CN113312827A - 一种汽车骨架多目标优化方法 - Google Patents

一种汽车骨架多目标优化方法 Download PDF

Info

Publication number
CN113312827A
CN113312827A CN202110733616.XA CN202110733616A CN113312827A CN 113312827 A CN113312827 A CN 113312827A CN 202110733616 A CN202110733616 A CN 202110733616A CN 113312827 A CN113312827 A CN 113312827A
Authority
CN
China
Prior art keywords
framework
rollover
acceleration
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.)
Pending
Application number
CN202110733616.XA
Other languages
English (en)
Inventor
吴胜军
袁威
张慧玲
孟航宇
张宗宏
梁治千
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.)
Hubei University of Automotive Technology
Original Assignee
Hubei University of Automotive Technology
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 Hubei University of Automotive Technology filed Critical Hubei University of Automotive Technology
Priority to CN202110733616.XA priority Critical patent/CN113312827A/zh
Publication of CN113312827A publication Critical patent/CN113312827A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Body Structure For Vehicles (AREA)

Abstract

本发明涉及一种基于Hyperstudy平台的汽车骨架多目标优化方法，克服了客车骨架100%正面碰撞与侧翻优化方面的不足。确定了基于CAE技术和有限元方法对客车骨架进行100%正面碰撞与侧翻，以骨架的板厚为设计变量，以正面碰撞驾驶员处加速度、优化后侧翻质心加速度、整车正面碰撞吸能为优化约束，以立柱变形最大值、整车质量，侧翻侵入量为目标相应。基于Hyperstudy集成平台采用最优拉丁超立方法对各个设计变量进行实验设计，以此建立近似模型，再采用多目标优化算法对骨架的板厚进行优化，最终获得最优的设计参数，为骨架综合性能和轻量化设计提供了可靠的分析方法，从而有效地提高了产品开发效率。

Description

一种汽车骨架多目标优化方法
技术领域
本发明涉及计算机辅助工程(CAE)技术和有限元方法技术领域，尤其涉及一种汽车骨架多目标优化方法。
背景技术
实现车身轻量化优化设计的方法主要有两种：一是对白车身的结构形状进行优化；二是使用新型轻质材料，如铝合金、碳纤维等。当前，针对白车身的结构形状优化主要基于弯曲刚度、扭转刚度、模态等的单一线性工况或综合线性工况进行，针对碰撞等非线性工况进行的优化计算方法十分稀少，目前针对碰撞等非线性工况进行的优化计算方法注意针对的是单一类型的正面碰撞或者侧翻，对于两者的综合考虑的计算方法更加稀少。
发明内容
本发明针对现有技术中存在的问题，提出了一种汽车骨架多目标优化方法。所述方法为骨架综合性能和轻量化设计提供了可靠分析，从而有效地提高了产品开发效率。
本发明是通过如下技术方案实现的：
提供一种汽车骨架多目标优化方法，包括以下步骤：
S1.基于CAE技术和有限元方法建立用于优化分析的汽车车架有限元模型；
S2.对客车骨架有限元模型进行基础性能分析，分别为100%碰撞仿真与侧翻仿真，在客车骨架有限元模型前部2mm处建立刚性墙，车上的电池、乘员、玻璃、发动机等载荷都以质量点的形式施加；
S3.以功能、厚度、形状特点为分组原则，将客车的外框骨架、车架、地板骨架分为若干组；正面碰撞模型的分组与侧翻仿真模型的分组保持一致，作为接下来做联合优化的变量；
S4.将前面仿真得到的正面碰撞驾驶员处加速度、侧翻质心加速度、整车正面碰撞吸能、侧翻侵入量、立柱变形最大值和整车质量作为优化响应，S3中分组变量的厚度作为优化变量；
S5.采用最优拉丁超立方法对各个设计变量进行实验设计，得到拉丁超立方试验设计样本分布；
S6.首先用最优拉丁超立方法做初步的DOE试验数据，根据hyperstudy软件的线性主效应图方法筛选出对响应影响较大的变量，将不同响应筛选出的变量做并集，作为接下来优化的最终变量；
S7.再用最优拉丁超立方法，针对最值优化变量做完整的DOE试验设计；
S8.之后对DOE数据建立近似模型；
S9.建立优化数学模型；
S10.采用Global Response Search Method（GRSM）算法进行最终优化。
作为优选，步骤S1中，单元尺寸设置为10mm，整车共设置639298个单元，496238个节点，整车共使用了两种材料Q235结构钢和Q345结构钢。
作为优选，步骤S2中的100%碰撞仿真与侧翻仿真分析中的速度为50 km/h。
作为优选，步骤S3中的客车的外框骨架、车架、地板骨架共分为34组组，对应的S4中的优化变量为34个。
作为优选，步骤S8具体包括：正面碰撞驾驶员处加速度、侧翻质心加速度与整车正面碰撞吸能用Moving Least squares（MLS）近似模型方法进行拟合、侧翻侵入量用HyperKriging方法进行拟合，整车质量用Least squares Regressi on（LSR）方法进行拟合，通过决定系数R2检验RBF模型的精度，即
Figure 100002_DEST_PATH_IMAGE001
式中
Figure DEST_PATH_IMAGE002
是响应样本点的均值，
Figure 100002_DEST_PATH_IMAGE003
是近似模型在第i个样本点的响应值；
决定系数R2的取值范围为[0,1]，值越趋近于1代表近似模型与原模型误差越小。
作为优选，步骤S9中的数学模型为：
minS(x) minM(x)minW(x)
G(x)≤G0(x)
U(x)≥U0(x)
Z(x)≤Z0(x)
式中x为设计变量，x=[x1,x2,x3……xn]，S(x)为立柱变形最大值，M(x)为整车质量,W(x)为侧翻侵入量；G(x)为正面碰撞驾驶员处加速度，U(x)为侧翻质心加速度，Z(x)为整车正面碰撞吸能；G0(x)、U0(x)、Z0(x)分别为正面碰撞驾驶员处加速度、侧翻质心加速度、整车正面碰撞吸能的初始值。
本发明的有益效果：本发明克服了客车骨架100%正面碰撞与侧翻优化方面的不足，提供了一种基于Hyperstudy平台的汽车骨架多目标优化方法。确定了基于CAE技术和有限元方法对客车骨架进行100%正面碰撞与侧翻，以骨架的板厚为设计变量，以正面碰撞驾驶员处加速度、优化后侧翻质心加速度、整车正面碰撞吸能为优化约束，以立柱变形最大值、整车质量，侧翻侵入量为目标相应。基于Hyperstudy集成平台采用最优拉丁超立方法对各个设计变量进行实验设计，以此建立近似模型，再采用多目标优化算法对骨架的板厚进行优化，最终获得最优的设计参数，为骨架综合性能和轻量化设计提供了可靠的分析方法，从而有效地提高了产品开发效率。
附图说明
图1为本发明客车侧翻的有限元模型图；
图2为本发明客车正面碰撞的有限元模型图；
图3是本发明的客车的外框骨架的分组示意图；
图4是本发明的客车的车架的分组示意图；
图5是本发明的客车的底板骨架的分组示意图
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。
以下结合实例，描述一种混合动力客车骨架的轻量化设计方法，具体实施步骤为：
S1.基于CAE技术和有限元方法建立用于优化分析的汽车车架有限元模型，单元尺寸设置为10mm，整车共设置639298个单元，496238个节点。整车共使用了两种材料，材料属性如表1所示；
Figure DEST_PATH_IMAGE004
。
S2.对客车骨架有限元模型进行各基础性能分析，分别为50km/h的100%碰撞仿真与侧翻仿真，在客车骨架有限元模型前部2mm处建立刚性墙，车上的电池、乘员、玻璃、发动机等载荷都以质量点的形式施加，如图1-2所示，不同深浅区分以不同分组。
S3.为了提高优化计算效率，将客车的外框骨架、车架、地板骨架以功能、厚度、形状等特点共分为34组，如图3-5所示，正面碰撞模型的分组与侧翻仿真模型的分组保持一致，作为接下来做联合优化的变量。
S4.将前面仿真得到的正面碰撞驾驶员处加速度、侧翻质心加速度、整车正面碰撞吸能、侧翻侵入量、立柱变形最大值和整车质量作为优化响应，34组变量的厚度作为优化变量。
S5.采用最优拉丁超立方法对各个设计变量进行实验设计，得到拉丁超立方试验设计样本分布。
S6.首先用最优拉丁超立方法做初步DOE试验数据，根据hyperstudy软件的线性主效应图方法筛选出对响应影响较大的变量，将不同响应筛选出的变量做并集，作为接下来优化的最终变量，如表2所示。
表2筛选后的变量
Figure DEST_PATH_IMAGE005
S7.再用最优拉丁超立方法，针对最值优化变量做完整的DOE试验设计；
S8.之后对DOE数据建立近似模型，正面碰撞驾驶员处加速度、侧翻质心加速度与整车正面碰撞吸能用Moving Least squares（MLS）近似模型方法进行拟合、侧翻侵入量用HyperKriging方法进行拟合，整车质量用Least squares Regressi on（LSR）方法进行拟合，通过决定系数R2检验RBF模型的精度，即
Figure 997036DEST_PATH_IMAGE001
式中
Figure DEST_PATH_IMAGE006
是响应样本点的均值，
Figure 334083DEST_PATH_IMAGE007
是近似模型在第i个样本点的响应值；
决定系数R2的取值范围为[0,1]，值越趋近于1代表近似模型与原模型误差越小；得到的各个系统响应决定系数如表3所示,
表3近似模型误差分析
Figure DEST_PATH_IMAGE008
。
S9.建立优化数学模型：
minS(x) minM(x)minW(x)
G(x)≤G0(x)
U(x)≥U0(x)
Z(x)≤Z0(x)
式中x为设计变量，x=[x1,x2,x3……xn]，S(x)为立柱变形最大值，M(x)为整车质量,W(x)为侧翻侵入量；G(x)为正面碰撞驾驶员处加速度，U(x)为侧翻质心加速度，Z(x)为整车正面碰撞吸能；G0(x)、U0(x)、Z0(x)分别为正面碰撞驾驶员处加速度、侧翻质心加速度、整车正面碰撞吸能的初始值。
S10.采用Global Response Search Method（GRSM）算法进行最终优化。最后将优化后的变量数值圆整化后重新导入有限元模型，与优化前立柱变形最大值、正面碰撞驾驶员处加速度、侧翻质心加速度、整车吸能及侧翻侵入量相比较，判断优化效果。
最终优化结果如表4所示：
表4优化结果
Figure 520345DEST_PATH_IMAGE009
。
当然，上述说明也并不仅限于上述举例，本发明未经描述的技术特征可以通过或采用现有技术实现，在此不再赘述；以上实施例仅用于说明本发明的技术方案并非是对本发明的限制，参照优选的实施方式对本发明进行了详细说明，本领域的普通技术人员应当理解，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换都不脱离本发明的宗旨，也应属于本发明的权利要求保护范围。

Claims (6)

1.一种汽车骨架多目标优化方法，其特征在于：包括以下步骤：
S1.基于CAE技术和有限元方法建立用于优化分析的汽车车架有限元模型；
S2.对客车骨架有限元模型进行基础性能分析，分别为100%碰撞仿真与侧翻仿真，在客车骨架有限元模型前部2mm处建立刚性墙，车上的电池、乘员、玻璃、发动机等载荷都以质量点的形式施加；
S3.以功能、厚度、形状特点为分组原则，将客车的外框骨架、车架、地板骨架分为若干组；正面碰撞模型的分组与侧翻仿真模型的分组保持一致，作为接下来做联合优化的变量；
S4.将前面仿真得到的正面碰撞驾驶员处加速度、侧翻质心加速度、整车正面碰撞吸能、侧翻侵入量、立柱变形最大值和整车质量作为优化响应，S3中分组变量的厚度作为优化变量；
S5.采用最优拉丁超立方法对各个设计变量进行实验设计，得到拉丁超立方试验设计样本分布；
S6.首先用最优拉丁超立方法做初步的DOE试验数据，根据hyperstudy软件的线性主效应图方法筛选出对响应影响较大的变量，将不同响应筛选出的变量做并集，作为接下来优化的最终变量；
S7.再用最优拉丁超立方法，针对最值优化变量做完整的DOE试验设计；
S8.之后对DOE数据建立近似模型；
S9.建立优化数学模型；
S10.采用Global Response Search Method（GRSM）算法进行最终优化。
2.根据权利要求1所述的汽车骨架多目标优化方法，其特征在于：步骤S1中，单元尺寸设置为10mm，整车共设置639298个单元，496238个节点，整车共使用了两种材料Q235结构钢和Q345结构钢。
3.根据权利要求1所述的汽车骨架多目标优化方法，其特征在于：步骤S2中的100%碰撞仿真与侧翻仿真分析中的速度为50 km/h。
4.根据权利要求1所述的汽车骨架多目标优化方法，其特征在于：步骤S3中的客车的外框骨架、车架、地板骨架共分为34组，对应的S4中的优化变量为34个。
5.根据权利要求1所述的汽车骨架多目标优化方法，其特征在于：步骤S8具体步骤如下：正面碰撞驾驶员处加速度、侧翻质心加速度与整车正面碰撞吸能用Moving Leastsquares（MLS）近似模型方法进行拟合、侧翻侵入量用HyperKriging方法进行拟合，整车质量用Least squares Regressi on（LSR）方法进行拟合，通过决定系数R2检验RBF模型的精度，即
Figure DEST_PATH_IMAGE001
式中
Figure 309597DEST_PATH_IMAGE002
是响应样本点的均值，
Figure DEST_PATH_IMAGE003
是近似模型在第i个样本点的响应值；决定系数R2的取值范围为[0,1]，值越趋近于1代表近似模型与原模型误差越小。
6.根据权利要求1所述的汽车骨架多目标优化方法，其特征在于：步骤S9中的数学模型为：
minS(x) minM(x)minW(x)
G(x)≤G0(x)
U(x)≥U0(x)
Z(x)≤Z0(x)
式中x为设计变量，x=[x1,x2,x3……xn]，S(x)为立柱变形最大值，M(x)为整车质量,W(x)为侧翻侵入量；G(x)为正面碰撞驾驶员处加速度，U(x)为侧翻质心加速度，Z(x)为整车正面碰撞吸能；G0(x)、U0(x)、Z0(x)分别为正面碰撞驾驶员处加速度、侧翻质心加速度、整车正面碰撞吸能的初始值。
CN202110733616.XA 2021-06-30 2021-06-30 一种汽车骨架多目标优化方法 Pending CN113312827A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110733616.XA CN113312827A (zh) 2021-06-30 2021-06-30 一种汽车骨架多目标优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110733616.XA CN113312827A (zh) 2021-06-30 2021-06-30 一种汽车骨架多目标优化方法

Publications (1)

Publication Number Publication Date
CN113312827A true CN113312827A (zh) 2021-08-27

Family

ID=77381034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110733616.XA Pending CN113312827A (zh) 2021-06-30 2021-06-30 一种汽车骨架多目标优化方法

Country Status (1)

Country Link
CN (1) CN113312827A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114239149A (zh) * 2021-12-24 2022-03-25 桂林电子科技大学 一种基于碰撞性能优化的商用车驾驶室白车身轻量化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581730A (zh) * 2020-05-18 2020-08-25 江铃汽车股份有限公司 一种基于Hyperstudy集成平台的汽车车架多学科优化方法
CN112257188A (zh) * 2020-11-12 2021-01-22 湖北汽车工业学院 一种混合动力客车骨架的轻量化设计方法
CN112257189A (zh) * 2020-11-12 2021-01-22 湖北汽车工业学院 一种客车骨架轻量化的多学科优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581730A (zh) * 2020-05-18 2020-08-25 江铃汽车股份有限公司 一种基于Hyperstudy集成平台的汽车车架多学科优化方法
CN112257188A (zh) * 2020-11-12 2021-01-22 湖北汽车工业学院 一种混合动力客车骨架的轻量化设计方法
CN112257189A (zh) * 2020-11-12 2021-01-22 湖北汽车工业学院 一种客车骨架轻量化的多学科优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
周会锋等: "《多目标优化设计方法在车身轻量化设计中的应用》", 《机械设计与研究》 *
周莎等: "《基于梯度强度立柱的客车侧翻安全性多目标优化设计》", 《华侨大学学报（自然科学版）》 *
李嫩: "《基于多种碰撞工况的乘用车碰撞仿真及耐撞性能优化的研究》", 《中国优秀博硕士学位论文全文数据库(硕士)》 *
袁威等: "《基于Hyperstudy的混合动力汽车骨架优化设计》", 《湖北汽车工业学院学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114239149A (zh) * 2021-12-24 2022-03-25 桂林电子科技大学 一种基于碰撞性能优化的商用车驾驶室白车身轻量化方法
CN114239149B (zh) * 2021-12-24 2024-03-22 桂林电子科技大学 一种基于碰撞性能优化的商用车驾驶室白车身轻量化方法

Similar Documents

Publication Publication Date Title
WO2020244325A1 (zh) 一种基于相对灵敏度的非承载式白车身轻量化方法
Lan et al. Comparative analysis for bus side structures and lightweight optimization
CN103569236B (zh) 一种汽车车身前部结构的设计方法及其汽车的设计方法
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
Duan et al. Theoretical prediction and crashworthiness optimization of top-hat thin-walled structures under transverse loading
CN107169164A (zh) 考虑碰撞工况的适用于汽车早期设计的简化模型建模方法
CN112257189B (zh) 一种客车骨架轻量化的多学科优化方法
Wu et al. Research on application of electric vehicle collision based on reliability optimization design method
CN116090092A (zh) 一种新能源车辆电池包的安全设计方法及其电池包
Gao et al. Multi–disciplinary optimisation for front auto body based on multiple optimisation methods
CN113312827A (zh) 一种汽车骨架多目标优化方法
Wang et al. Research on lightweight design of automobile collision safety structure based on multiple materials
CN114239149B (zh) 一种基于碰撞性能优化的商用车驾驶室白车身轻量化方法
CN112257188A (zh) 一种混合动力客车骨架的轻量化设计方法
CN114510781A (zh) 一种电动客车骨架的高维多目标优化设计方法
Zhang et al. Multiobjective optimization design for lightweight and crash safety of body-in-white based on entropy weighted grey relational analysis and MNSGA-II
CN112464382B (zh) 汽车仪表板横梁尺寸优化设计方法
Baskin et al. A case study in structural optimization of an automotive body-in-white design
CN108133068B (zh) 一种桁架式无人车辆车体轻量化设计方法
CN117313248A (zh) 一种考虑车身性能和碰撞伤害的车身结构优化方法及系统
CN114896688B (zh) 一种车身结构吸能盒的设计方法
CN114491806A (zh) 一种基于碰撞安全性的商用车驾驶室轻量化优化设计方法
Li et al. Structure–connection–performance integration lightweight optimisation design of multi-material automotive body skeleton
CN113901585A (zh) 一种商用车驾驶室白车身轻量化优化方法
Li et al. Lightweight Design of Commercial Vehicle Cab Based on Fatigue Durability.

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210827

RJ01 Rejection of invention patent application after publication