CN110489907A - 一种轨道交通车辆车体数字样机的优化设计方法 - Google Patents

Abstract

本发明公开了一种轨道交通车辆车体数字样机的优化设计方法，涉及轨道交通技术。所述优化设计方法，在整车车体有限元模型的基础上，采用变密度法进行拓扑优化设计而得到整车车体的材料密度分布结构，通过改变该材料密度分布结构中每个单元的材料密度值而得到不同的整车车体模型结构，使得车体模型结构可变，从而在此基础上进行拓扑结构的优化；该优化设计方法在满足约束变量的设计要求下，采用ASA算法和变密度法求得优化变量最优解，而最优解对应的车体模型结构，即为满足约束条件的最优的材料密度分布结构，达到了车体轻量化设计的效果。

Description

一种轨道交通车辆车体数字样机的优化设计方法

技术领域

本发明属于轨道交通技术领域，尤其涉及一种轨道交通车辆车体数字样机的优化设计方法。

背景技术

数字样机(MDU，Digital Mock-up)技术是以CAD(Computer Aided Design)、CAE(Computer Aided Engineering)和CAM(computer Aided Manufacturing)等技术为基础，以机械系统运动学、动力学和控制理论为核心，并融合虚拟现实、仿真技术、三维计算机图形技术、网络通信技术、分布式协同技术等，将分散的产品设计开发和分析过程集成在一起，通过建立产品的虚拟原型(Virtual prototype)进行仿真试验，从视觉、听觉、触觉及功能和行为上模拟真实产品，也有学者将其称之为虚拟样机(Virtual Prototyping,VP)技术。数字样机是不同领域CAx/DFx模型、仿真模型与VR/可视化模型的有效集成与协同应用。

轨道交通车辆的车体数字化样机是整体样机的一个部分，通过协同软件与其它样机进行数据交流。目前，轨道交通车辆的车体数字样机多为几何样机，且样机的设计优化一般都是基于固定的基本模型进行厚度优化，由于结构固定，不能进行拓扑优化，无法设计出创新的车体结构，轻量化效果有限。同时，车体的优化过程因缺少优化工具多为手动优化，由工程设计师凭经验进行车体结构的拓扑优化，存在反复修改和反复计算的过程，耗时耗力，且无法找到全局最优解。

发明内容

针对现有技术的不足，本发明提供一种轨道交通车辆车体数字样机的优化设计方法，采用变密度法和自适应模拟退火算法(Adaptive Simulated Annealing ASA)进行整车拓扑优化，能获得在满足约束条件下的全局最优解，再通过人工修形，局部形状与尺寸优化，以及整车强度刚度校核，可获得工程实际中具有经济制造工艺性的且满足强度和刚度条件的最轻量化的整车车体结构。

本发明是通过如下的技术方案来解决上述技术问题的：一种轨道交通车辆车体数字样机的优化设计方法，包括以下几个步骤：

步骤1：构建整车车体的有限元模型；

步骤2：采用变密度法对所述有限元模型进行拓扑优化设计，得到整车车体的材料密度分布结构，在所述材料密度分布结构上设计载荷，确定设计变量、约束变量以及优化变量；

步骤3：在满足约束变量的条件下，以设计变量为输入，采用ASA算法和变密度法求取优化变量的最优解以及该最优解对应的设计变量，即得到满足约束变量的最优的材料密度分布结构。

本发明的优化设计方法，在整车车体有限元模型的基础上，采用变密度法进行拓扑优化设计，整车车体模型由多个单元构成，改变每个单元的材料密度，能够得到不同重量的车体模型结构，使得车体模型结构可变，再在满足约束变量(车体强度和刚度)的设计要求下，采用ASA算法和变密度法求得优化变量最优解(车体总重量最小)，而最优解对应的车体模型结构，即为满足约束变量的最优的材料密度分布结构，达到了车体轻量化设计的效果；该优化设计方法中整车车体模型结构是变化的，并在此基础上进行拓扑优化设计，采用ASA算法和变密度法能够求得全局最优解，而ASA算法和变密度法可以通过协同软件Isight来调用，无需工程师手动优化，提高了优化设计效率和优化设计精度。

进一步地，在所述有限元模型构建之前，先根据整车车体的设计尺寸构建整车车体的初始几何模型；

所述初始几何模型包括车体横截面的外部轮廓尺寸和内部轮廓尺寸，以及门窗的位置和基本尺寸；

其中，所述外部轮廓尺寸通过车体类型及车体类型的标准尺寸来确定，所述内部轮廓尺寸通过车内内装板的尺寸来确定。

进一步地，构建所述有限元模型的具体操作为：将所述初始几何模型导入至CAE软件中，进行网格划分，形成多个网格单元，然后在多个网格单元中定义非设计区和设计区。

进一步地，所述步骤2中，拓扑优化设计的具体操作包括以下几个子步骤：

步骤2.1：将每个单元的材料密度取值为0～1，0表示该单元无材料，1表示该单元有材料存在，0到1之间表示该单元的材料为虚构材料；

步骤2.2：引入惩罚技术，来惩罚材料密度的中间值，使得每个单元的材料密度为0或者1；

步骤2.3：在非设计区设置载荷，以每个单元的材料密度为设计变量，以该载荷下整车车体的强度和刚度为约束变量，以及以整车车体的总重量为优化变量；在满足整车车体的强度和刚度的条件下，整车车体的总重量为最小即为优化变量的最优解。

进一步地，所述步骤2.2中，惩罚技术采用弹性特性的表征方法，具体表达式为：

K′(ρ)＝ρ^p×K

其中，K′(ρ)表示网格单元材料密度的惩罚，K表示对应网格单元材料的刚度矩阵，ρ表示对应网格单元的材料密度，p表示惩罚因子，p始终大于1。

进一步地，所述步骤3中，求取优化变量最优解的具体操作包括以下几个子步骤：

步骤3.1：设材料密度分布结构中设计区的每个单元的初始材料密度均为1，设计区所有单元材料密度值的状态向量为初始解S₀，设计区的重量与非设计区的重量之和作为初始车体总重量GS₀；

步骤3.2：令GS_i＝GS_i-1-ΔGS_i，其中，i＝1，2，3，...，GS_i表示当前车体总重量，ΔGS_i表示车体总重量的变化值；令t＝1，t的取值为1,2,3,…,L，L表示迭代次数，每个GS_i迭代的最大次数为L次；令j＝1，j＝1,2,3,…,m，m表示每个新解S′_t满足约束变量的最大迭代次数；

步骤3.3：采用变密度法产生解S_j；

步骤3.4：计算解S_j对应的车体的强度和刚度是否满足约束变量，如果满足，则S′_t＝S_j，转入步骤3.5；如果不满足，且j≤m，则j＝j+1，转入步骤3.3；

步骤3.5：计算设计区总重量的变化值ΔE_t＝C(S′_t)-C(S′_t-1)，其中，C(S′_t)表示新解S′_t对应的设计区总重量评价函数；

步骤3.6：当ΔE_t＜0时，接受S′_t为当前最优解，当ΔE_t≥0时，接受S′_t-1为当前最优解；

步骤3.7：如果t≤L，则t＝t+1，转入步骤3.3，否则，以C(S′_t)最小时对应的S′_t作为当前最优解S_i，i＝i+1，转入步骤3.2；

步骤3.8：判断是否满足终止条件，终止条件为连续若干个新解S′_t都未被接受，如果满足终止条件，则结束算法，以S′_t-1作为最优解输出，否则i＝i+1，转入步骤3.2。

在优化变量最优解的求取过程中，通过变密度法产生解，且每个GS_i都迭代L次，寻找GS_i下的最优解即可得到全局最优解。

进一步地，所述步骤3.3产生解S_j的具体操作为：

基于当前车体总重量GS_i，采用变密度法生成某个材料密度分布结构；以该材料密度分布结构对应的设计区所有单元材料密度值的状态向量作为解S_j。

进一步地，所述优化设计方法还包括步骤4：基于最优的材料密度分布结构，采用人工修形法确定整车车体的主结构，使车体结构具备制造可行性。

进一步地，所述优化设计方法还包括步骤5：对人工修形后的整车车体结构进行各局部结构的形状和尺寸优化，使整车车体各局部结构的应力和应变均满足材料的强度要求。

进一步地，所述优化设计方法还包括步骤6：对整车车体的刚度和强度进行校核，使整车结构满足设计要求的强度和刚度值。

有益效果

与现有技术相比，本发明所述的轨道交通车辆车体数字样机的优化设计方法，在整车车体有限元模型的基础上，采用变密度法进行拓扑优化设计而得到整车车体的材料密度分布结构，通过改变该材料密度分布结构中每个单元的材料密度值而得到不同的整车车体模型结构，使得车体模型结构可变，从而在此基础上进行拓扑结构的优化；该优化设计方法在满足约束变量的设计要求下，采用ASA算法和变密度法求得优化变量最优解，而最优解对应的车体模型结构，即为满足约束条件的最优的材料密度分布结构，达到了车体轻量化设计的效果；该优化设计方法中模型的构建和模型的拓扑优化设计均可以通过协同软件来完成，实现了拓扑优化设计的自动化，提高了优化效率和优化精度，且能够获得全局最优解。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明整个优化设计方法的流程图；

图2是本发明整车车体的初始几何模型；

图3是本发明初始几何模型车体的横截面图；

图4是本发明初始的材料密度分布结构；

图5是本发明ASA算法和变密度法求取优化变量最优解的流程图；

图6是本发明拓扑优化后车体司机室的结构模型图；

图7是本发明拓扑优化和人工修形后的车体的横截面图；

其中，1-车体，2-门，3-窗，4-车体横截面的外部轮廓，5-车体横截面的内部轮廓，6-车体截面的实体部分，7-车体截面的空洞部分。

具体实施方式

下面结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

以地铁B型车为例，如图1所示，本发明所提供的一种轨道交通车辆车体数字样机的优化设计方法，包括以下几个步骤：

1、整车车体初始几何模型的构建

如图2和3所示，根据地铁B型车的设计尺寸采用CAD软件构建整车车体的初始几何模型，包括车体横截面的外部轮廓尺寸4和内部轮廓尺寸5，以及门2、窗3的位置和基本尺寸。外部轮廓尺寸4通过车体类型及车体类型的标准尺寸来确定，例如地铁B型车的车宽为2.8m；内部轮廓尺寸5通过车内内装板的尺寸来确定，这样车体拓扑优化的墙体厚度达100mm～150mm；再确定门2和窗3的位置和以及基本尺寸，从而来约束车体纵向边界尺寸。

2、整车车体有限元模型的构建

将初始几何模型导入至CAE软件(例如Ansys等)中，进行网格划分，形成多个网格单元，构建有限元模型，然后在多个网格单元中定义非设计区和设计区。有限元模型的构建通常采用Ansys软件来实现，通过Ansys建立有限元模型为现有技术。

非设计区是指车体内固定不变的结构，例如门框、窗框、贯通道安装骨架等；设计区是指可进行拓扑优化的结构，如车体侧墙、底架、顶盖、司机室和车体端部结构等。本实施例中，车体的设计区包括司机室、端部结构和车体横截面，非设计区包括门窗位置、设备安装位置、车体型材的外轮廓等。拓扑优化之前，设车体截面型材均为非空洞的板材，司机室和端部结构为面板结构，通过拓扑优化而设计出具有骨架结构的司机室和端部结构，具有空洞的车体截面型材结构，从而达到轻量化的效果。

3、初始拓扑优化设计

采用变密度法对有限元模型进行拓扑优化设计，得到整车车体的材料密度分布结构(如图4所示)，在材料密度分布结构上设计载荷，确定设计变量、约束变量以及优化变量。

拓扑优化设计的具体操作包括以下几个子步骤：

3.1将有限元模型中每个网格单元的材料密度取值为0～1，0表示该单元无材料，1表示该单元有材料存在，0到1之间表示该单元的材料为虚构材料，材料的刚度被认为是线性依赖于材料密度的。

3.2引入弹性特性的表征方法来惩罚材料密度的中间值，使得每个单元的材料密度为0或者1。利用弹性特性的表征方法可以用下式(1)来表示任何固体3-D或2-D单元：

K′(ρ)＝ρ^p×K (1)

其中，K′(ρ)表示网格单元材料密度的惩罚，K表示对应网格单元材料的刚度矩阵，ρ表示对应网格单元的材料密度，p表示惩罚因子，p始终大于1，p的取值通常为2～4，经过惩罚后，每个单元的材料密度趋于0或1。例如，当p＝1，ρ＝0.3时，相当于对材料密度的中间值未惩罚，当p＝2时，将网格单元的刚度0.3倍降低至0.09倍。本实施例中，材料密度低于0.6的实体单元倍隐藏掉，材料密度高于0.6的实体单元通过惩罚技术来处理，0.6是参考值或经验值。采用变密度法进行拓扑优化，以及对单元材料密度的惩罚为现有技术，可参考大连理工大学的硕士学位论文《变密度拓扑优化方法及其在弧形钢闸门中的应用》，以及浙江大学的硕士学位论文《面向增材制造的空间结构节点拓扑优化设计》。

3.3在非设计区设置载荷，以每个单元的材料密度为设计变量，以该载荷下整车车体的强度和刚度为约束变量，以整车车体的总重量为优化变量；在满足整车车体的强度和刚度的条件下，整车车体的总重量为最小即为优化变量的最优解。

4、采用ASA算法和变密度法进行拓扑优化设计

在满足约束变量的条件下，以设计变量为输入，采用ASA算法和变密度法求取优化变量的最优解以及该最优解对应的设计变量，即得到满足约束变量的最优的材料密度分布结构。

如图5所示，求取最优解的具体流程如下：

4.1设材料密度分布结构中设计区的每个单元的初始材料密度均为1，即设计区每个单元均为实体单元，对应的设计区所有单元材料密度值的状态向量为初始解S₀，设计区的重量与非设计区的重量之和作为整车车体的初始车体总重量GS₀。

4.2令GS_i＝GS_i-1-ΔGS_i，其中，i＝1，2，3，...，GS_i表示当前车体总重量，ΔGS_i表示车体总重量的变化值；令t＝1，t的取值为1,2,3,…,L，L表示迭代次数，每个GS_i迭代的最大次数为L次。ΔGS_i可以根据经验来确定，每次当前车体总重量GS_i相对于上一次车体总重量GS_i-1的变化值ΔGS_i可以相同，也可以不同。令j＝1，j＝1,2,3,…,m，m表示每个新解S′_t满足约束变量的最大迭代次数。

4.3采用变密度法产生解S_j；

基于当前车体总重量GS_i，采用变密度法生成某个材料密度分布结构；在该材料密度分布结构下，计算每个单元的应力应变值而求得当前车体的强度和刚度，以该材料密度分布结构对应的设计区所有单元材料密度值的状态向量作为解S_j，此时，材料密度分布结构中每个单元的材料密度的取值为[0,1]。

4.4计算解S_j对应的车体的强度和刚度是否满足约束变量，如果满足，则S′_t＝S_j，转入步骤4.5；如果不满足，且j≤m，则j＝j+1，转入步骤4.3。

4.5计算设计区总重量的变化值ΔE_t＝C(S′_t)-C(S′_t-1)，其中，当t＝1时，S′_t-1＝S_i-1，C(S′_t)表示新解S′_t对应的设计区总重量评价函数。

4.6当ΔE_t＜0时，接受S′_t为当前最优解S_i，当ΔE_t≥0时，接受S′_t-1为当前最优解S_i；

4.7如果t≤L，则t＝t+1，转入步骤4.3，否则，以C(S′_t)最小时对应的S′_t作为当前最优解S_i，i＝i+1，转入步骤4.2。

4.8判断是否满足终止条件，终止条件为连续若干个新解S′_t都未被接受，如果满足终止条件，则结束算法，以S′_t-1作为最优解输出，否则i＝i+1，转入步骤4.2。

在优化变量最优解的求取过程中，通过变密度法产生解，且每个GS_i都迭代L次，寻找GS_i下的最优解即可得到全局最优解；例如，在GS_i下有多个新解S′_t，则以C(S′_t)最小时对应的S′_t作为当前最优解。

基于ASA算法和变密度法的拓扑优化设计可以采用协同软件来实施，例如Isight软件。在Isight软件中，确定设计变量、约束变量、优化变量和Ansys求解器，采用二次开发的脚本程序提取设计区各单元的材料密度值，作为设计变量输入，在每组设计变量输入后，Isight软件调用Ansys求解器求取车体强度和刚度，判断是否满足约束变量，在满足约束变量的前提下，获得优化变量的最优解，即车体总重量的最小值。如图6为拓扑优化后的司机室，不同的颜色表示每个单元的材料密度值不同。相对于初始设计，经过拓扑优化后的司机室的重量大幅度下降。

5、人工修形

在对整车车体进行拓扑优化后，基于最优的材料密度分布结构，采用人工修形法确定整车车体的主结构，使车体结构具备制造可行性，如图7所示。

人工修改法是指对优化后整车车体的几何模型在CAE软件中去掉空间离散的实体单元点、不受力或受力小的突支和支连，以及改变不可制造的结构。具有制造可行性是指能够通过对现有型材、板材等进行机加工、焊接等工艺而实现的结构。不可制造的结构是指不具备上述制造可行性的结构，如封闭的变截面墙体或复杂异形结构等。当车体的3D打印变得经济可行时也可以放宽上述制造可行性的范围。

6、局部结构优化

对人工修形后的整车车体几何模型进行各局部结构的形状和尺寸优化，使整车车体各局部结构的应力和应变均满足材料的强度要求。

局部结构的形状和尺寸优化是指在各种典型工况下，检查车体各局部结构的应力和应变值，判断是否满足材料的强度要求，如果不满足，则在CAE软件中进行局部结构的板厚调整，直到满足强度要求。局部结构的板厚优化过程可以采用上述ASA算法和变密度法，以板厚为设计变量，以材料强度为约束变量，以局部结构的重量最小为优化变量。

7、整车车体的强度校核

对整车车体的刚度和强度进行校核，使整车结构满足设计要求的强度和刚度值。

本发明的优化设计方法不仅所设计的模型结构可变，且可以通过软件来完成拓扑优化设计，避免了工程设计人员的手动优化，实现了拓扑优化设计的自动化，提高了优化效率和优化精度，且能够获得满足约束变量的全局最优解；经过整车车体的拓扑优化设计后，再通过后续的人工修形、局部形状与尺寸优化以及整车强度刚度校核，可获得工程实际中具有经济制造工艺性的且满足强度和刚度条件的最轻量化的整车车体结构；根据本发明的优化设计方法通过对具体实例操作获得整车车体拓扑优化结构，车体轻量化效果约1吨。

以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种轨道交通车辆车体数字样机的优化设计方法，其特征在于，包括以下几个步骤：

步骤1：构建整车车体的有限元模型；

步骤2：采用变密度法对所述有限元模型进行拓扑优化设计，得到整车车体的材料密度分布结构，在所述材料密度分布结构上设计载荷，确定设计变量、约束变量以及优化变量；

步骤3：在满足约束变量的条件下，以设计变量为输入，采用ASA算法和变密度法求取优化变量的最优解以及该最优解对应的设计变量，即得到满足约束变量的最优的材料密度分布结构。

2.如权利要求1所述的优化设计方法，其特征在于，在所述有限元模型构建之前，先根据整车车体的设计尺寸构建整车车体的初始几何模型；

所述初始几何模型包括车体横截面的外部轮廓尺寸和内部轮廓尺寸，以及门窗的位置和基本尺寸；

其中，所述外部轮廓尺寸通过车体类型及车体类型的标准尺寸来确定，所述内部轮廓尺寸通过车内内装板的尺寸来确定。

3.如权利要求2所述的优化设计方法，其特征在于，构建所述有限元模型的具体操作为：将所述初始几何模型导入至CAE软件中，进行网格划分，形成多个网格单元，然后在多个网格单元中定义非设计区和设计区。

4.如权利要求1所述的优化设计方法，其特征在于，所述步骤2中，拓扑优化设计的具体操作包括以下几个子步骤：

步骤2.1：将每个单元的材料密度取值为0～1，0表示该单元无材料，1表示该单元有材料存在，0到1之间表示该单元的材料为虚构材料；

步骤2.2：引入惩罚技术，来惩罚材料密度的中间值，使得每个单元的材料密度为0或者1；

步骤2.3：在非设计区设置载荷，以每个单元的材料密度为设计变量，以该载荷下整车车体的强度和刚度为约束变量，以及以整车车体的总重量为优化变量。

5.如权利要求4所述的优化设计方法，其特征在于，所述步骤2.2中，惩罚技术采用弹性特性的表征方法，具体表达式为：

K′(ρ)＝ρ^p×K

其中，K′(ρ)表示网格单元材料密度的惩罚，K表示对应网格单元材料的刚度矩阵，ρ表示对应网格单元的材料密度，p表示惩罚因子，p始终大于1。

6.如权利要求1所述的优化设计方法，其特征在于，所述步骤3中，求取优化变量最优解的具体操作包括以下几个子步骤：

步骤3.1：设材料密度分布结构中设计区的每个单元的初始材料密度均为1，设计区所有单元材料密度值的状态向量为初始解S₀，设计区的重量与非设计区的重量之和作为初始车体总重量GS₀；

步骤3.2：令GS_i＝GS_i-1-ΔGS_i，

其中，i＝1，2，3，...，GS_i表示当前车体总重量，ΔGS_i表示车体总重量的变化值；令t＝1，t的取值为1,2,3,…,L，L表示迭代次数，每个GS_i迭代的最大次数为L次；令j＝1，j＝1,2,3,…,m，m表示每个新解S′_t满足约束变量的最大迭代次数；

步骤3.3：采用变密度法产生解S_j；

步骤3.4：计算解S_j对应的车体的强度和刚度是否满足约束变量，如果满足，则S′_t＝S_j，转入步骤3.5；如果不满足，且j≤m，则j＝j+1，转入步骤3.3；

步骤3.5：计算设计区总重量的变化值ΔE_t＝C(S′_t)-C(S′_t-1)，其中，C(S′_t)表示新解S′_t对应的设计区总重量评价函数；

步骤3.6：当ΔE_t＜0时，接受S′_t为当前最优解，当ΔE_t≥0时，接受S′_t-1为当前最优解；

步骤3.7：如果t≤L，则t＝t+1，转入步骤3.3，否则，以C(S′_t)最小时对应的S′_t作为当前最优解S_i，i＝i+1，转入步骤3.2；

步骤3.8：判断是否满足终止条件，终止条件为连续若干个新解S′_t都未被接受，如果满足终止条件，则结束算法，以S′_t-1作为最优解输出，否则i＝i+1，转入步骤3.2。

7.如权利要求6所述的优化设计方法，其特征在于，所述步骤3.3产生解S_j的具体操作为：基于当前车体总重量GS_i，采用变密度法生成某个材料密度分布结构；以该材料密度分布结构对应的设计区所有单元材料密度值的状态向量作为解S_j。

8.如权利要求1所述的优化设计方法，其特征在于，还包括步骤4：基于最优的材料密度分布结构，采用人工修形法确定整车车体的主结构，使车体结构具备制造可行性。

9.如权利要求8所述的优化设计方法，其特征在于，还包括步骤5：对人工修形后的整车车体结构进行各局部结构的形状和尺寸优化，使整车车体各局部结构的应力和应变均满足材料的强度要求。

10.如权利要求9所述的优化设计方法，其特征在于，还包括步骤6：对整车车体的刚度和强度进行校核，使整车结构满足设计要求的强度和刚度值。