dinámica de sistemas mecánicos complejos. El error relativo obtenido, de 15.72% en frecuencia y 4.51% en amplitud, resalta tanto la viabilidad del enfoque como las áreas de mejora. Estas discrepancias son atribuibles a la simplificación inherente del modelo computacional y a las limitaciones del material empleado en el prototipo impreso en 3D, cuyas propiedades mecánicas no replican fielmente las condiciones de un sistema real. En futuros estudios, se recomienda la utilización de materiales con propiedades mecánicas más cercanas a las reales, así como la incorporación de sensores de mayor precisión para mejorar la calidad de los datos experimentales. Adicionalmente, la consideración de efectos no lineales en el modelo computacional podría reducir significativamente las diferencias entre los resultados simulados y experimentales, fortaleciendo la capacidad predictiva de este tipo de metodologías. Este trabajo no solo permite validar una metodología para análisis dinámico vehicular, sino que además constituye una estrategia didáctica efectiva para introducir a los estudiantes en herramientas de simulación, adquisición de datos y análisis de señales en ingeniería automotriz. Referencias Arduino. (s.f.). MPU6050 overview. https://www.arduino.cc Blanco González, E. (2019). Impresión 3D: Fundamentos y aplicaciones. Madrid: Paraninfo. Crolla, D. A., et al. (2018). Automotive Engineering: Powertrain, Chassis System and Vehicle Body. Elsevier. Dixon, J. C. (2022). Suspension Geometry and Computation. Wiley. Dufour, C., & Brossard, P. (2020). Multibody Systems Simulation for Vehicle Dynamics: A Practical Guide. Springer. Gebhardt, A. (2012). Understanding Additive Manufacturing: Rapid Prototyping - Rapid Tooling - Rapid Manufacturing. Hanser. Gillespie, T. D. (2021). Fundamentals of Vehicle Dynamics. SAE International. Jazar, R. N. (2017). Vehicle Dynamics: Theory and Applications. Springer. Kumar, V., & Parameswaran, P. (2021). Arduino-based data acquisition systems: Principles and practices. IEEE Access. Mallick, P. K. (2010). Materials, Design and Manufacturing for Lightweight Vehicles. Woodhead Publishing. Milliken, W. F., & Milliken, D. L. (1995). Race Car Vehicle Dynamics. SAE International.Morari, M., & Tănase, M. (2021). Sensor Fusion for Motion Analysis in Vehicles. Sensors. Naylamp Mechatronics. (s.f.). Plataformas Arduino y sensores aplicados al análisis dinámico. https://naylampmechatronics.com Nguyen, Q., & Wang, P. (2015). Application of FFT in vehicle dynamics. Journal of Mechanical Systems. OriginLab Corporation. (s.f.). Origin software documentation. https://www.originlab.com Pacejka, H. B. (2012). Tire and Vehicle Dynamics. Elsevier. Shabana, A. A. (2020). Computational Dynamics. Wiley. Smith, T., & Walker, J. (2019). Chassis Engineering for High-Performance Vehicles. McGraw Hill. Tecneu. (s.f.). Análisis de señales con FFT en Origin Lab. https://tecneu.com Wong, J. Y. (2008). Theory of Ground Vehicles. Wiley.