CN109614658A - 一种汽车空气悬架系统的多学科优化平台及优化方法 - Google Patents
一种汽车空气悬架系统的多学科优化平台及优化方法 Download PDFInfo
- Publication number
- CN109614658A CN109614658A CN201811360464.8A CN201811360464A CN109614658A CN 109614658 A CN109614658 A CN 109614658A CN 201811360464 A CN201811360464 A CN 201811360464A CN 109614658 A CN109614658 A CN 109614658A
- Authority
- CN
- China
- Prior art keywords
- optimization
- air suspension
- multidisciplinary
- design
- subsystem
- 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.)
- Granted
Links
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
本发明公开了一种汽车空气悬架系统的多学科优化平台,还公开了一种汽车空气悬架系统的多学科优化方法,以Isight作为空气悬架系统多学科优化平台,依据悬架运动学、动力学、静力学进行协同优化,以此达到悬架的综合性能最佳。相较于相比较于传统悬架设计将悬架细化为各个模块,再依次对各个零件建模、求解这种单一的串行优化设计方式,本发明的空气悬架系统多学科优化平台可以从全局整体性能均衡,从而提升悬架设计质量,对未来悬架设计具有指导价值和工程应用意义。
Description
技术领域
本发明涉及汽车结构优化领域,尤其是涉及一种汽车空气悬架系统的多学科优化平台及优化方法。
背景技术
在传统的悬架设计过程中,最常见的是模块化设计思想,在全面分析和总结悬架系统组成和功能后,将悬架分为多个模块,对每个模块单独进行建模、求解和优化设计。然后通过在子模块间建立关系,将这些子模块组装成整体。这种优化方法就是单一的串行优化设计方法,对各自模块单独优化,而没有关注各自之间的相互作用和矛盾,各模块之间没有共同的设计因素和目标,忽略了相互影响甚至矛盾的方面,只能获得局部最优解(子系统)或者是错误解,求得系统最优解比较困难。鉴于这种单一优化方法的局限性,所获得的最优解带来的直接影响就是费时费力,效率低下。然而,多学科设计优化方法就可以弥补单一优化方法的不足,多学科设计优化是一种最近应用广泛的学科优化理论,最主要的核心内容是基于系统整体性能的平衡,在全面考虑系统整体性能或功能最优的前提下,首先对各子系统(学科)的设计要素和目标进行归纳整理,然后找出各子系统(学科)之间相互影响的因素,通过设计各子系统(学科)的协同机制和优化策略,实现系统整体的性能最优。
汽车悬架系统设计涉及性能、成本、布置等设计因素,他们之间相互影响、作用,甚至是矛盾的。把任何一个设计因素变为可控的,这些设计要素都会对汽车的综合特性产生作用,将这些可控设计统筹考虑,使之并存,一定有相互矛盾的设计因素。
发明内容
发明目的:为克服背景技术的不足,本发明第一目的是公开一种汽车空气悬架系统的多学科优化平台,第二目的是公开一种汽车空气悬架系统的多学科优化方法,利用该方法可确定悬架系统的各设计因素的关联作用,探讨悬架系统各设计因素的关联和矛盾作用,使悬架系统性能、成本、布置达到系统整体最优,各设计要素能达到平衡,使底盘整体性能最均衡。
技术方案:一种汽车空气悬架系统的多学科优化平台,所述多学科优化平台是基于Isight平台集成了CATIA、ADAMS、ABAQUS和Carsim软件构建而成的空气悬架多学科优化平台,对汽车空气悬架系统进行静力学、运动学、动力学之间的协同优化;其中CATIA软件用于建立空气悬架三维模型;ADAMS软件用于空气悬架车辆运动学分析;ABAQUS软件用于空气弹簧、横向稳定杆的有限元分析;Carsim软件用于模拟空气弹簧车辆在不同工况和道路条件下的性能。
一种汽车空气悬架系统的多学科优化设计方法,包括以下步骤:
(1)建立空气悬架车辆多学科优化模型;
(2)选择系统级优化变量和约束条件,构造系统;
(3)给定系统变量的初始值,将该值传递给各个子系统,进行子系统优化;
(4)完成各个子系统优化后将优化结果反馈给系统级优化,进行优化求解;
(5)系统级对子系统之间协调,判断是否满足一致性约束条件,是否收敛,收敛则求解结束,否则返回第四步再继续计算。
其中,所述步骤(1)中基于动力学、运动学、静力学三学科建立空气悬架车辆多学科优化模型。
协同优化包括两层优化模型:系统级优化模型和并行的子系统级优化模型,其中系统级优化问题的数学模型描述如下:
其中F(Z)表示系统级优化的目标函数;Ri(Z)是系统级优化和子系统优化的一致性等式约束条件,也是各子系统优化的目标函数;Gi(Z)为系统级设计变量的约束条件;Z表示系统级设计变量向量;
子系统级优化问题的数学模型描述如下:
其中Ri(Xi)为第i子系统优化目标函数;gi(Xi)为第i子系统不等式约束条件;hi(Xi)为第i子系统等式约束条件;Xi为第i子系统的设计变量结合;Zi为第i子系统接收到的系统优化指标向量;xij为第i子系统的第j个多学科设计变量;yik为第i个子系统的第K个多学科耦合变量。
在优化过程中采用灵敏度分析设计变量对各个子系统的影响,灵敏度定义即为函数的偏导数,在自变量Xk处,函数对自变量xi的灵敏度如下式所示:
式中:m,n分别表示设计函数和设计变量的个数;Sji表示函数对变量xj的敏感程度。
建立隶属度函数表示各学科对整体性能的影响程度,表达式为:
式中:其中max(|Sji|)和min(|Sji|)分别表示某一学科中灵敏度的上下极限值。
所述步骤(2)中选择空气悬架车辆系统综合性能最优作为系统级优化目标;系统级优化变量选择悬架刚度及阻尼;约束条件通过对空气悬架车辆系统进行静力学、运动学及动力学分析确定。
进一步的,所述步骤(4)采用多岛遗传算法优化求解。多岛遗传算法是建立在传统遗传算法基础上,它不同于传统遗传算法的特点是每个种群被分成几个子群,这些子群被称为“岛”。传统遗传算法的所有操作,例如:选择,交叉,变异分别在每个岛上进行,每个岛上选定的个体定期地迁移到另外岛上,然后继续进行传统遗传算法操作。
所述多学科优化设计方法基于Isight平台集合CATIA、ADAMS、ABAQUS和Carsim软件实现协调优化;所述ADAMS建立空气悬架动力学模型,分析悬架K&C特性影响规律,为空气悬架优化建立动力学约束条件;所述CATIA建立空气悬架三维模型,并对其运动部件进行运动学分析,为空气悬架优化建立运动学约束条件;所述ABAQUS分析空气悬架有限元模型,为空气悬架优化建立强度约束条件;所述Carsim检验所优化空气悬架车辆性能。
上述K&C特性包括橡胶衬套刚度、转向轮主销内倾角、主销后倾角、车轮外倾角和前束。
有益效果:
与现有技术相比,本发明的优点为:(1)采用多学科设计优化方法对车辆的空气悬架进行设计,在全面考虑系统整体性能或功能最优的前提下,通过设计各子系统的协同机制和优化策略,实现系统整体的性能最优;(2)采用灵敏度分析结合多岛遗传算法,利用灵敏度分析找出各子系统的影响因素,再用多岛遗传算法对其进行优化,相较于传统的遗传算法多岛遗传算法可以避免“早熟”的问题。
附图说明
图1为本发明的多学科优化平台构成图;
图2为本发明悬架刚度优化数据流流程图;
图3为本发明ADAMS建模流程图;
图4为本发明运动学建模流程;
图5为本发明静力学建模流程;
图6为本发明协同优化流程;
图7为遗传算法流程图;
图8为本发明采用的多岛遗传算法流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示的汽车空气悬架系统的多学科优化平台,所述多学科优化平台是基于Isight平台集成了CATIA、ADAMS、ABAQUS和Carsim软件构建而成,对汽车空气悬架系统进行静力学、运动学、动力学之间的协同优化;其中CATIA软件用于建立空气悬架三维模型;ADAMS软件用于空气悬架车辆运动学分析;ABAQUS软件用于空气弹簧、横向稳定杆的有限元分析;Carsim软件用于模拟空气弹簧车辆在不同工况和道路条件下的性能。
一种汽车空气悬架系统的多学科优化设计方法,其特征在于包括以下步骤:
(1)基于动力学、运动学、静力学三学科建立空气悬架车辆多学科优化模型
(2)选择系统级优化变量和约束条件,构造系统;
(3)给定系统变量的初始值,将该值传递给各个子系统,进行子系统优化;
(4)完成各个子系统优化后将优化结果反馈给系统级优化,进行优化求解;
(5)系统级对子系统之间协调,判断是否满足一致性约束条件,是否收敛,收敛则求解结束,否则返回第四步再继续计算。
所述步骤(2)中选择空气悬架车辆系统综合性能最优作为系统级优化目标;系统级优化变量选择悬架刚度及阻尼;约束条件通过对空气悬架车辆系统进行静力学、运动学及动力学分析确定。
协同优化包括两层优化模型:系统级优化模型和并行的子系统级优化模型;
系统级优化问题的数学模型可描述如下:
其中F(Z)表示系统级优化的目标函数;Ri(Z)是系统级优化和子系统优化的一致性等式约束条件,也是各子系统优化的目标函数;Gi(Z)为系统级设计变量的约束条件;Z表示系统级设计变量向量;
子系统级优化问题的数学模型可描述如下:
其中Ri(Xi)为第i子系统优化目标函数;gi(Xi)为第i子系统不等式约束条件;hi(Xi)为第i子系统等式约束条件;Xi为第i子系统的设计变量结合;Zi为第i子系统接收到的系统优化指标向量;xij为第i子系统的第j个多学科设计变量;yik为第i个子系统的第K个多学科耦合变量。
所述多学科优化设计方法基于Isight平台集合CATIA、ADAMS、ABAQUS和Carsim软件实现协调优化;所述ADAMS建立空气悬架动力学模型,分析悬架K&C特性影响规律,为空气悬架优化建立动力学约束条件;所述CATIA建立空气悬架三维模型,并对其运动部件进行运动学分析,为空气悬架优化建立运动学约束条件;所述ABAQUS分析空气悬架有限元模型,为空气悬架优化建立强度约束条件;所述Carsim检验所优化空气悬架车辆性能。其中,K&C特性包括橡胶衬套刚度、转向轮主销内倾角、主销后倾角、车轮外倾角和前束等。
如图2所示,为以悬架刚度为例,CATIA建立参数化的三维模型,经过hepermesh网格划分,导入ABAQUS分析有限元,进行拓扑优化后以优化后的参数生成新的三维模型,判断新模型的悬架刚度是否满足车辆性能要求。
如图3所示,为空气悬架动力学分析流程。ADAMS建立空气悬架的动力学模型,分析整车性能影响较大的悬架K&C特性。K&C特性影响较大的参数为空气弹簧有效面积、气体压力、面积变化率和减振器,在ADAMS中对这些参数进行优化分析,使得K&C特性达到目标值。
如图4所示,为空气悬架进行运行学分析流程。CATIA建立空气悬架系统三维模型,通过运动学分析建立各零部件的约束关系,而后空气悬架系统装配于整车,并对装配结果进行干涉检验。以此在空气悬架的布置上达到零部件的距离最小,需要求得最小距离的是空气弹簧、横向稳定杆、轮胎三者之间的最小距离。
如图5所示,为以横向稳定杆为例,应用CATIA软件建立其三维模型,并将模型导入到Hypermesh软件中,进行网格划分。再将有限元模型导入到ABAQUS软件进行数值计算。计算结果可以校验其结构强度及刚度要求。
如图6所示,为空气悬架协同优化过程,对空气悬架的空间布置、K&C特性以及零部件减重进行协同优化,以求得悬架的空间布置间隙最小、K&C特性最佳、零件减重最大的三方面的最优解,实现悬架系统性能整体平衡和最优。为了提高优化效率,优化过程中采用灵敏度分析设计变量对各个子系统的影响,灵敏度定义即为函数的偏导数,在自变量Xk处,函数对自变量xi的灵敏度如下式所示:
式中:m,n分别表示设计函数和设计变量的个数;Sji表示函数对变量xi的敏感程度。
为了解决各学科存在相互耦合影响,在优化过程中建立隶属度函数表示各学科对整体性能的影响程度,表达式为:
式中:其中max(|Sji|)和min(|Sji|)分别表示某一学科中灵敏度的上下极限值。利用上式求出各学科影响因素|Sji|的隶属度。对学科耦合影响程度最大因素,这些硬点为设计变量,进而进行协同优化,以多目标遗传算法求得悬架系统的全局最优解。
采用多岛遗传算法优化求解。
如图7、图8所示分别为遗传算法和多岛遗传算法的流程图,多岛遗传算法是建立在遗传算法基础上,遗传算法容易获得局部最优解,从而产生“早熟”的现象,而多岛遗传算法它不同于遗传算法的特点是每个种群上午个体被分成几个子群,这些子群被称为“岛”。遗传算法的所有操作,譬如选择、交叉及变异分别在每个岛上进行,每个岛上选定的个体定期地迁移到另外岛上,然后继续进行遗传算法操作。这样可以避免“早熟”获得全局最优解。
Claims (10)
1.一种汽车空气悬架系统的多学科优化平台,其特征在于:所述多学科优化平台是基于Isight平台集成了CATIA、ADAMS、ABAQUS和Carsim软件构建而成,对汽车空气悬架系统进行静力学、运动学、动力学之间的协同优化;其中CATIA软件用于建立空气悬架三维模型;ADAMS软件用于空气悬架车辆运动学分析;ABAQUS软件用于空气弹簧、横向稳定杆的有限元分析;Carsim软件用于模拟空气弹簧车辆在不同工况和道路条件下的性能。
2.一种汽车空气悬架系统的多学科优化方法,其特征在于包括以下步骤:
(1)建立空气悬架车辆多学科优化模型;
(2)选择系统级优化变量和约束条件,构造系统;
(3)给定系统变量的初始值,将该值传递给各个子系统,进行子系统优化;
(4)完成各个子系统优化后将优化结果反馈给系统级优化,进行优化求解;
(5)系统级对子系统之间协调,判断是否满足一致性约束条件,是否收敛,收敛则求解结束,否则返回第四步再继续计算。
3.根据权利要求2所述的汽车空气悬架系统的多学科优化方法,其特征在于:所述步骤(1)中基于动力学、运动学、静力学三学科建立空气悬架车辆多学科优化模型。
4.根据权利要求2所述的汽车空气悬架系统的多学科优化方法,其特征在于:系统级优化问题的数学模型可描述如下:
其中F(Z)表示系统级优化的目标函数;Ri(Z)是系统级优化和子系统优化的一致性等式约束条件,也是各子系统优化的目标函数;Gi(Z)为系统级设计变量的约束条件;Z表示系统级设计变量向量;
子系统级优化问题的数学模型可描述如下:
其中Ri(Xi)为第i子系统优化目标函数;gi(Xi)为第i子系统不等式约束条件;hi(Xi)为第i子系统等式约束条件;Xi为第i子系统的设计变量结合;Zi为第i子系统接收到的系统优化指标向量;xij为第i子系统的第j个多学科设计变量;yik为第i个子系统的第K个多学科耦合变量。
5.根据权利要求2所述的汽车空气悬架系统的多学科优化方法,其特征在于:在优化过程中采用灵敏度分析设计变量对各个子系统的影响,灵敏度定义即为函数的偏导数,在自变量Xk处,函数对自变量xi的灵敏度如下式所示:
式中:m,n分别表示设计函数和设计变量的个数;Sji表示函数对变量xi的敏感程度。
6.根据权利要求2所述的汽车空气悬架系统的多学科优化方法,其特征在于:在优化过程中建立隶属度函数表示各学科对整体性能的影响程度,表达式为:
式中:其中max(|Sji|)和min(|Sji|)分别表示某一学科中灵敏度的上下极限值。
7.根据权利要求2所述的汽车空气悬架系统的多学科优化方法,其特征在于:所述步骤(2)中选择空气悬架车辆系统综合性能最优作为系统级优化目标;系统级优化变量选择悬架刚度及阻尼;约束条件通过对空气悬架车辆系统进行静力学、运动学及动力学分析确定。
8.根据权利要求2所述的汽车空气悬架系统的多学科优化方法,其特征在于:所述步骤(4)采用多岛遗传算法优化求解。
9.根据权利要求2所述的汽车空气悬架系统的多学科优化方法,其特征在于:所述多学科优化设计方法基于Isight平台集合CATIA、ADAMS、ABAQUS和Carsim软件实现协调优化;所述ADAMS建立空气悬架动力学模型,分析悬架K&C特性影响规律,为空气悬架优化建立动力学约束条件;所述CATIA建立空气悬架三维模型,并对其运动部件进行运动学分析,为空气悬架优化建立运动学约束条件;所述ABAQUS分析空气悬架有限元模型,为空气悬架优化建立强度约束条件;所述Carsim检验所优化空气悬架车辆性能。
10.根据权利要求9所述的汽车空气悬架系统的多学科优化方法,其特征在于:K&C特性包括橡胶衬套刚度、转向轮主销内倾角、主销后倾角、车轮外倾角和前束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811360464.8A CN109614658B (zh) | 2018-11-15 | 2018-11-15 | 一种汽车空气悬架系统的多学科优化平台及优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811360464.8A CN109614658B (zh) | 2018-11-15 | 2018-11-15 | 一种汽车空气悬架系统的多学科优化平台及优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109614658A true CN109614658A (zh) | 2019-04-12 |
CN109614658B CN109614658B (zh) | 2023-07-28 |
Family
ID=66003216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811360464.8A Active CN109614658B (zh) | 2018-11-15 | 2018-11-15 | 一种汽车空气悬架系统的多学科优化平台及优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109614658B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541222A (zh) * | 2019-09-04 | 2021-03-23 | 广州汽车集团股份有限公司 | 一种汽车底盘平台化设计方法 |
CN114741846A (zh) * | 2022-03-15 | 2022-07-12 | 中国民航大学 | 一种超低热膨胀复合材料支撑结构的设计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024082A (zh) * | 2010-12-15 | 2011-04-20 | 同济大学 | 实现汽车仪表板结构系统多学科多目标优化的方法 |
CN102087670A (zh) * | 2009-12-02 | 2011-06-08 | 李维佳 | 基于多体动力学的汽车悬架与减振系统仿真试验及设计平台 |
CN105678429A (zh) * | 2016-02-19 | 2016-06-15 | 西南交通大学 | 一种实现电动汽车空调系统多学科多目标优化的方法 |
CN106294972A (zh) * | 2016-08-05 | 2017-01-04 | 四川理工学院 | 一种车桥多学科可靠性设计优化方法 |
CN106777616A (zh) * | 2016-12-05 | 2017-05-31 | 安徽农业大学 | 一种高速水稻钵苗插秧机移箱机构多学科优化设计方法 |
-
2018
- 2018-11-15 CN CN201811360464.8A patent/CN109614658B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087670A (zh) * | 2009-12-02 | 2011-06-08 | 李维佳 | 基于多体动力学的汽车悬架与减振系统仿真试验及设计平台 |
CN102024082A (zh) * | 2010-12-15 | 2011-04-20 | 同济大学 | 实现汽车仪表板结构系统多学科多目标优化的方法 |
CN105678429A (zh) * | 2016-02-19 | 2016-06-15 | 西南交通大学 | 一种实现电动汽车空调系统多学科多目标优化的方法 |
CN106294972A (zh) * | 2016-08-05 | 2017-01-04 | 四川理工学院 | 一种车桥多学科可靠性设计优化方法 |
CN106777616A (zh) * | 2016-12-05 | 2017-05-31 | 安徽农业大学 | 一种高速水稻钵苗插秧机移箱机构多学科优化设计方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541222A (zh) * | 2019-09-04 | 2021-03-23 | 广州汽车集团股份有限公司 | 一种汽车底盘平台化设计方法 |
CN114741846A (zh) * | 2022-03-15 | 2022-07-12 | 中国民航大学 | 一种超低热膨胀复合材料支撑结构的设计方法 |
CN114741846B (zh) * | 2022-03-15 | 2023-12-01 | 中国民航大学 | 一种超低热膨胀复合材料支撑结构的设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109614658B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mahmoodabadi et al. | A novel combination of Particle Swarm Optimization and Genetic Algorithm for Pareto optimal design of a five-degree of freedom vehicle vibration model | |
CN104122796B (zh) | 一种智能装配序列规划方法 | |
CN105607575B (zh) | 基于fa‑lssvm的数控机床主轴热漂移建模方法 | |
CN103942392B (zh) | 一种基于全生命周期的汽车底盘技术参数稳健设计方法 | |
CN104834779A (zh) | 一种基于灵敏度分析的悬架硬点设计方法 | |
CN110210079B (zh) | 一种面向整机动态特性的机床支承件质量匹配方法 | |
CN109614658A (zh) | 一种汽车空气悬架系统的多学科优化平台及优化方法 | |
CN101436219A (zh) | 一种基于层次分解的汽车产品开发系统优化方法 | |
CN105242544A (zh) | 考虑随机扰动的非线性多无人机系统容错编队控制方法 | |
CN107947738A (zh) | 一种太阳能无人机电池板电压的预测方法 | |
Llopis-Albert et al. | Multiobjective optimization framework for designing a vehicle suspension system. A comparison of optimization algorithms | |
CN109325298B (zh) | 基于三维设计平台的轮胎花纹设计系统 | |
CN107958103A (zh) | 基于妥协决策的零件结构拓扑优化设计方法 | |
KR101138758B1 (ko) | 차량의 승차감에 대한 강건최적설계방법 | |
JP4867332B2 (ja) | パレート新領域探索装置,パレート新領域探索プログラムが記録された媒体,パレート新領域探索表示装置及びパレート新領域探索方法 | |
CN109308379A (zh) | 一种城市轨道车辆受电弓结构参数的优化方法 | |
Benedetti et al. | Evolutionary multiobjective industrial design: The case of a racing car tire-suspension system | |
Wiecek et al. | Multi-scenario multi-objective optimization with applications in engineering design | |
CN114841038B (zh) | 复杂载荷下核电站一回路管路支架布置的智能设计方法 | |
Wei et al. | An effective offspring generation strategy for many-objective optimization driven by knee points under variable classification | |
Šagi et al. | Multi-objective optimization model in the vehicle suspension system development process | |
CN112084572B (zh) | 一种车身造型阶段进行车身断面结构优化方法 | |
Koishi et al. | Multi-objective design problem of tire wear and visualization of its Pareto solutions | |
CN105022853B (zh) | 一种车辆地面线设计方案的评估方法 | |
Li et al. | An Improved Genetic Algorithm to Optimize Spatial Locations for Double‐Wishbone Type Suspension System with Time Delay |
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 |