CN109063304B - 一种用于高速列车吸能结构设计的多目标优化决策方法 - Google Patents

一种用于高速列车吸能结构设计的多目标优化决策方法 Download PDF

Info

Publication number
CN109063304B
CN109063304B CN201810828482.8A CN201810828482A CN109063304B CN 109063304 B CN109063304 B CN 109063304B CN 201810828482 A CN201810828482 A CN 201810828482A CN 109063304 B CN109063304 B CN 109063304B
Authority
CN
China
Prior art keywords
energy absorption
optimization
absorption structure
decision
weight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810828482.8A
Other languages
English (en)
Other versions
CN109063304A (zh
Inventor
彭勇
张洪浩
侯林
许平
姚曙光
孙成名
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201810828482.8A priority Critical patent/CN109063304B/zh
Publication of CN109063304A publication Critical patent/CN109063304A/zh
Application granted granted Critical
Publication of CN109063304B publication Critical patent/CN109063304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Analysis (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Automation & Control Theory (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了机械结构优化设计领域的一种用于高速列车吸能结构设计的多目标优化决策方法，包括：确定列车吸能结构类型，构建吸能结构的有限元模型；选定设计变量、优化目标函数以及约束条件，通过响应表面法拟合有限元模型得到吸能结构优化数学模型；采用NSGA‑Ⅱ对数学模型进行优化计算得到Pareto前沿非劣解集；根据实际工况，采用最优最劣方法计算所述优化目标函数中各优化目标的权重；采用GRA‑VIKOR集成方法对Pareto前沿非劣解集进行决策分析，结合所述权重确定吸能结构设计的最优解。本发明解决了优化解集多样性与工程应用方案唯一性的歧义性问题，实现了高速列车吸能结构设计优化研究，方法简单、新颖、易于实现，且结果稳定。

Description

一种用于高速列车吸能结构设计的多目标优化决策方法
技术领域
本发明涉及机械结构优化设计技术领域，具体涉及了一种用于高速列车吸能结构设计的多目标优化决策方法。
背景技术
列车碰撞事故会造成严重不可避免的人员伤亡和巨大的经济损失。随着列车运行速度的提高，高速列车运行时携带的动能也大幅提高，为了在碰撞事故中保护乘客和司机，对列车端部吸能结构的要求也越来越高，设计和优化合理的列车端部吸能结构已经成为列车耐撞性研究中的热点问题。
随着智能优化算法的发展，NSGA-II成为目前应用最为广泛的多目标优化算法，最终得到Pareto非劣解集。但在工程应用上，最终使用方案具有唯一性，原有多目标优化算法Pareto解集的多样性与工程应用方案的唯一性导致了歧义性，如何在Pareto解集中的选出最需要的设计方案成为多目标优化问题的又一焦点。
发明内容
本发明目的在提供一种用于高速列车吸能结构设计的多目标优化决策方法，以解决现有技术中无法在Pareto解集中选出最优解的技术缺陷。
为实现上述目的，本发明提供了一种用于高速列车吸能结构设计的多目标优化决策方法，包括以下步骤：
S1：确定列车吸能结构类型，构建吸能结构的有限元模型；
S2：选定设计变量、优化目标函数以及约束条件，通过响应表面法拟合有限元模型得到吸能结构优化数学模型；
S3：采用NSGA-Ⅱ对数学模型进行优化计算得到Pareto前沿非劣解集；
S4：根据实际工况，采用最优最劣方法计算优化目标函数中各优化目标的权重；
S5：采用GRA-VIKOR集成方法对Pareto前沿非劣解集进行决策分析，结合权重确定吸能结构设计的最优解。
优选地，S1构建吸能结构的有限元模型之后、S2拟合有限元模型前先通过整车试验验证有限元模型的有效性。
优选地，吸能结构包括薄壁式吸能结构、膨胀式吸能结构、切削式吸能结构和复合式吸能结构。
优选地，设计变量包括比吸能和峰值力。
优选地，优化目标函数和约束条件为：
Figure GDA0002388002130000021
式中，Fp表示峰值力，SEA表示比吸能，li表示第i个自变量，αi表示第i个自变量的最小值，βi表示第i个自变量的最大值，k表示自变量的个数。
优选地，S4中采用最优最劣方法计算各优化目标的权重包括以下步骤：
S401：利用各优化目标建立准则集，选取最优准则B和最劣准则W；
S402：利用比较标度打分，确定最优准则B相比于其他准则的偏好程度，构建第一比较向量；确定其他准则相比于最劣准则W的偏好程度，构建第二比较向量；
S403：根据数学规划问题式，求得最终权重，其中，数学规划问题式如下：
minξ
Figure GDA0002388002130000022
Figure GDA0002388002130000023
Figure GDA0002388002130000024
ωj≥0，forallj
式中，j＝1,2,…,k，aBj表示第一比较向量，ajW表示第二比较向量，wB表示最优准则B的权重，wW表示最劣准则W的权重，wj表示第j个准则的权重。
优选地，S5中采用GRA-VIKOR集成方法对Pareto前沿非劣解进行决策分析，结合权重确定最优方案包括以下步骤：
S501：根据Pareto前沿非劣解构建综合决策矩阵：
Figure GDA0002388002130000025
式中，n表示非劣解的个数；m表示优化目标的个数；
S502：对决策矩阵进行归一化处理，得到标准化的决策矩阵：
Z＝[zij]n×m
Figure GDA0002388002130000026
S503：计算标准化决策矩阵的正理想解
Figure GDA0002388002130000031
和负理想解
Figure GDA0002388002130000032
Figure GDA0002388002130000033
Figure GDA0002388002130000034
式中，J+表示极大性指标，J-表示极小性指标；
S504：结合灰色关联理论，结合权重计算得到前沿非劣解集各个前沿非劣解的最大效应值Si和最小后悔值Ri：
Figure GDA0002388002130000035
Figure GDA0002388002130000036
式中，ρ∈[0,1]；
S505：计算各方案的VIKOR值即Qi：
Figure GDA0002388002130000037
S*＝maxSi,S-＝min Si,R*＝maxRi,R-＝min Ri
式中，v表示最大效用权重，v＝0.5说明决策者为折衷态度，表示以均衡方式使群体效用最大化，个体遗憾最小化。
S506：当满足以下两个条件时，可依据Qi的大小进行排序，Qi值最大的为最优前沿非劣解：
条件1：(Q"－Q')≥[1/(j-1)]。其中，Q"值为根据Qi值排序出的第二个备选方案，Q'为根据Qi值排序第一的备选方案，j为备选方案的数目；
条件2：决策过程中可以接受的稳定性，根据Qi值排序第一方案同样也是Si或Ri中排序第一的方案，表明通过计算Qi得到排序第一位的方案也能通过Si或Ri加以验证。
如果条件1和条件2均满足，则排序第一的方案可接受。如果上述条件有一个不满足，则有：若不满足条件2，则第一方案和第二方案均为折衷解；若不满足条件1，则通过(Q"－Q')<[1/(j-1)]得到最大的M，则方案1,2,...,M均为折衷解。
本发明具有以下有益效果：
本发明集成了数值计算、多目标优化与多属性决策理论，充分考虑实际工程需要，通过GRA-VIKOR集成方法对Pareto前沿非劣解集进行决策分析，得到最优解，解决了优化解集多样性与工程应用方案唯一性的歧义性问题，实现了高速列车吸能结构设计优化研究，方法简单、新颖、易于实现，且结果稳定。
下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的一种用于高速列车吸能结构设计的多目标决策方法流程图；
图2是本发明优选实施例的列车吸能结构有限元模型示意图；
图3是本发明优选实施例的列车吸能结构有限元模型有效性验证图；
图4是本发明优选实施例的Pareto前沿非劣解集示意图；
图5是本发明优选实施例的VIKOR值排列示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
本发明提供了一种用于高速列车吸能结构设计的多目标决策方法，参见图1，包括以下步骤：
S1：确定列车吸能结构类型，构建吸能结构的有限元模型。
列车吸能结构的类型包括薄壁式、膨胀式、切削式和复合式。任意选择吸能结构的结构参数，如壁厚、边长等参数构建有限元模型。
构建完有限元模型后，采用轨道车辆实车碰撞系统进行实验以判断吸能结构的有效性。有效性的判断依据是在试验与仿真的撞击力-时间曲线中，峰值点的数量和撞击力的振幅基本一致，误差在10％以内。若吸能结构未通过有效性测试，则需要重新进行有限元模型构建，以设计的准确性。
S2：选定设计变量、优化目标函数以及约束条件，通过响应表面法拟合所述有限元模型得到吸能结构优化数学模型。
本实施例的设计变量设定为比吸能和峰值力。比吸能为极大性指标，即值越大性能越优；所述峰值力为极小性指标，即值越小性能越优。
优化目标函数和约束条件如下：
Figure GDA0002388002130000041
式中，Fp表示峰值力，SEA表示比吸能，li表示第i个自变量，αi表示第i个自变量的最小值，βi表示第i个自变量的最大值，k表示自变量的个数。
S3：采用NSGA-Ⅱ对所述数学模型进行优化计算得到Pareto前沿非劣解集。
S4：根据实际工况，采用最优最劣方法计算优化目标函数中各优化目标的权重。
S401：利用优化目标建立准则集，选取最优准则B和最劣准则W；
S402：利用比较标度打分，确定最优准则B相比于其他准则的偏好程度，构建第一比较向量；确定其他准则相比于最劣准则W的偏好程度，构建第二比较向量；
S403：根据数学规划问题式，求得最终权重，其中，数学规划问题式如下：
minξ
Figure GDA0002388002130000051
Figure GDA0002388002130000052
Figure GDA0002388002130000053
ωj≥0，forallj
式中，j＝1,2,…,k，aBj表示第一比较向量，ajW表示第二比较向量，wB表示最优准则B的权重，wW表示最劣准则W的权重，wj表示第j个准则的权重。
S5：采用GRA-VIKOR集成方法对Pareto前沿非劣解集进行决策分析，结合权重确定吸能结构设计的最优解。
S501：根据Pareto前沿非劣解构建综合决策矩阵：
Figure GDA0002388002130000054
式中，n表示非劣解的个数；m表示优化目标的个数；
S502：对决策矩阵进行归一化处理，得到标准化的决策矩阵：
Z＝[zij]n×m
Figure GDA0002388002130000055
S503：计算标准化决策矩阵的正理想解
Figure GDA0002388002130000056
和负理想解
Figure GDA0002388002130000057
Figure GDA0002388002130000061
Figure GDA0002388002130000062
式中，J+表示极大性指标，J-表示极小性指标。
S504：结合灰色关联理论，结合权重计算得到前沿非劣解集各个前沿非劣解的最大效应值Si和最小后悔值Ri：
Figure GDA0002388002130000063
Figure GDA0002388002130000064
式中，ρ∈[0,1]，wj为权重。
S505：计算各方案的VIKOR值即Qi：
Figure GDA0002388002130000065
S*＝maxSi,S-＝minSi,R*＝maxRi,R-＝minRi
式中，v表示最大效用权重，v＝0.5说明决策者为折衷态度，表示以均衡方式使群体效用最大化，个体遗憾最小化。
S506：当满足以下两个条件时，可依据Qi的大小进行排序，Qi值最大的为最优前沿非劣解：
条件1：(Q"－Q')≥[1/(j-1)]。其中，Q"值为根据Qi值排序出的第二个备选方案，Q'为根据Qi值排序第一的备选方案，j为备选方案的数目；
条件2：决策过程中可以接受的稳定性，根据Qi值排序第一方案同样也是Si或Ri中排序第一的方案，表明通过计算Qi得到排序第一位的方案也能通过Si或Ri加以验证。
如果条件1和条件2均满足，则排序第一的方案可接受。如果上述条件有一个不满足，则有：若不满足条件2，则第一方案和第二方案均为折衷解；若不满足条件1，则通过(Q"－Q')<[1/(j-1)]得到最大的M，则方案1,2,...,M均为折衷解。
下面结合具体实施例对本发明作进一步详细说明。
实施例1
以某种应用于高速列车的多胞薄壁吸能结构为例，以八边形管为基础，正六边形管围绕在其四周，形成的五孔组合蜂窝结构形式，正六边形单元胞的边长为56mm，八边形管上下边长为56mm，侧边长为51mm，斜边与侧边的夹角为150°，上下边与斜边的夹角为120°，横截面的大小为280mm×245mm。五孔吸能结构薄壁厚度为5mm，长度为500mm。
使用非线性有限元软件LS-DYNA对其进行数值仿真分析，利用Hypermesh前处理软件对吸能结构的几何模型进行网格划分，得到如图2所示的有限元模型，通过实车试验验证，得到试验与仿真的撞击力-时间曲线，如图3所示，可得该有限元模型可靠。
以比吸能和峰值力为优化目标，以边长l和壁厚t为自变量(如图2所示)，建立吸能结构优化模型，
Figure GDA0002388002130000071
通过响应面法得到优化数学模型，
Figure GDA0002388002130000072
采用NSGA-II优化算法对该模型进行多目标优化，得到Pareto前沿非劣解，如图4所示；以优化目标为基础，建立评价指标体系；依照评价标度，如表1所示，由3名专家Dk(k＝1,2,3)对方案进行打分，取平均值建立第一比较向量和第二比较向量，如表2所示；通过最优最劣方法得到权重向量，如表3所示。
表1评价标度
语言变量 数值
很低 1
低 3
中等 5
高 7
很高 9
表2第一比较向量和第二比较向量
Figure GDA0002388002130000073
表3权重向量
Figure GDA0002388002130000081
通过GRA-VIKOR集成方法，对Pareto前沿非劣解集进行评估，得以各方案的VIKOR值即Qi，如图5所示。根据Qi值进行排序，得到最优解，即边长l为37.1127mm和壁厚t为3.7020，比吸能为862.7483kJ/kg，峰值力为29.9182kN。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种用于高速列车吸能结构设计的多目标优化决策方法，其特征在于，包括以下步骤：
S1：确定列车吸能结构类型，构建吸能结构的有限元模型；
S2：选定设计变量、优化目标函数以及约束条件，通过响应表面法拟合所述有限元模型得到吸能结构优化数学模型；
S3：采用NSGA-Ⅱ对所述数学模型进行优化计算得到Pareto前沿非劣解集；
S4：根据实际工况，采用最优最劣方法计算所述优化目标函数中各优化目标的权重，采用最优最劣方法计算各优化目标的权重包括以下步骤：
S401：利用优化目标建立准则集，选取最优准则B和最劣准则W；
S402：利用比较标度打分，确定最优准则B相比于其他准则的偏好程度，构建第一比较向量；确定其他准则相比于最劣准则W的偏好程度，构建第二比较向量；
S403：根据数学规划问题式，求得各优化目标权重，其中，数学规划问题式如下：
minξ
Figure FDA0002388002120000011
Figure FDA0002388002120000012
Figure FDA0002388002120000013
ωj≥0，forallj
式中，j＝1,2,…,k，aBj表示第一比较向量，ajW表示第二比较向量，wB表示最优准则B的权重，wW表示最劣准则W的权重，wj表示第j个准则的权重；
S5：采用GRA-VIKOR集成方法对Pareto前沿非劣解集进行决策分析，结合所述权重确定吸能结构设计的最优解，采用GRA-VIKOR集成方法对Pareto前沿非劣解进行决策分析，结合所述权重确定吸能结构设计的最优解包括以下步骤：
S501：根据Pareto前沿非劣解构建综合决策矩阵：
Figure FDA0002388002120000014
式中，n表示非劣解的个数；m表示优化目标的个数；
S502：对决策矩阵进行归一化处理，得到标准化的决策矩阵：
Z＝[zij]n×m
Figure FDA0002388002120000021
S503：计算标准化决策矩阵的正理想解
Figure FDA0002388002120000022
和负理想解
Figure FDA0002388002120000023
Figure FDA0002388002120000024
Figure FDA0002388002120000025
式中，J+表示极大性指标，J-表示极小性指标；
S504：结合灰色关联理论，结合权重计算得到前沿非劣解集各个前沿非劣解的最大效应值Si和最小后悔值Ri：
Figure FDA0002388002120000026
Figure FDA0002388002120000027
式中，ρ∈[0,1]；
S505：计算各方案的VIKOR值即Qi：
Figure FDA0002388002120000028
S*＝maxSi,S-＝minSi,R*＝maxRi,R-＝minRi
式中，v表示最大效用权重，v＝0.5说明决策者为折衷态度，表示以均衡方式使群体效用最大化，个体遗憾最小化；
S506：当满足以下两个条件时，可依据Qi的大小进行排序，Qi值最大的为最优前沿非劣解：
条件1：(Q"－Q')≥[1/(j-1)]；其中，Q"值为根据Qi值排序出的第二个备选方案，Q'为根据Qi值排序第一的备选方案，j为备选方案的数目；
条件2：决策过程中可以接受的稳定性，根据Qi值排序第一方案同样也是Si或Ri中排序第一的方案，表明通过计算Qi得到排序第一位的方案也能通过Si或Ri加以验证；
如果条件1和条件2均满足，则排序第一的方案可接受；如果上述条件有一个不满足，则有：若不满足条件2，则第一方案和第二方案均为折衷解；若不满足条件1，则通过(Q"－Q')<[1/(j-1)]得到最大的M，则方案1,2,...,M均为折衷解。
2.根据权利要求1所述的一种用于高速列车吸能结构设计的多目标优化决策方法，其特征在于，所述S1构建吸能结构的有限元模型之后、所述S2拟合有限元模型前先通过整车试验验证有限元模型的有效性。
3.根据权利要求1所述的一种用于高速列车吸能结构设计的多目标优化决策方法，其特征在于，所述吸能结构包括薄壁式吸能结构、膨胀式吸能结构、切削式吸能结构和复合式吸能结构。
4.根据权利要求1所述的一种用于高速列车吸能结构设计的多目标优化决策方法，其特征在于，所述设计变量包括比吸能和峰值力。
5.根据权利要求4所述的一种用于高速列车吸能结构设计的多目标优化决策方法，其特征在于，所述优化目标函数和约束条件为：
Figure FDA0002388002120000031
式中，Fp表示峰值力，SEA表示比吸能，li表示第i个自变量，αi表示第i个自变量的最小值，βi表示第i个自变量的最大值，k表示自变量的个数。
CN201810828482.8A 2018-07-25 2018-07-25 一种用于高速列车吸能结构设计的多目标优化决策方法 Active CN109063304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810828482.8A CN109063304B (zh) 2018-07-25 2018-07-25 一种用于高速列车吸能结构设计的多目标优化决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810828482.8A CN109063304B (zh) 2018-07-25 2018-07-25 一种用于高速列车吸能结构设计的多目标优化决策方法

Publications (2)

Publication Number Publication Date
CN109063304A CN109063304A (zh) 2018-12-21
CN109063304B true CN109063304B (zh) 2020-04-28

Family

ID=64836347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810828482.8A Active CN109063304B (zh) 2018-07-25 2018-07-25 一种用于高速列车吸能结构设计的多目标优化决策方法

Country Status (1)

Country Link
CN (1) CN109063304B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220318917A1 (en) * 2019-12-25 2022-10-06 Nec Corporation Intention feature value extraction device, learning device, method, and program

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110309601A (zh) * 2019-07-04 2019-10-08 中南大学 一种用于长编动车组碰撞能量管理的优化方法及系统
CN112446087B (zh) * 2019-09-05 2022-04-29 湖南工业大学 一种基于盲数理论的机械结构区间多目标优化方法
CN112825269B (zh) * 2019-11-20 2022-11-04 天津大学 一种气化工艺设计方法、装置、设备及存储介质
CN111310368B (zh) * 2019-12-26 2023-09-29 上汽大众汽车有限公司 一种吸能模块有限元模型开孔参数化变形方法、介质和系统
CN112199876B (zh) * 2020-10-18 2022-03-15 西北工业大学 一种以期望力响应历程为目标的吸能结构优化方法
CN116701830A (zh) * 2023-04-26 2023-09-05 清华大学 基于模糊规则与稳定性推理控制的帕累托前沿解优选方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1930226A1 (en) * 2006-12-04 2008-06-11 ANSALDOBREDA S.p.A. Front carriage of a train equipped with a front structure that absorbs energy in case of collision
CN104632976A (zh) * 2015-02-28 2015-05-20 烟台科力博睿地震防护科技有限公司 一种弹塑性吸能缓冲组件
CN105818831A (zh) * 2016-03-31 2016-08-03 中南大学 组合式吸能机构及具有该组合式吸能机构的轨道车辆

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4383271B2 (ja) * 2004-06-30 2009-12-16 財団法人鉄道総合技術研究所 管状体構造
CN103996081B (zh) * 2014-05-30 2015-02-18 山东大学 一种用于网架重构方案评估的混合多属性群决策方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1930226A1 (en) * 2006-12-04 2008-06-11 ANSALDOBREDA S.p.A. Front carriage of a train equipped with a front structure that absorbs energy in case of collision
CN104632976A (zh) * 2015-02-28 2015-05-20 烟台科力博睿地震防护科技有限公司 一种弹塑性吸能缓冲组件
CN105818831A (zh) * 2016-03-31 2016-08-03 中南大学 组合式吸能机构及具有该组合式吸能机构的轨道车辆

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multi-objective optimization of a high-speed train head based on the FFD method;rui li等;《Journal of Wind Engineering and Industrial Aerodynamics》;20160531;第41-49页 *
高速列车前端多胞吸能结构的耐撞性优化;张秧聪 等;《振动与冲击》;20170630;第36卷(第12期);第31-36页 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220318917A1 (en) * 2019-12-25 2022-10-06 Nec Corporation Intention feature value extraction device, learning device, method, and program

Also Published As

Publication number Publication date
CN109063304A (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
CN109063304B (zh) 一种用于高速列车吸能结构设计的多目标优化决策方法
Wang et al. Structure design and multi-objective optimization of a novel NPR bumper system
CN107844835A (zh) 基于动态权重m‑topsis多属性决策的多目标优化改进遗传算法
CN103218500B (zh) 一种基于多目标连续正交方法的稳健性汽车车身材料匹配方法
CN107235024A (zh) 一种变厚度梯度负泊松比汽车缓冲吸能结构及其优化方法
CN110309601A (zh) 一种用于长编动车组碰撞能量管理的优化方法及系统
Lei et al. Multiobjective discrete optimization using the TOPSIS and entropy method for protection of pedestrian lower extremity
CN110210079A (zh) 一种面向整机动态特性的机床支承件质量匹配方法
CN112685834A (zh) 一种车身前端结构部件的碰撞吸能预测方法、介质及终端
CN105427062A (zh) 基于云理论的水库塌岸风险分析方法
Wang et al. Research on lightweight design of automobile collision safety structure based on multiple materials
CN110020466B (zh) 基于代理模型的负泊松比结构吸能盒协同优化设计方法
CN108446477A (zh) 吸能结构耐撞性能优化方法、系统与可读存储介质
CN106997417B (zh) 一种基于行人保护的汽车缓冲吸能a柱及其优化方法
Duan et al. Structural optimization and reliability analysis of automotive composite bumper against low-velocity longitudinal and corner pendulum impacts
CN102999672B (zh) 基于汽车耐撞性的并行支持向量机近似模型优化方法
CN105631093A (zh) 一种基于m-bswa多目标优化的机械结构设计方法
CN114896688A (zh) 一种车身结构吸能盒的设计方法
CN108846159B (zh) 长纤维增强热塑性复合材料能量吸收模型建立方法
CN103034754A (zh) 车身轻量化设计的解耦模式的数据处理分组建模方法
CN108416175B (zh) 长纤维复合材料乘用车后排座椅骨架初始材料设计方法
Su et al. Optimized design of aluminium bumper by impact test and computer simulation analysis
Tian et al. Multi-objective optimisation of hybrid S-shaped rails under oblique impact loading
Zhang et al. Geometry parameter optimization method for automobile energy-absorbing box
Ling et al. Crashworthiness Optimization Design of Minibus Structure

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant