CN110807223A - 一种汽车流水槽支架的多学科优化设计方法 - Google Patents

Abstract

本发明涉及一种汽车流水槽支架的多学科优化设计方法，包括以下步骤：步骤1，确定流水槽支架优化设计的相关参数，其中控制因子为流水槽支架的具体尺寸参数；步骤2，将步骤1中的控制因子作为设计变量，采用实验设计方法，生成多组样本数据；步骤3，根据步骤2中的多组样本数据，分别针对NVH性能和行人保护性能建立有限元模型并进行仿真分析；步骤4，基于步骤3中的仿真分析结果，分别针对NVH性能和行人保护性能构建相应的近似模型；步骤5，基于步骤4中的两个近似模型，对流水槽支架进行参数优化。本发明实现了NVH性能和行人保护的联合仿真和多学科优化，能够更高效地设计流水槽支架的结构，确定流水槽支架结构的具体参数。

Description

一种汽车流水槽支架的多学科优化设计方法

技术领域

本发明涉及整车性能的多学科设计优化，具体涉及一种汽车流水槽支架的多学科优化设计方法。

背景技术

随着汽车保有量的增长，道路交通事故和伤亡人数也在迅速增长，而行人头部往往是事故中最需要保护的受伤害部位。对于乘用车来说，行人头部极易撞击到汽车前风挡玻璃的底部区域，此区域中流水槽支架结构设计及其刚度直接影响行人头部的伤害值。行人保护要求头部撞击到前风挡玻璃底部区域时，需要此区域易发生变形，对撞击能量起变形→缓冲→吸能作用，缓解对行人头部伤害，这就要求流水槽支架在承受大冲击时刚度较小。

同时，汽车流水槽支架设计要兼顾整车NVH性能，要求流水槽支架具备足够的刚度，避免前风挡玻璃模态和声腔模态发生耦合从而引发的整车加速轰鸣等相关问题。NVH性能和行人保护对流水槽支架设计的要求往往是相互矛盾的。

目前，在产品开发过程中，主流汽车厂商主要采用“串行设计”模式，即优先保证行人保护性能，其次验证流水槽结构是否引发NVH性能问题。存在效率低、设计质量差的问题，且不能充分考虑多学科（NVH领域、碰撞领域）之间的耦合作用。

发明内容

本发明的目的是提出一种汽车流水槽支架的多学科优化设计方法，以实现NVH性能和行人保护的联合仿真和多学科优化，能够更高效地设计流水槽支架的结构，确定流水槽支架结构的具体参数。

本发明所述的一种汽车流水槽支架的多学科优化设计方法，包括以下步骤：

步骤1，问题识别和P图分析，确定流水槽支架优化设计的相关参数，其中控制因子为流水槽支架的具体尺寸参数；

步骤2，制定步骤1中控制因子的设计空间，将步骤1中的控制因子作为设计变量，采用实验设计方法，生成多组样本数据；

步骤3，根据步骤2中的多组样本数据，建立整车NVH有限元模型进行NVH性能仿真分析，建立行人保护有限元模型进行行人保护性能仿真分析；

步骤4，基于步骤3中的仿真分析结果，分别针对NVH性能和行人保护性能构建相应的近似模型；

步骤5，基于步骤4中的两个近似模型，以“HIC值≤设计目标值，加速噪声最大值≤设计目标值”为约束条件，以“HIC值最小，加速噪声最大值最小”为优化目标，对流水槽支架进行参数优化，调用步骤3中的有限元模型对优化方案进行验证。

进一步，所述步骤1具体为：问题识别和P图分析，识别和确定流水槽支架优化设计的相关参数：输入信号为汽车速度（行人保护工况）、汽车加速时发动机产生的力和力矩（NVH工况）；控制因子为流水槽支架的具体尺寸参数；噪声因子为流水槽支架的加工尺寸偏差、流水槽支架的焊点位置偏差；输出状态为行人保护HIC值、关注转速加速噪声最大值。

进一步，所述步骤2具体为：制定所述步骤1中控制因子的设计空间，将所述步骤1中的控制因子作为设计变量，采用优化拉丁超立方实验设计方法，制定实验设计数据表，生成多组样本数据。

进一步，所述步骤3具体为，根据所述步骤2中的多组样本数据，相应地建立多组流水槽支架结构，根据多组流水槽支架结构建立多组整车NVH有限元模型并进行整车加速噪声仿真分析；根据多组流水槽支架结构建立行人保护有限元模型并进行碰撞分析。

进一步，所述步骤4具体为：根据所述步骤3中的行人保护性能仿真分析结果，利用组合模型建模方法，建立响应面近似模型；根据所述步骤3中的NVH性能仿真分析结果，建立径向基函数（RBF）近似模型，并对近似模型进行精度校验。

进一步，所述步骤5具体为：基于所述步骤4中的两个近似模型，同时对NVH性能和行人保护性能进行优化，以“HIC值≤设计目标值，加速噪声最大值≤设计目标值”为约束条件，以“HIC值最小，加速噪声最大值最小”为优化目标，采用全局搜索算法完成设计变量的优化，得到关于NVH和行人保护的Pareto解集，选取Pareto解集中一组满意的解，调用所述步骤3中的有限元模型对该组满意的解进行验证。

本发明的优点在于通过多学科优化技术确定流水槽支架的具体的结构参数，实现多性能优化和平衡。相较于传统的“串行设计”开发方法，能够充分考虑多学科（NVH和行人保护）之间的耦合作用，通过对流水槽支架的多个设计变量进行大样本分析，可同时满足多项性能要求，一次性设计对，大幅缩短设计周期；该方法成本低、效率高、能够在汽车产品开发前期确定流水槽支架结构设计方案，降低后期设计变更带来的研发周期加长、研发费用增加的风险。

附图说明

图1为汽车流水槽支架的多学科优化设计方法的流程示意图；

图2为实施例中所述的流水槽支架的结构示意图。

图中:1—支架体；2—上翻边；3—下翻边；4—溃缩孔；5—诱导槽。

具体实施方式

下面结合附图对本发明作进一步说明。

下面以图2中所示的流水槽支架为例对汽车流水槽支架的多学科优化设计方法进行举例说明。

如图2所示，流水槽支架包括支架体1、设置在支架体1上端的上翻边2以及设置在支架体1下端的下翻边3，支架体1的中部设置有溃缩结构，溃缩结构包括溃缩孔4和诱导槽5，溃缩孔4为矩形孔，诱导槽为“V”形槽。流水槽支架选用普通碳钢板冲压而成。在使用时，上翻边2与支撑前风挡玻璃下端的钣金结构通过焊点焊接，下翻边3与流水槽底部钣金结构通过焊点焊接。正常情况下，流水槽支架起支撑作用，保证有较好的NVH性能，而在承受外部冲击时，流水槽支架在能够溃缩结构处变形折弯，对行人头部起缓冲保护作用。

如图1所示的一种汽车流水槽支架的多学科优化设计方法，包括以下步骤：

步骤1，问题识别和P图分析，确定流水槽支架优化设计的相关参数，其中控制因子为流水槽支架的具体尺寸参数；步骤1具体为：问题识别和P图分析，识别和确定流水槽支架优化设计的相关参数：

输入信号为汽车速度（行人保护工况）、汽车加速时发动机产生的力和力矩（NVH工况）；

控制因子为流水槽支架的具体尺寸参数，具体尺寸参数包括流水槽支架的钣金厚度，支架体的宽度；溃缩结构的尺寸参数。针对上述的溃缩结构来说，溃缩结构的尺寸参数包括溃缩孔4的长度和宽度，诱导槽5的宽度和深度；控制因子共6项。

噪声因子为流水槽支架的加工尺寸偏差、上翻边和下翻边上的焊点位置偏差；

输出状态为行人保护HIC值、关注转速加速噪声最大值。

步骤2，执行实验设计（design of experiments, DOE）。实验设计方法是通过科学地选择样本点，利用更少的样本数量，最大化地获取控制因子与输出状态关系的设计方法。制定步骤1中控制因子的设计空间，将步骤1中的控制因子作为设计变量，采用实验设计方法，生成50组样本数据；所述步骤2具体为：制定所述步骤1中控制因子的设计空间，将所述步骤1中的控制因子作为设计变量，采用优化拉丁超立方实验设计方法，制定实验设计数据表，生成50组关于控制因子的样本数据。

步骤3，根据步骤2中的50组样本数据，建立整车NVH有限元模型进行NVH性能仿真分析，建立行人保护有限元模型进行行人保护性能仿真分析；所述步骤3具体为，根据所述步骤2中的50组样本数据，相应地建立50组流水槽支架结构，根据50组流水槽支架结构建立多组整车NVH有限元模型并进行整车加速噪声仿真分析；根据50组流水槽支架结构建立行人保护有限元模型并进行碰撞分析。其中整车加速噪声仿真分析分析过程为：发动机缸压产生的力和力矩作为输入，整车NVH有限元模型作为对象，驾驶员右耳附近作为噪声响应点，通过Nastran仿真计算，得到加速噪声分析结果；由于流水槽区域典型模态分布在60-80Hz，对应的噪声峰值在2000rpm附近，取2000rpm附近噪声峰值的最大值作为NVH性能评估指标，得到50组样本分析结果。其中碰撞分析的过程为：通过LS-DYNA计算，得到50组HIC值，所述HIC值为行人头部伤害指数。

步骤4，基于步骤3中的仿真分析结果，分别针对NVH性能和行人保护性能构建相应的近似模型；所述步骤4具体为，根据所述步骤3中的行人保护性能仿真分析结果，利用组合模型建模方法，建立响应面近似模型；由于碰撞分析包含复杂非线性迭代过程，其碰撞性能与流水槽支架的具体尺寸参数没有固定的规律，难以适配具体的响应面模型算法，所以根据碰撞分析结果，利用组合模型建模方法，自动为每个设计变量匹配最合理的响应面模型算法，确保响应面精度最高；根据所述步骤3中的NVH性能仿真分析结果，建立径向基函数（RBF）近似模型，并对近似模型进行精度校验，校验过程为：当模型精度低于90%时，增加DOE分析样本点，更新近似模型，直到近似模型精度大于90%。

步骤5，基于步骤4中的两个近似模型，以“HIC值≤设计目标值，加速噪声最大值≤设计目标值”为约束条件，以“HIC值最小，加速噪声最大值最小”为优化目标，对流水槽支架进行参数优化，调用步骤3中的有限元模型对优化方案进行验证。所述步骤5具体为：基于所述步骤4中的两个近似模型，同时对NVH性能和行人保护性能进行优化，以“HIC值≤设计目标值，加速噪声最大值≤设计目标值”为约束条件，以“HIC值最小，加速噪声最大值最小”为优化目标，采用全局搜索算法完成设计变量的优化，得到关于NVH和行人保护的Pareto解集，选取Pareto解集中一组满意的解，调用所述步骤3中的有限元模型对该组满意的解进行验证。有限元模型仿真分析结果满足设计目标值，同时与近似模型分析结果一致，说明多目标优化有效；否则，说明设计空间内不存在满足性能要求的解，需要适当调整设计变量的范围，返回步骤2，重新进行优化设计。

Claims (6)

1.一种汽车流水槽支架的多学科优化设计方法，其特征在于，包括以下步骤：

步骤1，问题识别和P图分析，确定流水槽支架优化设计的相关参数，其中控制因子为流水槽支架的具体尺寸参数；

步骤2，制定步骤1中控制因子的设计空间，将步骤1中的控制因子作为设计变量，采用实验设计方法，生成多组样本数据；

步骤3，根据步骤2中的多组样本数据，建立整车NVH有限元模型进行NVH性能仿真分析，建立行人保护有限元模型进行行人保护性能仿真分析；

步骤4，基于步骤3中的仿真分析结果，分别针对NVH性能和行人保护性能构建相应的近似模型；

步骤5，基于步骤4中的两个近似模型，以“HIC值≤设计目标值，加速噪声最大值≤设计目标值”为约束条件，以“HIC值最小，加速噪声最大值最小”为优化目标，对流水槽支架进行参数优化，调用步骤3中的有限元模型对优化方案进行验证。

2.根据权利要求1所述的汽车流水槽支架的多学科优化设计方法，其特征在于，所述步骤1具体为：问题识别和P图分析，识别和确定流水槽支架优化设计的相关参数：输入信号为汽车速度（行人保护工况）、汽车加速时发动机产生的力和力矩（NVH工况）；控制因子为流水槽支架的具体尺寸参数；噪声因子为流水槽支架的加工尺寸偏差、流水槽支架的焊点位置偏差；输出状态为行人保护HIC值、关注转速加速噪声最大值。

3.根据权利要求1所述的汽车流水槽支架的多学科优化设计方法，其特征在于，所述步骤2具体为：制定所述步骤1中控制因子的设计空间，将所述步骤1中的控制因子作为设计变量，采用拉丁超立方实验设计方法，制定实验设计数据表，生成多组样本数据。

4.根据权利要求1所述的汽车流水槽支架的多学科优化设计方法，其特征在于：所述步骤3具体为，根据所述步骤2中的多组样本数据，相应地建立多组流水槽支架结构，根据多组流水槽支架结构建立多组整车NVH有限元模型并进行整车加速噪声仿真分析；根据多组流水槽支架结构建立行人保护有限元模型并进行碰撞分析。

5.根据权利要求1所述的汽车流水槽支架的多学科优化设计方法，其特征在于：所述步骤4具体为：根据所述步骤3中的行人保护性能仿真分析结果，利用组合模型建模方法，建立响应面近似模型；根据所述步骤3中的NVH性能仿真分析结果，建立径向基函数（RBF）近似模型，并对近似模型进行精度校验。

6.根据权利要求1所述的汽车流水槽支架的多学科优化设计方法，其特征在于：所述步骤5具体为：基于所述步骤4中的两个近似模型，同时对NVH性能和行人保护性能进行优化，以“HIC值≤设计目标值，加速噪声最大值≤设计目标值”为约束条件，以“HIC值最小，加速噪声最大值最小”为优化目标，采用全局搜索算法完成设计变量的优化，得到关于NVH和行人保护的Pareto解集，选取Pareto解集中一组满意的解，调用所述步骤3中的有限元模型对该组满意的解进行验证。

Images