CN111310281B - 一种汽车车架轻量化的多学科设计方法 - Google Patents

一种汽车车架轻量化的多学科设计方法 Download PDF

Info

Publication number
CN111310281B
CN111310281B CN202010213792.6A CN202010213792A CN111310281B CN 111310281 B CN111310281 B CN 111310281B CN 202010213792 A CN202010213792 A CN 202010213792A CN 111310281 B CN111310281 B CN 111310281B
Authority
CN
China
Prior art keywords
mathematical model
design
discipline
automobile frame
radical
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
CN202010213792.6A
Other languages
English (en)
Other versions
CN111310281A (zh
Inventor
王婷婷
董若岩
李霞
秦东晨
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.)
Zhengzhou University
Original Assignee
Zhengzhou 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 Zhengzhou University filed Critical Zhengzhou University
Priority to CN202010213792.6A priority Critical patent/CN111310281B/zh
Publication of CN111310281A publication Critical patent/CN111310281A/zh
Application granted granted Critical
Publication of CN111310281B publication Critical patent/CN111310281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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

Abstract

本发明公开了一种汽车车架轻量化的多学科设计方法，包括如下步骤：步骤1、采用响应面法对目标函数建立近似模型；步骤2、建立汽车车架的轻量化数学模型；步骤3、将轻量化数学模型进行分解，分解成一个系统层数学模型和不同学科的多个子系统层数学模型；步骤4、对系统层数学模型用非支配遗传算法进行计算，对不同学科的多个子系统层数学模型用序列二次算法进行计算；步骤5、查看对步骤4的计算结果，如果结果符合收敛条件以及可靠性要求，则方案合理，优化工作完成；如果不收敛，则返回步骤2。本发明采用了多学科设计方法，提高了传统单一学科设计方法的设计效率，节省了计算时间，减少了试验设计成本。

Description

一种汽车车架轻量化的多学科设计方法
技术领域
本发明涉及汽车技术领域，尤其是涉及一种汽车车架轻量化的多学科设计方法。
背景技术
传统的汽车轻量化设计只能考虑单一学科的要求对汽车车架进行轻量化工作，在保证该学科要求的前提下完成轻量化，却有可能导致其他学科的车架性能受到削弱。因此常常需要多次仿真试验，以得到满足多学科要求的车架。
目前对于汽车车架的研究大多是考虑了NVH(噪声、振动与声振粗糙度Noise、Vibration、Harshness)性能的轻量化或是考虑了碰撞安全性能的轻量化，缺少对碰撞安全性能和NVH性能一同考虑的轻量化的深入研究。然而，汽车车架的耐撞性设计是为了提高车架的碰撞安全性，通常需要增加车身关键零部件的强度或者厚度；在车架的NVH性能设计中，为了提高车身的刚度和低阶共振模态，也需要增加零部件的数量或厚度，这对汽车车架的轻量化提出了更高的要求。
与此同时，车架在实际生产加工过程中，其设计变量和噪声因素，具有不确定性，传统优化设计往往设计参数和结构参数都是作为确定值输入的，优化过程中未考虑系统本身及环境的不确定性因素，输出的优化结果多为理想值。当外界条件如工作环境的湿度、温度等变化或者自身零件磨损时，原有的优化结果难以符合最初的设计要求，产品性能无法得到保障。
为保证汽车车架能投入实际使用，它涉及结构力学、安全性、可靠性、NVH特性等不同学科。因此需要一种对汽车车架综合考虑多个学科要求的高效轻量化设计方法。
发明内容
本发明提供一种汽车车架轻量化的多学科设计方法，运用多学科综合考虑的方法，在研究确定性多学科设计优化的基础上，需要引入随机变量以及可靠性，来对车架同时进行稳健性和可靠性两方面的不确定优化设计，以保证降低整车质量的同时，车架的性能评价指标在不确定性因素存在随机波动的情况下仍能保持较优水平。基于多学科设计优化的汽车多材料碰撞安全结构轻量化设计方案充分考虑了车架在设计、制造、使用过程中存在的不确定性因素，协同多个冲突学科，为实际工程需要提供了更加合理的设计方案。
为达到上述目的，本发明采用以下技术方案：
一种汽车车架轻量化的多学科设计方法，包括如下步骤：
步骤1、采用响应面法对目标函数建立近似模型；
步骤2、建立汽车车架的轻量化数学模型；
步骤3、将轻量化数学模型进行分解，分解成一个系统层数学模型和不同学科的多个子系统层数学模型；
步骤4、对系统层数学模型用非支配遗传算法进行计算，对不同学科的多个子系统层数学模型用序列二次算法进行计算，并将子系统层数学模型求得的结果，输入到系统层数学模型中，经过一致性约束的协调后，输出优化结果；
步骤5、查看对步骤4的计算结果，如果结果符合收敛条件以及可靠性要求，则方案合理，优化工作完成；如果不收敛，则返回步骤2；
所述步骤2中，轻量化数学模型为：
min M(zi)
s.t.g(zi)＝0
h(zi)≤0
zL≤zi≤zU
i＝1,2,3,…N
其中M为目标函数；zi为第i个设计变量；g为等式约束；h为不等式约束；zU，zL分别为z的最大值和最小值；
所述步骤3中，一个系统层数学模型为：
min M(zj)
Figure BDA0002423712220000031
zL≤zj≤zU
j＝1,2,3,…,n
i＝1,2,3,…,N
其中M为系统层目标函数；zj为系统层第j个设计变量；tij为子系统层反馈设计变量值；Ji为学科i的一致性约束；s为设计变量的总数量；ε为松弛因子；zU，zL分别为z的最大值和最小值；
对不同学科的多个子系统层数学模型均为：
Figure BDA0002423712220000032
s.t.gi(ti)＝0
hi(ti)≤0
tL≤tij≤tU
j＝1,2,3,…,n
其中ti为学科i的设计变量；tij为学科i的第j个设计变量；zj为系统层分配期望值；gi为学科i的不等式约束；hi为学科i的等式约束；tU，tL分别为ti的最大值和最小值。
进一步的，所述步骤3中的不同学科的多个子系统层数学模型数量与实际设计过程中的学科数相等。
本发明的有益效果是：
1、本发明采用耦合多学科的轻量化模型，将多学科结合在一起，避免了传统单一学科设计方法对汽车车架设计的不合理性。
2、本发明采用了多学科设计方法，提高了传统单一学科设计方法的设计效率，节省了计算时间，减少了试验设计成本。
3、本发明成本低，效率高，能够在汽车车架产品开发前期实现正向设计，降低后期设计变更带来的研发周期增长，研发费用增加的风险。
附图说明
图1为本发明的流程图。
图2为本发明的步骤4中，系统层数学模型与子系统层数学模型计算过程中相互间关系示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步描述。
实施例
本实施例用某型汽车车架的轻量化问题，进行详细的描述。
对于某型汽车车架的轻量化问题，主要是考虑汽车车架的正面碰撞安全性能以及模态性能的同时对汽车进行轻量化工作，本例的汽车车架为了安全性和易制作成形，其车架采用矩形钢焊接制成。
经过分析，选取对车架性能影响较小的部分型材，以其厚度为设计变量，将车架正碰性能指标与模态性能指标作为约束，以质量最小为目标进行优化工作。
车架设计变量的取值范围如表1。
表1车架轻量化设计变量
设计变量 初始值 上限 下限
型材1厚度 1.6 2.0 1.2
型材2厚度 1.6 2.0 1.2
型材3厚度 3.5 4.5 3
型材4厚度 3.5 4.5 3
型材5厚度 1.2 1.6 0.9
型材6厚度 1.5 1.6 0.9
取车架碰撞时刻车座头枕峰值加速度以及制动踏板的最大入侵量车架的为正碰性能指标主要参数，在正面碰撞过程中，该参数分别能够描述驾驶员颈部、小腿可能的伤害程度，直接影响发生安全事故后驾驶员的生还几率；取车架的前两阶模态作为车架的模态性能指标，优化前各性能指标的初始值如表2。
表2优化前各性能指标的初始值
M A D N1 N2
45.439kg 58.297g 89.511mm 43.74Hz 55.74Hz
如图1、图2所述，对这种汽车车架轻量化优化过程如下所示：
根据一种汽车车架轻量化的多学科设计方法，将优化过程分为如下步骤：
步骤1、采用响应面法建立车架各性能指标的响应面近似模型；
步骤2、根据该优化问题建立轻量化数学模型，如下述公式所示：
min M(zi)
s.t.D(zi)≤71.6
A(zi)≤60
N1(zi)≤43.74
N2(zi)≤55.73
zL≤zi≤zU
i＝1,2,3,4,5,6
其中M为目标函数；zi为第i个设计变量；D为最大入侵量约束；A为峰值加速度约束；N1、N2为模态约束；zU，zL分别为z的最大值和最小值
步骤3、将轻量化数学模型分解为系统层数学模型和不同学科的多个子系统层数学模型；
分解的系统层数学模型为：
min M(zj)
Figure BDA0002423712220000061
zL≤zi≤zU
j＝1,2,3,4,5,6
i＝1,2
其中M为系统层目标函数；zj为系统层第j个设计变量；tij为子系统层反馈设计变量值；Ji为学科i的一致性约束；s为学科的总数量；ε为松弛因子；zU，zL分别为z的最大值和最小值；
分解多学科的子系统层数学模型以碰撞安全学科子系统层数学模型和模态性能子系统层数学模型详细介绍；
碰撞安全性能子系统层数学模型：
Figure BDA0002423712220000062
s.t.D(t1)≤71.6
A(t1)≤60
tL≤t1j≤tU
j＝1,2,3,4,5,6
模态性能子系统层数学模型：
Figure BDA0002423712220000063
s.t.N1(t2)≤43.74
N2(t2)≤55.73
tL≤t2j≤tU
j＝1,2,3,4,5,6
其中ti为学科i的设计变量；tij为学科i的第j个设计变量；zj为系统层分配期望值；D为最大入侵量约束；A为峰值加速度约束；N1、N2为模态约束；hi为学科i的等式约束；tU，tL分别为ti的最大值和最小值；
步骤4、对系统层数学模型用非支配遗传算法进行计算，对碰撞安全学科子系统层数学模型和模态性能子系统层数学模型用序列二次算法进行计算，并将子系统层求得的结果，输入到系统层数学模型中，经过一致性约束的协调后，输出优化结果。
步骤5、求得结果如表3所示，该结果符合收敛条件以及可靠性要求。
表3计算结果
设计变量 型材1 型材2 型材3 型材4 型材5 型材6
初始值 1.6 1.6 3.5 3.5 1.2 1.5
优化值 1.25 1.55 3.73 3.30 0.91 1.03
目标函数 M A D N1 N2
初始值 45.439 58.297 89.511 43.74 55.73
优化值 37.91 39.78 67.52 43.16 55.61
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种汽车车架轻量化的多学科设计方法，其特征在于包括如下步骤：
步骤1、采用响应面法对目标函数建立近似模型；
步骤2、建立汽车车架的轻量化数学模型；
步骤3、将轻量化数学模型进行分解，分解成一个系统层数学模型和不同学科的多个子系统层数学模型；
步骤4、对系统层数学模型用非支配遗传算法进行计算，对不同学科的多个子系统层数学模型用序列二次算法进行计算，并将子系统层数学模型求得的结果，输入到系统层数学模型中，经过一致性约束的协调后，输出优化结果；
步骤5、查看对步骤4的计算结果，如果结果符合收敛条件以及可靠性要求，则方案合理，优化工作完成；如果不收敛，则返回步骤2；
所述步骤2中，轻量化数学模型为：
min M(zi)
s.t.g(zi)＝0
h(zi)≤0
zL≤zi≤zU
i＝1,2,3,…N
其中M为目标函数；zi为第i个设计变量；g为等式约束；h为不等式约束；zU，zL分别为z的最大值和最小值；
所述步骤3中，一个系统层数学模型为：
min M(zj)
Figure FDA0002423712210000011
zL≤zj≤zU
j＝1,2,3,…,n
i＝1,2,3,…,N
其中M为系统层目标函数；zj为系统层第j个设计变量；tij为子系统层反馈设计变量值；Ji为学科i的一致性约束；s为设计变量的总数量；ε为松弛因子；zU，zL分别为z的最大值和最小值；
对不同学科的多个子系统层数学模型均为：
Figure FDA0002423712210000021
s.t.gi(ti)＝0
hi(ti)≤0
tL≤tij≤tU
j＝1,2,3,…,n
其中ti为学科i的设计变量；tij为学科i的第j个设计变量；zj为系统层分配期望值；gi为学科i的不等式约束；hi为学科i的等式约束；tU，tL分别为ti的最大值和最小值。
2.根据权利要求1所述的一种汽车车架轻量化的多学科设计方法，其特征在于：所述步骤3中的不同学科的多个子系统层数学模型数量与实际设计过程中的学科数相等。
CN202010213792.6A 2020-03-24 2020-03-24 一种汽车车架轻量化的多学科设计方法 Active CN111310281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010213792.6A CN111310281B (zh) 2020-03-24 2020-03-24 一种汽车车架轻量化的多学科设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010213792.6A CN111310281B (zh) 2020-03-24 2020-03-24 一种汽车车架轻量化的多学科设计方法

Publications (2)

Publication Number Publication Date
CN111310281A CN111310281A (zh) 2020-06-19
CN111310281B true CN111310281B (zh) 2023-02-24

Family

ID=71145897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010213792.6A Active CN111310281B (zh) 2020-03-24 2020-03-24 一种汽车车架轻量化的多学科设计方法

Country Status (1)

Country Link
CN (1) CN111310281B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113158514B (zh) * 2021-03-31 2022-05-24 中南大学 汽车车身材料结构匹配轻量化设计方法、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
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
WO2015180196A1 (zh) * 2014-05-27 2015-12-03 中国空间技术研究院 一种基于多学科优化的卫星总体方案确定系统及实现方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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
WO2015180196A1 (zh) * 2014-05-27 2015-12-03 中国空间技术研究院 一种基于多学科优化的卫星总体方案确定系统及实现方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于协同优化和多目标遗传算法的车身结构多学科优化设计;王平等;《机械工程学报》;20110120(第02期);全文 *
多学科设计优化在整车轻量化设计中的应用研究;张勇等;《中国机械工程》;20080410(第07期);全文 *

Also Published As

Publication number Publication date
CN111310281A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
US20110137443A1 (en) Design Optimization System
Duan et al. Multi-objective reliability-based design optimization for the VRB-VCS FLB under front-impact collision
CN106934117A (zh) 汽车仪表板总成优化方法
CN112287551B (zh) 一种基于整车概念模型的行驶性能系统级指标分解方法
CN111310281B (zh) 一种汽车车架轻量化的多学科设计方法
CN116090111B (zh) 一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法
CN107038303B (zh) 用于机械可靠性分析与设计的基于代理模型的双层实验设计方法
CN101436219A (zh) 一种基于层次分解的汽车产品开发系统优化方法
CN116090092A (zh) 一种新能源车辆电池包的安全设计方法及其电池包
Park et al. Development of a fiber-reinforced plastic armrest frame for weight-reduced automobiles
Chen et al. Robust design for improved vehicle handling under a range of maneuver conditions
Rais-Rohani et al. Shape and sizing optimisation of automotive structures with deterministic and probabilistic design constraints
Baskin et al. A case study in structural optimization of an automotive body-in-white design
Liang et al. Bus rollover crashworthiness under European standard: an optimal analysis of superstructure strength using successive response surface method
Rais-Rohani et al. Reliability-based optimization of lightweight automotive structures for crashworthiness
Xie et al. Multi-objective optimisation of a vehicle energy absorption structure based on surrogate model
CN114329788A (zh) 一种基于田口法和熵权灰色关联分析的车门优化设计方法
CN113901586A (zh) 一种基于nsga-ⅱ的一体式铝合金精密铸造防撞梁结构优化方法
CN114896688A (zh) 一种车身结构吸能盒的设计方法
Bennett et al. A multidisciplinary framework for preliminary vehicle analysis and design
Wu et al. A corrected surrogate model based multidisciplinary design optimization method under uncertainty
Wang A robust design optimization method considering correlated intervals
Fu et al. Better optimization of nonlinear uncertain systems (BONUS) for vehicle structural design
Kim et al. A study on the parametric optimization of drawing metal stamping process for aluminum alloy tailgate parts using response surface methodology
Felgenhauer et al. Automated Generation of Vehicle Architectures and Derivation of Modular Systems within the Vehicle Front

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