CN112711813A - 一种铆接结构的轻量化方法 - Google Patents

一种铆接结构的轻量化方法 Download PDF

Info

Publication number
CN112711813A
CN112711813A CN202011639343.4A CN202011639343A CN112711813A CN 112711813 A CN112711813 A CN 112711813A CN 202011639343 A CN202011639343 A CN 202011639343A CN 112711813 A CN112711813 A CN 112711813A
Authority
CN
China
Prior art keywords
riveting
performance
structural
model
optimization
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
Application number
CN202011639343.4A
Other languages
English (en)
Other versions
CN112711813B (zh
Inventor
武振江
杨建森
曹建
吴杨
王鹏
李欣
董强强
王振峰
刘忠海
许晟杰
何丽
周明岳
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.)
China Automotive Technology and Research Center Co Ltd
CATARC Tianjin Automotive Engineering Research Institute Co Ltd
Original Assignee
China Automotive Technology and Research Center Co Ltd
CATARC Tianjin Automotive Engineering Research Institute Co Ltd
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 China Automotive Technology and Research Center Co Ltd, CATARC Tianjin Automotive Engineering Research Institute Co Ltd filed Critical China Automotive Technology and Research Center Co Ltd
Priority to CN202011639343.4A priority Critical patent/CN112711813B/zh
Publication of CN112711813A publication Critical patent/CN112711813A/zh
Application granted granted Critical
Publication of CN112711813B publication Critical patent/CN112711813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational 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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Biomedical Technology (AREA)
  • Computational Mathematics (AREA)
  • Physiology (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Genetics & Genomics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Graphics (AREA)
  • Body Structure For Vehicles (AREA)

Abstract

本发明创造提供了一种铆接结构的轻量化方法，选择铆接结构形式，仿真计算输入的铆接结构的性能目标；S2：将S1中的结构模型进行结构参数化，以铆钉间距为输入，对铆钉间距进行抽样求解，建立模型；S3：从S2中得出的数据，在最优方案中进行试验，并验证性能。本发明创造所述的一种铆接结构的轻量化方法，将铆接结构的间距进行参数化，并结合优化设计工具精确的计算出铆接结构的铆钉使用数量，该方法可扩展至多种连接结构，如螺栓、点焊、焊缝、涂胶等连接工艺，避免结构冗余设计，提高产品竞争力，降低企业生产成本。

Description

一种铆接结构的轻量化方法
技术领域
本发明创造属于汽车领域，尤其是涉及一种铆接结构的轻量化方法。
背景技术
随着汽车国六排放标准的提出，汽车轻量化技术面临着巨大挑战，据统计，汽车每减少100kg重量，其百公里油耗可减少0.3L-0.6L。轻量化技术中多材料、变截面等新型设计手段被大量应用，这对传统连接工艺带来重要影响。铝合金等新型材料的引入，使得汽车车身从传统的纯钢制焊接车身向钢铝混合车身转变，其连接工艺也大量使用铆接工艺，而铆接工艺中铆钉的使用数量对钢铝混合车身轻量化有重要意义。
铆接中每一颗铆钉重量约为8克左右，钢铝混合或全铝白车身的铆接数量约有2000-5000个不等，重量约为16kg-40kg，车身结构中铆钉数量由铆钉间距决定，铆钉使用数量越少，则车身轻量化程度越高。传统开发中铆接间距分布均是依据人工经验设计，车身结构铆接间距由40mm-100mm不等，这种方法不能合理分布铆接间距，不能在满足车身结构性能的前提下，减少铆钉使数量，降低车身重量。基于上述问题，本专利提出一种铆接工艺连接中，铆钉数量分布的优化设计方法。
发明内容
有鉴于此，本发明创造旨在提出一种铆接结构的轻量化方法，以解决汽车结构中铆接间距不合理的问题，优化铆钉使用数量，降低车身结构重量，从而达到轻量化的目的。
为达到上述目的，本发明采用结构参数化与多学科优化结合的方法对铆钉的间距进行优化设计。其中，结构参数化可将结构连接中铆钉的间距通过参数变量调节，多学科优化设计方法可以建立铆钉间距大小与结构性能之间的近似模型，并且可以根据近似模型优化匹配出满足结构性能、重量条件下的最优铆钉间距(即铆钉使用数量)，具体技术方案如下：
步骤一：选择铆接结构结构形式，如汽车车身、悬架、货箱等板壳类铆接结构形式，以有限元模型或者几何模型为输入形式，确认需优化的铆接部位；
其中，步骤一中：
(1)车身、悬架、货箱等铆接结构形式为钢-铝、铝-铝形式的搭接；
(2)有限元模型可使用hypermesh前处理软件将铆接结构形式几何模型导入后生成有限元模型，导出Nastran、LS-dyna、Abaqus求解器模板的有限元模型文件，即有限元数据文件格式为.bdf、.k、.inp格式文件；
(3)几何模型可使用UG或CATIA三维几何模型软件建立铆接结构的几何数模，几何模型数据格式为.CATpart、.prt格式文件；
步骤二：仿真计算步骤一中输入的铆接结构各学科的性能目标，如结构刚度、强度、模态等结构性能；
其中，步骤二中铆接结构连接性能根据具体结构功能定义确定，如下：
(1)结构刚度包括结构整体、局部刚度的计算工况和性能目标值；
(2)结构强度包括结构整体、局部强度计算工况和性能目标值；
(3)结构模态包括结构典型阵型及模态的计算工况和性能目标值；
步骤三：将输入的铆接连接结构模型进行结构参数化，并将需要优化设计的铆接位置的铆接间距设置为设计变量；
其中，步骤三中：
(1)使用SFE-Concept、ANSA-Morph等结构参数化软件工具，将步骤一中的铆接结构导入进软件，并参照结构形状进行点-线-梁-接头-连接的建模顺序将步骤一中的结构参数化；
(2)将每个铆接间距录制为设计变量，并将设计变量执行文件输出，SFE-Concept中设计变量执行文件为.con，.mac，.SFECmod文件，ANSA-Morph中设计变量文件为.mac，.ansa文件；
步骤四：以铆接结构的各学科性能为响应，以铆钉间距为输入，对铆钉间距进行抽样求解，即对输入与响应进行实验设计；
步骤四中：
(1)使用优化设计工具Isight读取步骤三中的设计变量执行文件、有限元求解器(如：Nastran、Abaqus、LS-dyna)；
(2)选取试验设计(DOE)类型，各铆接间距的变动范围为±20％，定义各铆接间距的变动范围为±20％，设计实验设计抽样数量，抽样数量可根据后续近似模型类型选取，如一阶响应面需要(M+1)个抽样数量，二阶响应面需要(M+1)(M+2)/2个抽样数量，其中M为设计变量数量；
(3)设置响应为步骤二中的结构性能以及结构重量并提交计算；
步骤五：以铆钉间距的抽样结果为输入，以铆接结构性能为响应，建立输入与响应之间的近似数学关系，即建立近似模型；
其中，步骤五中：
(1)使用优化设计软件工具Isight读取步骤四中抽样计算结果并查看各铆接间距对结构性能的Pareto图、主效应图等；
(2)根据抽样计算结果，建立铆钉间距与结构性能、重量之间的近似模型，如响应面模型，克里格模型、神经网络模型等；
步骤六：以铆钉间距为优化变量，以铆接结构多个学科的性能为约束函数，以铆接结构重量最低为优化目标，对近似模型进行多学科优化设计；
其中，步骤六中：
(1)多学科优化设计是在步骤五中近似模型曲面上寻优，寻优的方法可使用遗传算法NSGA-II或粒子群算法求解计算；
(2)优化求解后可得到铆钉间距与结构性能、结构重量的最优化设计变量方案组合；
步骤七：多学科优化的方案在铆接结构的近似模型上计算得出，与实际铆接结构存在精度相关问题，故需将近似模型得出的最优方案在实际铆接结构方案中进行验证，验证的性能为步骤二中的定义的相关结构性能；
其中，步骤七中：
(1)在SFE-Concept或ANSA-Morph中，将步骤六中的设计变量方案组合带入到参数化模型中；
(2)输出Nastran、LS-Dyna、Abaqus等有限元求解器模板下的计算文件，如.bdf，.k，.inp等文件格式；
(3)使用Nastran、Abaqus或LS-Dyna求解计算上述步骤中的计算文件，验证其结构性能；
进一步地，计算完成后可根据验证结果可使用有限元处理软件hypermesh软件统计优化后的铆钉减少数量以及铆接结构减重结果；
相对于现有技术，本发明创造所述的一种铆接结构的轻量化方法具有以下优势：
1.将铆接结构的间距进行参数化，并结合优化设计工具精确的计算出铆接结构的铆钉使用数量，避免传统结构仿真中经验性的结构改进，快速设计验证，有效指导实际生产。
2.可在项目开发前期可以将铆接结构的铆钉间距，通过仿真计算的方法得出，并对其进行仿真性能验证，避免单纯依靠经验设计定义铆钉间距和使用数量，降低结构重量，实现结构轻量化。
3.该方法可扩展至多种连接结构，如螺栓、点焊、焊缝、涂胶等连接工艺。
4.避免结构冗余设计，提高产品竞争力，降低企业生产成本。
附图说明
图1为铆接结构轻量化方法流程图；
图2为白车身总成图；
图3为白车身成图；
图4为白车身结构参数化模型图；
图5为白车性能验证图；
图6为白车身性能图；
图7为白车整体图。
具体实施方式
除有定义外，以下实施例中所用的技术术语具有与本发明创造所属领域技术人员普遍理解的相同含义。以下实施例中所用的试验试剂，如无特殊说明，均为常规生化试剂；所述实验方法，如无特殊说明，均为常规方法。
下面结合实施例及附图来详细说明本发明创造。
本发明公开了一种铆接结构的轻量化方法，如图1所示，以乘用车钢铝混合白车身结构为例，本发明的所述的轻量化方法具体实施过程如下：
步骤一：以白车身有限元模型为输入，确定钢铝铆接结构区域；
本步骤一中，白车身有限元结构由五部分组成，分别为前舱总成、中地板总成、后地板总成、侧围总成及顶盖总成，该白车身结构以及铆接结构可在有限元前处理软件hypermesh或ANSA中建立，如图2所示。
步骤二：仿真计算钢铝混合白车身结构的各学科性能属性，如结构碰撞、刚度、强度、模态等性能，如表1所示；
表1车身结构性能统计
Figure BDA0002879537790000061
本步骤二中所述的白车身结构的结构碰撞、刚度、强度以及模态性能验证具体步骤如下：
1、根据步骤一中输入的白车身有限元模型，使用Hypermesh或者ANSA前处理软件，建立整车有限元模型，赋予相应的材料卡片；
表2车身模态分析
Figure BDA0002879537790000071
2、根据C-NCAP法规分解结构碰撞的性能指标，使用LS-Dyna求解计算结构碰撞性能；
3、根据白车身刚度工况，使用Nastran计算白车身结构弯曲和扭转刚度性能；
4、根据白车身强度工况，使用abaqus计算白车身结构典型工况下的静强度性能；
5、根据白车身模态工况，使用Nastran计算白车身结构模型性能；
步骤三：建立白车身结构参数化模型，并定义钢铝铆钉间距为设计变量；
本步骤三中，所建立的白车身结构参数化及设计变量的具体步骤如下：
1、使用SFE-Concept结构参数化软件，将白车身结构结构依据点-线-梁-接头-曲面的顺序搭建步骤一中的白车身五个总成，最后将五个总连接拼装成一个完整参数化的白车身结构，如图4所示。
2、将白车身结构中的各铆接区域分别按照铆钉间距录制为设计变量，本例录制8组设计变量；
3、将白车身结构参数化模型分别导出为Ls-Dyna、Nastran以及Abaqus求解器下的模型文件；
步骤四：以钢铝混合白车身结构各学科的性能为输入相应，以钢铝铆接区域的铆钉间距为设计变量，多铆钉间距进行抽样并计算各抽样组合的结构各学科性能，即对输入和响应进行实验设计；
步骤四中，具体实验设计的步骤如下：
1、使用优化设计软件Isight，与SFE-Concept结构参数化模型建立实验设计流程，其中流程中包含白车身结构Ls-Dyna、Nastran及Abaqus模型文件；
2、实验设计中选择最优拉丁方的实验设计方法对各设计变量进行抽样；
3、将各设计变量的变化范围设置为±30％，运行整个实验设计求解流程；
4、根据实验设计的流程结果，根据主效应图及Pareto图筛选对性能敏感的设计变量组合以及对应的结构性能响应，如图3所示设计变量与刚度性能试验设计结果；
步骤五：以步骤四种筛选的铆钉间距抽样组合结果为输入，以白车身各学科的结构性能为响应，建立输入与响应之间的近似模型；
步骤六：以设计变量铆钉间距为优化变量，以钢铝混合车身结构的结构碰撞、刚度、强度、模态性能为约束函数，以钢铝混合白车身结构重量为优化目标，对近似模型进行多学科优化设计，优化出白车身结构最轻的铆钉间距组合，如表所示；
步骤七：以最优的铆钉间距组合为输入，验证钢铝混合白车身各学科结构性能并计算钢铝混合白车身结构重量，如图5-7所示；
表3设计变量试验设计表
Figure BDA0002879537790000091
表4刚度性能试验设计表
Δd<sub>1</sub>(mm) Δd<sub>2</sub>(mm) Δd<sub>3</sub>(mm) Δd<sub>4</sub>(mm) Δd<sub>5</sub>(mm) Δd<sub>6</sub>(mm) Δd<sub>7</sub>(mm) Δd<sub>8</sub>(mm) K(N·m/°) S(个)
1 -17 -17 3 8 9 12 -15 -19 1763 2348
2 -9 14 7 4 -16 5 17 -10 1761 2303
3 1 19 14 -17 8 0 6 10 1755 2257
4 4 3 10 .3 0 15 -12 19 1747 2236
5 18 20 19 5 13 19 19 16 1724 2094
表5多学科优化部分结果
Figure BDA0002879537790000101
表6车身模态分析
Figure BDA0002879537790000111
本实施例中在通过使用多学科优化设计的方法，在保证钢铝铆接车身的结构性能的同时，对铆钉间距进行了优化，使原始模型铆钉数量为2285个，优化后铆钉数量为2065个，减少220个铆钉，较原结构铆钉重量减少1.32kg。性能对比见图7所示，结构碰撞性能中前围板侵入量、B柱加速度等关键指标较原结构性能误差很小；结构刚度中弯曲、扭转两个刚度工况分别由原性能11077N/mm，14801N·mm/°变化为优化结构的11027N/mm，14530N·mm/°；结构模态的弯曲和扭转模态分别由与原性能42.4Hz，33.55Hz变化为优化结构的43Hz，33.43Hz，原结构与优化结构性能差异较少，可以满足实际工程需求。
以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明创造的保护范围之内。

Claims (6)

1.一种铆接结构的轻量化方法，其特征在于：包括如下步骤：
S1：选择铆接结构形式，仿真计算输入的铆接结构的性能目标；
S2：将S1中的结构模型进行结构参数化，铆接结构的各学科性能为响应，对铆钉间距进行抽样求解，建立近似模型，对近似模型进行多学科优化；
S3：近似模型得出的最优方案在实际铆接结构方案中进行验证。
2.根据权利要求1所述的一种铆接结构的轻量化方法，其特征在于：所述S1为选择铆接结构形式，以有限元模型或者几何模型为输入形式，确认需要优化的铆接结构部位，仿真计算中输入的铆接结构各学科的性能目标。
3.根据权利要求2所述的一种铆接结构的轻量化方法，其特征在于：所述S1中铆接结构结构形式为汽车车身、悬架、货箱中的一种，车身、悬架、货箱等铆接结构形式为钢-铝、铝-铝形式的搭接，以有限元模型或者几何模型为输入形式，确认需优化的铆接部位，性能目标为结构刚度、强度、模态中的一种，铆接结构连接性能根据具体结构功能定义，结构刚度包括结构整体、局部刚度的计算工况和性能目标值，结构强度包括结构整体、局部强度计算工况和性能目标值，结构模态包括结构典型阵型及模态的计算工况和性能目标值。
4.根据权利要求1所述的一种铆接结构的轻量化方法，其特征在于：所述S2为将输入的铆接连接结构模型进行结构参数化，并将需要优化设计的铆接位置的铆接间距设置为设计变量，以铆接结构的各学科性能为响应，以铆钉间距为输入，对铆钉间距进行抽样求解，即对输入与响应进行实验设计，以铆钉间距的抽样结果为输入，以铆接结构性能为响应，建立输入与响应之间的近似数学关系，即建立近似模型；以铆钉间距为优化变量，以铆接结构多个学科的性能为约束函数，以铆接结构重量最低为优化目标，对近似模型进行多学科优化设计。
5.根据权利要求4所述的一种铆接结构的轻量化方法，其特征在于：所述近似模型为优化函数，以铆钉间距为优化变量、结构性能为约束目标、结构重量最小为优化目标，进行多学科优化设计，将S1中的铆接结构导入进软件，并参照结构形状进行点-线-梁-接头-连接的建模顺序将S1中的结构参数化，将每个铆接间距录制为设计变量，并将设计变量执行文件输出，选取试验设计类型，各铆接间距的变动范围为±20％，定义各铆接间距的变动范围为±20％，设计实验设计抽样数量，抽样数量可根据后续近似模型类型选取，如一阶响应面需要(M+1)个抽样数量，二阶响应面需要(M+1)(M+2)/2个抽样数量，其中M为设计变量数量。
6.根据权利要求1所述的一种铆接结构的轻量化方法，其特征在于：所述S3为多学科优化的方案在铆接结构的近似模型上计算得出，将近似模型得出的最优方案在实际铆接结构方案中进行验证，验证的性能为S1中的定义的相关结构性能，多学科优化设计是在S2中近似模型曲面上寻优，寻优的方使用遗传算法NSGA-II或粒子群算法求解计算。
CN202011639343.4A 2020-12-31 2020-12-31 一种铆接结构的轻量化方法 Active CN112711813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011639343.4A CN112711813B (zh) 2020-12-31 2020-12-31 一种铆接结构的轻量化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011639343.4A CN112711813B (zh) 2020-12-31 2020-12-31 一种铆接结构的轻量化方法

Publications (2)

Publication Number Publication Date
CN112711813A true CN112711813A (zh) 2021-04-27
CN112711813B CN112711813B (zh) 2023-04-07

Family

ID=75547938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011639343.4A Active CN112711813B (zh) 2020-12-31 2020-12-31 一种铆接结构的轻量化方法

Country Status (1)

Country Link
CN (1) CN112711813B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591234A (zh) * 2021-06-16 2021-11-02 长三角先进材料研究院 一种基于机器学习的自冲孔铆接工艺仿真模型参数分析与校核的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5729463A (en) * 1995-09-01 1998-03-17 Ulsab Trust Designing and producing lightweight automobile bodies
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
CN109063389A (zh) * 2018-09-28 2018-12-21 重庆长安汽车股份有限公司 一种基于多性能约束的汽车结构轻量化正向设计方法及系统
CN109933836A (zh) * 2019-01-03 2019-06-25 重庆长安汽车股份有限公司 一种基于车身性能约束的白车身焊点优化布置方法
CN111125946A (zh) * 2019-12-02 2020-05-08 重庆长安汽车股份有限公司 一种基于mdo技术的上车体结构优化方法
CN111931285A (zh) * 2020-06-29 2020-11-13 中国汽车技术研究中心有限公司 一种基于多学科多目标优化的车辆轻量化正向设计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5729463A (en) * 1995-09-01 1998-03-17 Ulsab Trust Designing and producing lightweight automobile bodies
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
CN109063389A (zh) * 2018-09-28 2018-12-21 重庆长安汽车股份有限公司 一种基于多性能约束的汽车结构轻量化正向设计方法及系统
CN109933836A (zh) * 2019-01-03 2019-06-25 重庆长安汽车股份有限公司 一种基于车身性能约束的白车身焊点优化布置方法
CN111125946A (zh) * 2019-12-02 2020-05-08 重庆长安汽车股份有限公司 一种基于mdo技术的上车体结构优化方法
CN111931285A (zh) * 2020-06-29 2020-11-13 中国汽车技术研究中心有限公司 一种基于多学科多目标优化的车辆轻量化正向设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张勇等: "基于可靠性的多学科设计优化在薄壁梁轻量化设计中的应用研究", 《中国机械工程》 *
胡启国等: "车身薄壁结构声学性能优化设计", 《现代制造工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591234A (zh) * 2021-06-16 2021-11-02 长三角先进材料研究院 一种基于机器学习的自冲孔铆接工艺仿真模型参数分析与校核的方法
CN113591234B (zh) * 2021-06-16 2024-06-11 长三角先进材料研究院 一种基于机器学习的自冲孔铆接工艺仿真模型参数分析与校核的方法

Also Published As

Publication number Publication date
CN112711813B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN111125946B (zh) 一种基于mdo技术的上车体结构优化方法
CN106650016A (zh) 基于粒子群算法的车身侧围结构多工况协同优化实现方法
US7158922B2 (en) System and method for prediction of panel performance under localized loading conditions
CN111475977B (zh) 一种基于碰撞性能优化的汽车白车身轻量化设计方法
Wang et al. Structure-material-performance integration lightweight optimisation design for frontal bumper system
CN109117532B (zh) 汽车轻量化优化方法
CN101436219A (zh) 一种基于层次分解的汽车产品开发系统优化方法
CN112711813B (zh) 一种铆接结构的轻量化方法
CN112464382B (zh) 汽车仪表板横梁尺寸优化设计方法
CN115795678A (zh) 一种用于车身结构概念设计的参数优化方法和存储介质
Li et al. Lightweight Design of Commercial Vehicle Cab Based on Fatigue Durability.
Bhise et al. Development of a parametric model for advanced vehicle design
Hou et al. Development of an intelligent CAE system for auto-body concept design
CN116070337A (zh) 一种汽车上车体模块化设计实现方法
Bennett et al. A multidisciplinary framework for preliminary vehicle analysis and design
CN112163268A (zh) 一种基于模态应变能叠加的车身板件阻尼片布置方法
Sharma et al. Multidisciplinary design optimization of automobile tail door
CN114647897B (zh) 一种基于层次熵-灰色关联法的驾驶室结构优化方法
Ki et al. Development of knowledge based body structure concept design model
Haldankar et al. Finite element analysis and optimization of commercial bus body structure
Butkunas Analysis of vehicle structures
JP2023177590A (ja) 構造体の設計支援方法及び設計支援システム
Shi et al. MDO-based platform development for attributes inegration and application on vehicle body design
Geng Computer Modeling: The Future of the Car Industry
Bhosale et al. Systematic Approach for Structural Optimization of Automotive Systems

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