CN112100747A - 车身骨架拓扑优化方法、装置、设备及介质 - Google Patents

Abstract

本发明一个或多个实施例提供一种车身骨架拓扑优化方法、装置、设备及介质，其中的方法包括：获取车身骨架的三维模型，将所述三维模型导入有限元分析系统以建立车身骨架有限元模型，以基结构法在所述车身骨架有限元模型的节点间添加杆件，得到拓扑优化模型；确定车身骨架的优化目标材料、材料变量以及约束条件；根据所述车身骨架的优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述车身骨架的目标优化结构。本发明通过引入材料变量的方式，从车身骨架基结构包括的所有可行拓扑方案中根据实际需求求解出最优的目标优化结构，具有较高的工程实用性和广阔的应用前景。

Description

车身骨架拓扑优化方法、装置、设备及介质

技术领域

本说明书一个或多个实施例涉及结构拓扑优化相关技术领域，尤其涉及一种车身骨架拓扑优化方法、装置、设备及介质。

背景技术

近年来汽车工业飞速发展，随之而来的是能源的巨大消耗以及空气污染物带来的严峻环境问题，而汽车轻量化属于针对上述问题的基础节能技术，通过汽车轻量化能够有效降低能源消耗并且减少空气污染物的排放。

汽车轻量化可分为结构化设计、轻量化材料的应用以及先进制造工艺等3个主要层面，结构优化又包括结构尺寸优化、形状优化、拓扑优化以及多学科设计优化等，大型车与小型车的优化亦不相同，目前，针对于大型车中的车身骨架的结构优化设计，主要采用的方法为对传统车身结构进行局部轻质材料替换及有限元分析验证；或采用拓扑优化的方法，在原始结构有限元分析结果的基础上，建立局部或整体的拓扑优化模型进行求解，最后，提取拓扑优化结果，将其变为可制造的方案。

现有的方法或虽有一定轻量化效果，但并不能保证材料分配的合理性；其一般基于轿车的成熟经验，然而，其均存在以下缺点：第一，拓扑优化过程中采用平面单元，结果可制造性差；第二，拓扑优化过程中通常需要对拓扑结果进行修正和圆整，这个过程会产生很大的性能偏差；第三，整套流程繁琐复杂。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种车身骨架拓扑优化方法、装置、设备及介质，以解决现有车身结构优化过程中会出现性能偏差的问题。

基于上述目的，第一方面，本说明书一个或多个实施例提供了一种车身骨架拓扑优化方法，所述方法包括：

获取车身骨架的三维模型，将所述三维模型导入有限元分析系统以建立车身骨架有限元模型，以基结构法在所述车身骨架有限元模型的节点间添加杆件，得到拓扑优化模型；

确定车身骨架的优化目标材料、材料变量以及约束条件，包括：

以车身骨架的结构成本为优化目标设计结构成本的目标函数，以车身骨架的结构使用的材料变量中的弹性模量、密度、许用应力及成本为设计变量，以应力约束、位移约束及离散约束为约束条件，以对所述车身进行拓扑优化；

根据所述车身骨架的优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述车身骨架的目标优化结构。

结合上述说明，在本发明实例的另一种可能的实施方式中，所述方法还包括：

根据所述车身骨架确定若干子基结构，每一子基结构为所述车身骨架立体结构的一位面结构；

根据所述子基结构的特点，结合所述优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述子基结构的目标优化结构；

结合各所述子基结构的子目标优化结构确定所述车身骨架的目标优化结构。

结合上述说明，在本发明实例的另一种可能的实施方式中，所述确定车身骨架的优化目标材料、材料变量以及约束条件，包括：

材料的变量集合为{1，......，M}，则弹性模量E_e∈{E¹，...，E^M}，密度ρ_e∈{ρ¹，...，ρ^M}，许用应力[σ]_e∈{[σ]¹，...，[σ]^M}，及成本c_e∈{c¹，...，c^M}；

引入二进制变量γ_em∈{0，1}来代表对于第e个杆件；

材料变量定义如下：

其中，m∈{1，......，M}；

杆件的属性表征如下：

对所述材料变量施加不等式约束，

e＝1，2，...，N

其中，N为基结构包含的杆件总数量；

设计目标函数为：

其中，l_e为杆件e的长度；

则所述拓扑优化模型表示为：

其中，δ_d代表节点位移；

分别代表节点位移的上下限；

分别代表杆件e的最大许用压应力和最大许用拉应力；x，γ分别为尺寸变量集合、材料变量集合；

以所述拓扑优化模型进行仿真分析，当达到仿真结束条件时，结合所述约束条件求解出所述车身骨架的目标优化结构。

结合上述说明，在本发明实例的另一种可能的实施方式中，所述方法还包括：

所述有限元分析系统为ANSYS，所述拓扑优化模型为在ANSYS的工作台中建模，在ANSYS中输入所述车身骨架的优化目标材料、材料变量以及约束条件，通过仿真分析后得到预设个数的所述车身骨架的目标优化结构对应的数组。

结合上述说明，在本发明实例的另一种可能的实施方式中，所述以基结构法在所述车身骨架有限元模型的节点间添加杆件，包括：

根据所述车身骨架的三维模型获取车身骨架各连接处节点坐标；

在ANSYS设置单元类型为beam188，连结拓扑优化所需的节点，建立杆件，此时所述杆件为以数组表示的梁单元杆件。

结合上述说明，在本发明实例的另一种可能的实施方式中，所述方法还包括：

对所述预设算法进行优化，包括：

所述预设算法至少包括遗传算法、粒子群算法及差分进化算法，对每一种预设算法进行变量编码、初始值生成、智能算法优化求解以及变量解码后，从所述预设算法中选择出最优算法。

结合上述说明，在本发明实例的另一种可能的实施方式中，所述方法还包括：

判断所述拓扑优化模型是否包含0-1变量及离散变量；

根据判断结果对所述预设算法进行优化，包括：

当所述拓扑优化模型包含0-1变量及离散变量中的至少一个时，所述预设算法采用可处理混合变量的智能算法；

当所述拓扑优化模型不包含0-1变量或离散变量时，所述预设算法采用已确定的常用智能算法。

第二方面，本说明书一个或多个实施例提供了一种车身骨架拓扑优化装置，所述装置包括：

模型建立模块，用于获取车身骨架的三维模型，将所述三维模型导入有限元分析系统以建立车身骨架有限元模型，以基结构法在所述车身骨架有限元模型的节点间添加杆件，得到拓扑优化模型；

参数确定模块，用于确定车身骨架的优化目标材料、材料变量以及约束条件，包括：

以车身骨架的结构成本为优化目标设计结构成本的目标函数，以车身骨架的结构使用的材料变量中的弹性模量、密度、许用应力及成本为设计变量，以应力约束、位移约束及离散约束为约束条件，以对所述车身进行拓扑优化；

优化模块，用于根据所述车身骨架的优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述车身骨架的目标优化结构。

第三方面，本说明书一个或多个实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述流程描述性语言的可视化方法。

第四方面，本说明书一个或多个实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述流程描述性语言的可视化方法。

从上面所述可以看出，本说明书一个或多个实施例提供的车身骨架拓扑优化方法，能够实现客车多材料车身骨架离散拓扑优化，通过引入材料变量的方式，从车身骨架基结构包括的所有可行拓扑方案中根据实际需求求解出最优的目标优化结构，且根据不同的需求通过修改参数的方式进行不同的优化，具有较高的工程实用性和广阔的应用前景。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书一个或多个实施例，对于本领域普通技术人员来讲，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为本说明书一个或多个实施例车身骨架拓扑优化方法的基本流程示意图；

图2为本说明书一个或多个实施例客车车身骨架顶子基结构示意图；

图3为本说明书一个或多个实施例客车车身骨架结构示意图；

图4为本说明书一个或多个实施例客车车身骨架顶骨架优化前后结构示意图；

图5为本说明书一个或多个实施例客车车身骨架底骨架子基结构示意图；

图6为本说明书一个或多个实施例客车车身骨架底骨架子基结构拓扑区域1优化前后结构示意图；

图7为本说明书一个或多个实施例客车车身骨架底骨架子基结构拓扑区域2优化前后结构示意图；

图8为本说明书一个或多个实施例车身骨架拓扑优化装置示意图；

图9为本说明书一个或多个实施例车身骨架拓扑优化方法具体实施例的流程示意图；

图10为本说明书一个或多个实施例电子设备示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

本发明涉及一种车身骨架拓扑优化方法、装置、设备及介质，其主要运用于需要对大型车如客车的多材料车身骨架进行离散型拓扑优化的场景中，其基本思想是：根据车身骨架的三维模型建立拓扑优化模型，通过引入材料变量，从车身骨架基结构包括的所有可行拓扑方案中根据优化目标材料、材料变量以及约束条件求解出最优的目标优化结构，且根据不同的需求通过修改参数的方式进行不同的优化，具有较高的工程实用性和广阔的应用前景。

本实施例可适用于带有ANSYS软件的智能型终端中以进行车身骨架拓扑优化方法的情况中，该方法可以目标优化装置来执行，其中该装置可以由软件和/或硬件来实现，一般地可集成于智能终端中，或者智能终端中的中心控制模块来控制，如图1所示，为本发明车身骨架拓扑优化方法的基本流程示意图，所述方法具体包括如下步骤：

在步骤110中，获取车身骨架的三维模型，将所述三维模型导入有限元分析系统以建立车身骨架有限元模型，以基结构法在所述车身骨架有限元模型的节点间添加杆件，得到拓扑优化模型；

本发明实施例的一种实施方式中，所述车身骨架的三维模型可以为由厂商提供的电子格式图纸、三维模型，如CAD(CAD，computer Aided design，计算机辅助设计)制图，所述有限元分析系统可以为ANSYS软件，其是一种通用的有限元分析(FEA，Finite ElementAnalysis，有限元分析)软件，是世界范围内增长最快的计算机辅助工程(CAE，ComputerAided Engineering，计算机辅助工程)软件，能与多数计算机辅助设计软件接口，实现数据的共享和交换。

在ANSYS中根据所述三维模型建立车身骨架的三维模型，以基结构法在所述所述三维模型中构建所有可能实现的拓扑方案，所述基结构为离散结构拓扑优化的初始结构，其为车身骨架结构所有可选拓扑方案的集合，设定基结构中有N个杆件需要优化，则在原始的三维模型中添加N个杆件以形成最终的拓扑优化模型，结合图2所示，为本发明实施例一种具体的车身结构的顶结构的基结构图，从图中可以看出，相较于一般的车身骨架三维模型，其添加了可能需要优化的若干个杆件，图中灰色部分为车身骨架的原始结构，黑色部分为添加的杆件，二者共同组成车身骨架顶结构的基结构。

在步骤120中，确定车身骨架的优化目标材料、材料变量以及约束条件，包括：

以车身骨架的结构成本为优化目标设计结构成本的目标函数，以车身骨架的结构使用的材料变量中的弹性模量、密度、许用应力及成本为设计变量，以应力约束、位移约束及离散约束为约束条件，以对所述车身进行拓扑优化；

车身骨架的实际成本受多方面影响，如型材的价格，杆件的折弯与焊接等成本，本发明实施例的一种可行的实施方式中以型材的价格为标准，不考虑各工件的加工成本，因此本发明以结构成本为目标函数，可避免多材料结构优化过程中的成本溢出问题。

确定车身骨架的优化目标材料、材料变量以及约束条件，以在有限元软件中进行分析为前提，以引入材料变量后，由于材料变量中的弹性模量、密度、许用应力及成本对最后的目标函数有影响，因此设计材料变量中的弹性模量、密度、许用应力及成本为设计变量，并根据具体的优化需要确定约束条件，例如应力约束，最大应力小于许用应力；位移约束，最大变形小于许用变形；离散约束，在指定的材料中选取，即拓扑方案中的杆件的材料材料预先指定材料集合。

在步骤130中，根据所述车身骨架的优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述车身骨架的目标优化结构。

所述预设算法可为遗传算法、粒子群算法、差分进化算法中的一种或两种以上的集合。

当确定所述车身骨架的优化目标、材料变量以及约束条件后，可设置仿真结束条件，如当仿真结束条件为为目标函数的数值在迭代过程中变化小于1e-4或迭代次数达到10000次时结束仿真，并从结果中选取最终的目标优化结构。

本发明的方法，根据车身骨架的三维模型建立拓扑优化模型，通过引入材料变量，从车身骨架基结构包括的所有可行拓扑方案中根据优化目标材料、材料变量以及约束条件求解出最优的目标优化结构，且根据不同的需求通过修改参数的方式进行不同的优化，具有较高的工程实用性和广阔的应用前景。

本发明实施例的一种可行的实施方式中，所述确定车身骨架的优化目标材料、变量以及约束条件，包括：

材料的变量集合为{1，......，M}，则弹性模量E_e∈{E¹，...，E^M}，密度ρ_e∈{ρ¹，...，ρ^M}，许用应力[σ]_e∈{[σ]¹，...，[σ]^M}，及成本c_e∈{c¹，...，c^M}；

引入二进制变量γ_em∈{0，1}来代表对于第e个杆件；

材料变量定义如下：

其中，m∈{1，......，M}；

杆件的属性表征如下：

对所述材料变量施加不等式约束，

e＝1，2，...，N

其中，N为基结构包含的杆件总数量；

设计目标函数为：

其中，l_e为杆件e的长度；

则所述拓扑优化模型表示为：

其中，δ_d代表节点位移；

分别代表节点位移的上下限；

分别代表杆件e的最大许用压应力和最大许用拉应力；x，γ分别为尺寸变量集合、材料变量集合；

以所述拓扑优化模型进行仿真分析，当达到仿真结束条件时，结合所述约束条件求解出所述车身骨架的目标优化结构。

如图3所示，为本发明的车身骨架的结构示意图，客车车身骨架由六大组成部分-顶骨架、左侧围、右侧围、前围、后围、底骨架组成，每一部分均可为一子基结构，车身骨架的基结构由上述六大组成部分对应的六个子基结构组成，每一子基结构为所述车身骨架立体结构的一位面结构，以顶骨架为例，结合图2所示，考虑到顶围的受力形式相对简单，对空调压缩机、空调风道等附件有安装连接关系，不宜明显改变结构，则在原车身骨架顶骨架的基础上构建基结构，并建立拓扑优化区域和尺寸优化区域，通过所述拓扑优化模型分析前及分析后的顶结构子基结构如图4所示，图4中灰色部分为优化结构。

本发明实施例的一种可行的实施方式中，根据所述子基结构的特点，结合所述优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述子基结构的目标优化结构后，可分别得到顶骨架、左侧围、右侧围、前围、后围、底骨架对应的子基结构的子目标优化结构；

结合各所述子基结构的子目标优化结构确定所述车身骨架的目标优化结构。

各所述子基结构的子目标优化结构确定所述车身骨架的目标优化结构与拓扑优化模型分析得到的最终目标优化结构一致的，可以此为优化目标，当不一致时，可进行后续分析，以进一步确定可行的优化结构。

如图5所示，为本发明实施例的车身骨架底骨架的子基结构示意图，其包括8个拓扑区域，以拓扑区域1为例，通过上述拓扑分析模型的仿真分析，结合图6所示的优化前后的区域，可以看出拓扑区域1的杆件材料得到重新分布，且结构更加简洁。

如图7所示，为本发明实施例的车身骨架底骨架的子基结构中拓扑区域2经过上述拓扑分析模型的仿真分析后得到的子目标优化结构，从图中可以看出优化前后结构，不仅杆件材料得到重新分布，且结构更加简洁。

以上图5至图7中黑色线条部分表示拓扑材料尺寸优化，灰色部分表示材料尺寸优化。

本发明的方法，在目标优化结构的优化设计中，以控制成本为目标，得到优化前后各工况下的最大应力情况，本发明实施例一种可行的实施方式中，如杆件的应力数值如下表所示：

表1改进前后结构质量及各工况最大应力对比

由上表可以看出，成本降低了6.3％，同时车身结构减重236kg，降幅达到了11.2％；相较于改进前的车身结构，改进后的车身骨架在Q345材料上的最大应力大幅度下降至安全范围附近，同时，最高应力均出现在材料为QSTE700TM的杆件上，满足强度要求，提升了高强钢在结构中的刚度贡献。显而易见，通过本发明的车身骨架拓扑优化方法，高强钢材料得到了合理的布置。

本发明实施例一种可行的实施方式中，针对于优化前后的约束条件，具体优化如下表2所示：

表2改进前后各工况车身最大位移对比

通过对车身在极限工况下的最大位移进行校核，改进后的客车车身骨架结构，在各个工况下最大位移有不同程度的变化，但整体变化范围较小。其中扭转刚度的最大位移均有所下降，证明优化主体底骨架的刚度特性得到了提高。同时，顶骨架杆件结构数目变少导致刚度下降，制动工况下位移变化增大，但位移数值仍处于较低水平，车身骨架的位移约束得到了最大程度的优化。

本发明实施例一种可行的实施方式中，通过所述拓扑优化模型结合预设算法得到所述车身骨架的目标优化结构时可设置得到多个不同的目标结构优化方案，以从进一步结合实际检验数据确定最终的目标优化结构。

结合图8所示，为本发明实施例的方法在通过ANSYS分析时，其具体的流程可包括如下步骤：

获取原客车车身骨架的三维模型，以建立原车身骨架梁单元有限元模型，其中，梁单元为在待添加的杆件；本发明实施例中，杆件为结构件，在有限元计算中，实体结构转化为数字模型，如图9所示，end-a到end-b之间的结构即为梁单元，且可通过坐标数组进行表示，梁单元建立时，主要参数为，两端点节点坐标、横截面信息。

通过在待需要的节点间添加杆件，以建立车身优化基结构；

构建材料、拓扑约束条件、材料变量，即确定材料的变量集合为{1，......，M}，弹性模量E_e∈{E¹，...，E^M}，密度ρ_e∈{ρ¹，...，ρ^M}，许用应力[σ]_e∈{[σ]¹，...，[σ]^M}，及成本c_e∈{c¹，...，c^M}；拓扑约束变量包括：应力约束变量、位移约束变量及离散约束变量，分别对应表示最大应力小于许用应力、最大变形小于许用变形及在指定的材料中选取；

在ANSYS的workbench工作台中建模，建立有限元分析模型后即通过优化程序进行优化，其一般步骤为输入后进行变量编码、生成初始值、变量解码、编译APDL文件并进行分析，将输出结果通过预设算法进行求解，在这一过程中更新变量，并根据是否达到迭代要求确定是否收敛，收敛时则输出优化结果，即输入在ANSYS中输入所述车身骨架的优化目标材料、变量以及约束条件，通过仿真分析后得到预设个数的所述车身骨架的目标优化结构对应的数组，该优化结果为变量的数组，对数组进行处理后可得到车身骨架整体结构的目标优化结构。

本发明实施例中，在ANSYS设置单元类型为beam188，连结相应节点，建立杆件，所述杆件为以数组表示的梁单元杆件，根据所述车身骨架的三维模型获取车身骨架各连接处节点坐标；可实现对细长的梁单元的更准确的分析。

本发明实施例的方法，所述方法还包括对所述预设算法进行优化，包括：

所述预设算法至少包括遗传算法、粒子群算法及差分进化算法，对每一种预设算法进行变量编码、初始值生成、智能算法优化求解以及变量解码后，从所述预设算法中选择出最优算法作为预设算法，能够实现在一个具体的实施场景下预设最优算法，以更加简单地应用于多种不同的场景。

本发明实施例的方法，所述方法还包括：

判断所述拓扑优化模型是否包含0-1变量及离散变量；

根据判断结果对所述预设算法进行优化，包括：

当所述拓扑优化模型包含0-1变量及离散变量中的至少一个时，所述预设算法采用可处理混合变量的智能算法；

当所述拓扑优化模型不包含0-1变量或离散变量时，所述预设算法采用已确定的常用智能算法。

本发明的方法，为对预设算法进行优先选择的优化，当变量中存在0-1变量及离散变量等不同类型的变量时，则所述预设算法优先采用可处理混合变量的智能算法，以更灵活地适用于不同的应用场景。

图9为本发明实施例提供的一种车身骨架拓扑优化装置的结构示意图，该装置可由软件和/或硬件实现，一般地集成于智能终端中，可通过车身骨架拓扑优化方法来实现。如图所示，本实施例可以以上述实施例为基础，提供了一种车身骨架拓扑优化装置，其主要包括了模型建立模块910、参数确定模块920以及优化模块930。

其中的模型建立模块910，用于获取车身骨架的三维模型，将所述三维模型导入有限元分析系统以建立车身骨架有限元模型，以基结构法在所述车身骨架有限元模型的节点间添加杆件，得到拓扑优化模型；

其中的参数确定模块920，用于确定车身骨架的优化目标材料、变量以及约束条件，包括：

以车身骨架的结构成本为优化目标设计结构成本的目标函数，以车身骨架的结构使用的材料变量中的弹性模量、密度、许用应力及成本为设计变量，以应力约束、位移约束及离散约束为约束条件，以对所述车身进行拓扑优化；

其中的优化模块930，用于根据所述车身骨架的优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述车身骨架的目标优化结构。

本发明实施例的装置还包括确定模块，用于确定车身骨架的优化目标材料、变量以及约束条件，包括：材料的变量集合为{1，......，M}，则弹性模量E_e∈{E¹，...，E^M}，密度ρ_e∈{ρ¹，...，ρ^M}，许用应力[σ]_e∈{[σ]¹，...，[σ]^M}，及成本c_e∈{c¹，...，c^M}；

引入二进制变量γ_em∈{0，1}来代表对于第e个杆件；

材料变量定义如下：

其中，m∈{1，......，M}；

杆件的属性表征如下：

对所述材料变量施加不等式约束，

e＝1，2，...，N

其中，N为基结构包含的杆件总数量；

设计目标函数为：

其中，l_e为杆件e的长度；

则所述拓扑优化模型表示为：

其中，δ_d代表节点位移；

分别代表节点位移的上下限；

分别代表杆件e的最大许用压应力和最大许用拉应力；x，γ分别为尺寸变量集合、材料变量集合；

以所述拓扑优化模型进行仿真分析，当达到仿真结束条件时，结合所述约束条件求解出所述车身骨架的目标优化结构。

上述实施例中提供的车身骨架拓扑优化装置可执行本发明中任意实施例中所提供的车身骨架拓扑优化方法，具备执行该方法相应的功能模块和有益效果，未在上述实施例中详细描述的技术细节，可参见本发明任意实施例中所提供的车身骨架拓扑优化方法。

可以理解，上述方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。

需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

图10示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种车身骨架拓扑优化方法，其特征在于，所述方法包括：

获取车身骨架的三维模型，将所述三维模型导入有限元分析系统以建立车身骨架有限元模型，以基结构法在所述车身骨架有限元模型的节点间添加杆件，得到拓扑优化模型；

确定车身骨架的优化目标材料、材料变量以及约束条件，包括：

以车身骨架的结构成本为优化目标设计结构成本的目标函数，以车身骨架的结构使用的材料变量中的弹性模量、密度、许用应力及成本为设计变量，以应力约束、位移约束及离散约束为约束条件，以对所述车身进行拓扑优化；

根据所述车身骨架的优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述车身骨架的目标优化结构。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述车身骨架确定若干子基结构，每一子基结构为所述车身骨架立体结构的一位面结构；

根据所述子基结构的特点，结合所述优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述子基结构的目标优化结构；

结合各所述子基结构的子目标优化结构确定所述车身骨架的目标优化结构。

3.根据权利要求1所述的方法，其特征在于，所述确定车身骨架的优化目标材料、材料变量以及约束条件，包括：

材料的变量集合为{1，......，M}，则弹性模量E_e∈{E¹，...，E^M}，密度ρ_e∈{ρ¹，...，ρ^M}，许用应力[σ]_e∈{[σ]¹，...，[σ]^M}，及成本c_e∈{c¹，...，c^M}；

引入二进制变量γ_em∈{0，1}来代表对于第e个杆件；

材料变量定义如下：

其中，m∈{1，......，M}；

杆件的属性表征如下：

对所述材料变量施加不等式约束，

其中，N为基结构包含的杆件总数量；

设计目标函数为：

其中，l_e为杆件e的长度；

则所述拓扑优化模型表示为：

其中，δ_d代表节点位移；

分别代表节点位移的上下限；

分别代表杆件e的最大许用压应力和最大许用拉应力；x，γ分别为尺寸变量集合、材料变量集合；

以所述拓扑优化模型进行仿真分析，当达到仿真结束条件时，结合所述约束条件求解出所述车身骨架的目标优化结构。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述有限元分析系统为ANSYS，所述拓扑优化模型为在ANSYS的工作台中建模，在ANSYS中输入所述车身骨架的优化目标材料、材料变量以及约束条件，通过仿真分析后得到预设个数的所述车身骨架的目标优化结构对应的数组。

5.根据权利要求5所述的方法，其特征在于，所述以基结构法在所述车身骨架有限元模型的节点间添加杆件，包括：

根据所述车身骨架的三维模型获取车身骨架各连接处节点坐标；

在ANSYS设置单元类型为beam188，连结拓扑优化所需的节点，建立杆件，此时所述杆件为以数组表示的梁单元杆件。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述预设算法进行优化，包括：

所述预设算法至少包括遗传算法、粒子群算法及差分进化算法，对每一种预设算法进行变量编码、初始值生成、智能算法优化求解以及变量解码后，从所述预设算法中选择出最优算法。

7.根据权利要求1或6所述的方法，其特征在于，所述方法还包括：

判断所述拓扑优化模型是否包含0-1变量及离散变量；

根据判断结果对所述预设算法进行优化，包括：

当所述拓扑优化模型包含0-1变量及离散变量中的至少一个时，所述预设算法采用可处理混合变量的智能算法；

当所述拓扑优化模型不包含0-1变量或离散变量时，所述预设算法采用已确定的常用智能算法。

8.一种车身骨架拓扑优化装置，其特征在于，所述装置包括：

模型建立模块，用于获取车身骨架的三维模型，将所述三维模型导入有限元分析系统以建立车身骨架有限元模型，以基结构法在所述车身骨架有限元模型的节点间添加杆件，得到拓扑优化模型；

参数确定模块，用于确定车身骨架的优化目标材料、材料变量以及约束条件，包括：

以车身骨架的结构成本为优化目标设计结构成本的目标函数，以车身骨架的结构使用的材料变量中的弹性模量、密度、许用应力及成本为设计变量，以应力约束、位移约束及离散约束为约束条件，以对所述车身进行拓扑优化；

优化模块，用于根据所述车身骨架的优化目标、材料变量以及约束条件，通过所述拓扑优化模型结合预设算法得到所述车身骨架的目标优化结构。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7任一所述方法。

Images