CN113946911B - 一种基于灰色关联分析法的驾驶室结构优化方法 - Google Patents
一种基于灰色关联分析法的驾驶室结构优化方法 Download PDFInfo
- Publication number
- CN113946911B CN113946911B CN202111212088.XA CN202111212088A CN113946911B CN 113946911 B CN113946911 B CN 113946911B CN 202111212088 A CN202111212088 A CN 202111212088A CN 113946911 B CN113946911 B CN 113946911B
- Authority
- CN
- China
- Prior art keywords
- cab
- value
- index
- mode frequency
- analysis
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 238000010219 correlation analysis Methods 0.000 title claims abstract description 20
- 238000005452 bending Methods 0.000 claims abstract description 36
- 238000013461 design Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 230000035945 sensitivity Effects 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 16
- 238000010206 sensitivity analysis Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 239000000725 suspension Substances 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 241001669679 Eleotris Species 0.000 claims description 4
- 230000000712 assembly Effects 0.000 claims description 4
- 238000000429 assembly Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 230000002146 bilateral effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 239000002184 metal Substances 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 239000013598 vector Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000013401 experimental design Methods 0.000 abstract 1
- 238000004088 simulation Methods 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
Abstract
本发明公开了一种基于灰色关联分析法的驾驶室结构优化方法,该方法首先在SFE‑Concept中建立驾驶室隐式参数化模型,利用OptiStruct求解器对驾驶室模型质量、扭转刚度、弯曲刚度、一阶扭转模态频率、一阶弯曲模态频率进行分析;其次结合HyperMesh重新划分驾驶室结构,以弹性模量为设计变量进行驾驶室结构灵敏度分析;然后采用灰色关联分析法在试验设计之前筛选出厚度、截面变量;最后构建径向基‑响应面混合近似模型,利用序列二次规划算法进行驾驶室结构优化。该方法能解决驾驶室结构优化时间长、变量筛选客观性差的问题。经过仿真,在弯扭刚度、一阶扭转模态频率基本不变的条件下,驾驶室质量下降24.5kg,减轻了8.0%,一阶弯曲模态频率提升了13.9%,驾驶室结构优化效果较佳。
Description
技术领域
本发明涉及商用车驾驶室结构优化技术领域,具体是一种基于灰色关联分析法的驾驶室结构优化方法。
背景技术
车身轻量化能达到节能减排的目的,目前专家学者主要从结构、工艺、材料三个方面进行车身轻量化优化,考虑到优化成本、经济效益等因素,“结构优化”为现阶段车身轻量化的主要方式。
目前车身结构优化的相关研究主要以下存在三个问题:1)试验设计运行时间较长。大多数研究采用试验设计的方式进行灵敏度分析以找出关键优化变量,但该方法需要录制模型中所有可能的设计变量,变量录制时间长、试验设计运行时间长;2)在概念设计阶段不能给予结构工程师充分的参考数据。相关研究一般只通过调整零件厚度大小、截面形状尺寸进行灵敏度分析,以该方式进行灵敏度分析只能分析单个零部件对于性能的影响,无法找到对性能影响较大的区域。3)变量筛选方式人为因素大、主观因素强。工程实践中变量筛选方式主要有直接灵敏度分析、相对灵敏度分析两种。前者能够排除一些对目标影响很小的优化变量,但排除数量有限;后者在前者的基础上进一步排除对目标影响较小的优化变量,能够在一定程度上提升优化效率,但该方式的筛选原理与前者无异,并未从根本上实现转变。两种变量筛选方式人为因素大、主观性强。
为了解决上述问题,需进一步研究结构灵敏度分析方法以找到对性能影响较大的区域,减少试验设计运行时间、提升优化效率;进一步改进变量筛选方式,找到一种人为因素少、客观性强的方法。
发明内容
本发明的目的在于克服现有技术的不足,而提供一种基于灰色关联分析法的驾驶室结构优化方法。
实现本发明目的的技术方案是:
一种基于灰色关联分析法的驾驶室结构优化方法,包括如下步骤:
1)利用SFE-Concept软件建立商用车驾驶室隐式参数化模型:将整个驾驶室分为顶盖总成、地板总成、侧围总成、后围总成、前围总成共五个总成,建成各分总成后通过映射连接一起;商用车驾驶室一般为左右对称结构,先建立左侧驾驶室,建成之后镜像生成右侧驾驶室,从而完成整个驾驶室建立;如有不完全对称结构,镜像后进行零件修改、替换即可;
2)基础性能分析:驾驶室基础性能分析内容为质量、扭转刚度、弯曲刚度、一阶扭转模态频率、一阶弯曲模态频率,利用OptiStruct求解器计算出驾驶室基础性能值;
3)模型重构:利用HyperMesh中Organize功能以结构为特征,将各钣金件移至同一组件中,分别以结构名称重新命名该组件,为步骤4)做准备,模型重构时重点关注接头、截面结构,经过上述步骤,得到符合用户需求的驾驶室重构模型;
4)结构灵敏度分析:利用步骤3)构建的驾驶室重构模型,在HyperMesh中定义弹性模量为设计变量,设置质量、扭转刚度、弯曲刚度、一阶扭转模态频率、一阶弯曲模态频率响应,进行驾驶室结构灵敏度分析;根据结构灵敏度分析结果找出对驾驶室性能影响较大的结构,按照用户需求选取一定数量的结构,结合工艺、装配需求利用SFE-Concept软件录制厚度、截面变量;
5)灰色关联分析法:通过比较参考序列与比较序列的曲线几何形状确定数据之间的关联程度,曲线几何形状越接近,数据之间的关联度就越大,反之越小;首先,确定比较序列、参考序列;其次,对输入参数进行规范化处理;再次,计算关联系数;最后,计算灰色关联度并排序;经过上述步骤得到变量与目标之间的灰色关联度数值,按照灰色关联度数值大小降序排列,结合用户需求选取一定数量的变量;
6)混合近似模型:利用响应面法以驾驶室质量、扭转刚度、弯曲刚度、一阶扭转模态频率为指标构建响应面近似模型,利用径向基法以驾驶室一阶弯曲模态频率为指标构建径向基模型,之后利用Isight集成优化平台将两种模型拟合为响应面-径向基混合近似模型;
所述的响应面法:是利用多项式函数拟合设计空间,拟合公式为:
公式(1)中:为目标函数;βij为多项式系数;xixj为优化变量,其中βM为βij的其中一项,xM为xixj的其中一项,βij、xixj为泛指,βM、xM为特指;
所述的径向基法:是以待测点与样本点之间的欧几里德距离为自变量,即假设代表一组输入向量,/>是基函数,其中||x-xj,||是欧几里德距离,且0.2≤c≤3;
7)结构优化:利用步骤6)构建的响应面-径向基混合近似模型,以扭转刚度、弯曲刚度、一阶扭转模态频率值、一阶弯曲模态频率值大于等于步骤2)得到的驾驶室基础性能值为约束条件,采用序列二次规划算法以质量最小为优化目标进行驾驶室结构优化;
所述的序列二次规划算法,包括如下步骤:
7-1)给定初始迭代点、收敛精度;
7-2)将原问题在迭代点处简化成二次规划问题;
7-3)求解上述二次规划问题;
7-4)在搜索方向上对原问题目标函数进行约束一维搜索,得到下一个迭代点;
7-5)终止判断:若满足给定精度要求则终止,选出最优解;否则转到步骤7-6);
7-6)修正导数矩阵,转到步骤7-2);
8)对标:结构优化后需重新分析驾驶室基础性能,将分析结果与用户给定标准进行对比;若优化后驾驶室基础性能达到预期要求即可将优化后的驾驶室模型提交至总布置,若无法达到预期要求需返回步骤4)继续进行相关操作,直到满足要求为止;
9)提交至总布置。
步骤2)中,所述的质量、扭转刚度、弯曲刚度、一阶扭转模态频率、一阶弯曲模态频率基础性能分析,具体如下:首先,利用HypeMesh中Mass Calculate功能计算出驾驶室模型质量;其次,在HyperMesh中添加模态分析卡片—EIGRA卡片,同时设置模态分析频率范围为1-50Hz,利用OptiStruct求解器计算出一阶扭转模态频率、一阶弯曲模态频率值;分析扭转刚度时,约束驾驶室左右后悬,在左右前悬加载两个大小相同、方向相反的力,扭转刚度计算公式如下:
公式(2)中:T为施加的扭矩;D1、D2分别为左右加载点的Z向位移(方向参照图2);θ为D2与D1位移差值与水平方向的反正切值;L为左右加载点的距离;
分析弯曲刚度时,约束驾驶室左右前后悬,在左右座椅以及卧铺处加载力,弯曲刚度计算公式如下:
公式(3)中:F前座椅为前座椅总加载力,F卧铺为卧铺总加载力,D1、D2分别底部左、右纵梁Z向最大位移(方向参照图2);
经过上述分析步骤可得驾驶室基础性能值。
步骤5)中,所述的灰色关联分析法,其筛选变量的步骤如下:
5-1)确定比较序列与参考序列
灰色关联分析法中,每个配置方案的指标值构成一个比较序列,记作:
Xij={xi1,xi2,…xij} (4)
公式(3)中:Xij为比较序列;i为配置方案的个数,i=1,2,…q;j为配置方案的指标数,j=1,2,…,r;
选取各指标的最优值、最劣值、特定值构成比较序列,记作:
X0j={x01,x02,…x0j} (5)
X0j为参考序列;
5-2)规范化处理
进行对比分析前对输入参数进行规范化处理,以消除量纲不同造成的影响,针对不同类型的指标,分别采用极大型指标、极小型指标、特定型指标对数据进行处理;
对于极大型指标:
公式(6)中:x’ij为规范化处理后第i个方案的第j个指标值;x0j为规范化处理前最佳方案的第j个指标值;xij为规范化处理前第i个方案的第j个指标值;为规范化处理前第k个方案的第j个指标最大值;
对于极小型指标:
公式(7)中:为规范化处理前第k个方案的第j个指标最小值;
对于特定型指标:
公式(8)式中:为符合用户期望的第j个指标最佳值;
5-3)计算关联系数,计算公式为:
公式(9)中:ζij为关联系数,ρ为分辨系数,一般取ρ=0.5进行研究,x’ij为规范化处理后第i个方案的第j个指标值;x’0j为规范化处理后的最佳方案的第j个指标值;
5-4)计算灰色关联度并排序,灰色关联度计算公式为:
公式(10)中:rij为灰色关联度,Wj为目标权重;
经过上述步骤可得灰色关联度数值,按照关联度数值大小降序排列,结合按照用户需求选取关联度数值较大的厚度、截面变量作为此次优化的设计变量。
本发明提供的一种基于灰色关联分析法的驾驶室结构优化方法,该方法具有如下优点:
(1)结构灵敏度分析以驾驶室结构为特征进行灵敏度分析,可以找到对驾驶室性能影响最大的区域,能够给予结构工程师充分的参考数据,且该方法结合有限元前处理软件代替试验设计进行灵敏度分析,大大减少了优化时间,提升了优化效率。
(2)灰色关联分析法通过比较参考序列与比较序列的曲线几何形状来确定数据之间的关联程度,曲线几何形状越接近,数据之间的关联度就越大,反之越小。该方法可以将多准则决策问题转换为单准则决策问题,能够很好平衡多个响应对于变量的影响。相较于两种常用的变量筛选方式,该方法减少了人为因素的影响,以一种更客观的方式完成变量筛选。
附图说明
图1为驾驶室结构优化流程框图;
图2为商用车驾驶室隐式参数化模型示意图;
图3为商用车驾驶室隐式参数化模型重构示意图;
图4为商用车驾驶室结构灵敏度分析结果示意图;
图5为灰色关联度分析结果示意图。
具体实施方式
下面结合附图和实施例对本发明内容做进一步阐述,但不是对本发明的限定。
实施例:
采用上述技术方案对某商用汽车驾驶室进行优化处理,以某商用车驾驶室为例。
(1)利用SFE-Concept软件建立商用车驾驶室隐式参数化模型如图2所示;
(2)利用Optistruct求解器完成质量、扭转刚度、弯曲刚度、一阶扭转模态频率、一阶弯曲模态频率分析,基础性能值如表1所示;
表1驾驶室基础性能值
(3)利用HyperMesh重新划分驾驶室模型,如图3所示;
(4)以弹性模量为设计变量进行驾驶室结构灵敏度分析,分析结果如图4所示。以该方式进行灵敏度分析共需10h,相较以试验设计进行灵敏度分析的方式,运行时间缩短了50%;
(5)利用灰色关联分析法计算出变量与目标之间的灰色关联度,按照灰色关联度数值大小降序排列,结合用户需求筛选出符合问题特性的优化变量,灰色关联度结果如图5所示;
(6)构建响应面-径向基混合近似模型,混合近似模型拟合精度如表2所示;
表2混合近似模型拟合精度
(7)采用序列二次规划算法对驾驶室进行结构优化,优化结果如表3所示。
表3驾驶室优化前后基础性能值
优化结果表明:商用车驾驶室质量降低24.5kg,减轻了8.0%,一阶扭转模态频率提升了1.0%,一阶弯曲模态频率提升了13.9%,扭转刚度提升了0.5%,弯曲刚度提升了0.2%。在一阶扭转模态频率、弯扭刚度基本不变的条件下,驾驶室质量减轻了8.0%,一阶弯曲模态频率提升了13.9%,各项性能变化满足实际需求,驾驶室结构优化效果较佳。
Claims (3)
1.一种基于灰色关联分析法的驾驶室结构优化方法,其特征在于,包括如下步骤:
1)利用SFE-Concept软件建立商用车驾驶室隐式参数化模型:将整个驾驶室分为顶盖总成、地板总成、侧围总成、后围总成、前围总成共五个总成,建成各分总成后通过映射连接一起;商用车驾驶室一般为左右对称结构,先建立左侧驾驶室,建成之后镜像生成右侧驾驶室,从而完成整个驾驶室建立;
2)基础性能分析:驾驶室基础性能分析内容为质量、扭转刚度、弯曲刚度、一阶扭转模态频率、一阶弯曲模态频率,利用OptiStruct求解器计算出驾驶室基础性能值;
3)模型重构:利用HyperMesh中Organize功能以结构为特征,将各钣金件移至同一组件中,分别以结构名称重新命名该组件,为步骤4)做准备,模型重构时重点关注接头、截面结构,经过上述步骤,得到符合用户需求的驾驶室重构模型;
4)结构灵敏度分析:利用步骤3)构建的驾驶室重构模型,在HyperMesh中定义弹性模量为设计变量,设置质量、扭转刚度、弯曲刚度、一阶扭转模态频率、一阶弯曲模态频率响应,进行驾驶室结构灵敏度分析;根据结构灵敏度分析结果找出对驾驶室性能影响较大的结构,按照用户需求选取一定数量的结构,结合工艺、装配需求利用SFE-Concept软件录制厚度、截面变量;
5)灰色关联分析法:通过比较参考序列与比较序列的曲线几何形状确定数据之间的关联程度,曲线几何形状越接近,数据之间的关联度就越大,反之越小;首先,确定比较序列、参考序列;其次,对输入参数进行规范化处理;再次,计算关联系数;最后,计算灰色关联度并排序;经过上述步骤得到变量与目标之间的灰色关联度数值,按照灰色关联度数值大小降序排列,结合用户需求选取一定数量的变量;
6)混合近似模型:利用响应面法以驾驶室质量、扭转刚度、弯曲刚度、一阶扭转模态频率为指标构建响应面近似模型,利用径向基法以驾驶室一阶弯曲模态频率为指标构建径向基模型,之后利用Isight集成优化平台将两种模型拟合为响应面-径向基混合近似模型;
所述的响应面法:是利用多项式函数拟合设计空间,拟合公式为:
公式(1)中:为目标函数;βij为多项式系数;xixj为优化变量;
所述的径向基法:是以待测点与样本点之间的欧几里德距离为自变量,即假设代表一组输入向量,/>是基函数,其中||x-xj,||是欧几里德距离,且0.2≤c≤3;
7)结构优化:利用步骤6)构建的响应面-径向基混合近似模型,以扭转刚度、弯曲刚度、一阶扭转模态频率值、一阶弯曲模态频率值大于等于步骤2)得到的驾驶室基础性能值为约束条件,采用序列二次规划算法以质量最小为优化目标进行驾驶室结构优化;
所述的序列二次规划算法,包括如下步骤:
7-1)给定初始迭代点、收敛精度;
7-2)将原问题在迭代点处简化成二次规划问题;
7-3)求解上述二次规划问题;
7-4)在搜索方向上对原问题目标函数进行约束一维搜索,得到下一个迭代点;
7-5)终止判断:若满足给定精度要求则终止,选出最优解;否则转到步骤7-6);
7-6)修正导数矩阵,转到步骤7-2);
8)对标:结构优化后需重新分析驾驶室基础性能,将分析结果与用户给定标准进行对比;若优化后驾驶室基础性能达到预期要求即可将优化后的驾驶室模型提交至总布置,若无法达到预期要求需返回步骤4)继续进行相关操作,直到满足要求为止;
9)提交至总布置。
2.根据权利要求1所述的一种基于灰色关联分析法的驾驶室结构优化方法,其特征在于,步骤2)中,所述的质量、扭转刚度、弯曲刚度、一阶扭转模态频率、一阶弯曲模态频率基础性能分析,具体如下:首先,利用HypeMesh中Mass Calculate功能计算出驾驶室模型质量;其次,在HyperMesh中添加模态分析卡片—EIGRA卡片,同时设置模态分析频率范围为1-50Hz,利用OptiStruct求解器计算出一阶扭转模态频率、一阶弯曲模态频率值;分析扭转刚度时,约束驾驶室左右后悬,在左右前悬加载两个大小相同、方向相反的力,扭转刚度计算公式如下:
公式(2)中:T为施加的扭矩;D1、D2分别为左右加载点的Z向位移;θ为D2与D1位移差值与水平方向的反正切值;L为左右加载点的距离;
分析弯曲刚度时,约束驾驶室左右前后悬,在左右座椅以及卧铺处加载力,弯曲刚度计算公式如下:
公式(3)中:F前座椅为前座椅总加载力,F卧铺为卧铺总加载力,D1、D2分别底部左、右纵梁Z向最大位移;
经过上述分析步骤可得驾驶室基础性能值。
3.根据权利要求1所述的一种基于灰色关联分析法的驾驶室结构优化方法,其特征在于,步骤5)中,所述的灰色关联分析法,其筛选变量的步骤如下:
5-1)确定比较序列与参考序列
灰色关联分析法中,每个配置方案的指标值构成一个比较序列,记作:
Xij={xi1,xi2,…xij} (4)
公式(3)中:Xij为比较序列;i为配置方案的个数,i=1,2,…q;j为配置方案的指标数,j=1,2,…,r;
选取各指标的最优值、最劣值、特定值构成比较序列,记作:
X0j={x01,x02,…x0j} (5)
X0j为参考序列;
5-2)规范化处理
进行对比分析前对输入参数进行规范化处理,以消除量纲不同造成的影响,针对不同类型的指标,分别采用极大型指标、极小型指标、特定型指标对数据进行处理;
对于极大型指标:
公式(6)中:x′ij为规范化处理后第i个方案的第j个指标值;x0j为规范化处理前最佳方案的第j个指标值;xij为规范化处理前第i个方案的第j个指标值;为规范化处理前第k个方案的第j个指标最大值;
对于极小型指标:
公式(7)中:为规范化处理前第k个方案的第j个指标最小值;
对于特定型指标:
公式(8)式中:为符合用户期望的第j个指标最佳值;
5-3)计算关联系数,计算公式为:
公式(9)中:ζij为关联系数,ρ为分辨系数,一般取ρ=0.5进行研究,x'ij为规范化处理后第i个方案的第j个指标值;x'0j为规范化处理后的最佳方案的第j个指标值;
5-4)计算灰色关联度并排序,灰色关联度计算公式为:
公式(10)中:rij为灰色关联度,Wj为目标权重;
经过上述步骤可得灰色关联度数值,按照关联度数值大小降序排列,结合用户需求选取关联度数值较大的厚度、截面变量作为此次优化的设计变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212088.XA CN113946911B (zh) | 2021-10-18 | 2021-10-18 | 一种基于灰色关联分析法的驾驶室结构优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212088.XA CN113946911B (zh) | 2021-10-18 | 2021-10-18 | 一种基于灰色关联分析法的驾驶室结构优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113946911A CN113946911A (zh) | 2022-01-18 |
CN113946911B true CN113946911B (zh) | 2024-03-22 |
Family
ID=79331426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111212088.XA Active CN113946911B (zh) | 2021-10-18 | 2021-10-18 | 一种基于灰色关联分析法的驾驶室结构优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113946911B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114647897B (zh) * | 2022-03-30 | 2024-03-29 | 桂林电子科技大学 | 一种基于层次熵-灰色关联法的驾驶室结构优化方法 |
CN114841037B (zh) * | 2022-05-09 | 2024-04-02 | 桂林电子科技大学 | 一种基于接头灵敏度分析的驾驶室刚度模态优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107953935A (zh) * | 2017-11-24 | 2018-04-24 | 中联重机股份有限公司 | 一种拖拉机 |
CN110210134A (zh) * | 2019-06-04 | 2019-09-06 | 合肥工业大学 | 一种白车身结构优化设计方法及结构优化设计装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1524613A1 (en) * | 2003-10-15 | 2005-04-20 | Rieter Technologies A.G. | Optimising method for vibration damping |
-
2021
- 2021-10-18 CN CN202111212088.XA patent/CN113946911B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107953935A (zh) * | 2017-11-24 | 2018-04-24 | 中联重机股份有限公司 | 一种拖拉机 |
CN110210134A (zh) * | 2019-06-04 | 2019-09-06 | 合肥工业大学 | 一种白车身结构优化设计方法及结构优化设计装置 |
Non-Patent Citations (1)
Title |
---|
基于尺寸灵敏度的驾驶室振动仿真与优化;倪建华;;重庆理工大学学报(自然科学);20150915(09);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113946911A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113946911B (zh) | 一种基于灰色关联分析法的驾驶室结构优化方法 | |
CN108629137B (zh) | 一种机械结构件结构参数优化设计方法 | |
CN110781558B (zh) | 基于疲劳和侧倾性能的汽车稳定杆多学科优化设计方法 | |
CN109117532B (zh) | 汽车轻量化优化方法 | |
CN110990944B (zh) | 基于权重比计算的车架多目标拓扑优化方法 | |
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 | |
CN111931285A (zh) | 一种基于多学科多目标优化的车辆轻量化正向设计方法 | |
CN101436219A (zh) | 一种基于层次分解的汽车产品开发系统优化方法 | |
CN114329788B (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 | |
CN113591230B (zh) | 一种基于梁截面的商用车驾驶室多目标优化方法 | |
CN110852000A (zh) | 一种车身结构优化方法 | |
Wang et al. | An adaptive RBF neural network–based multi-objective optimization method for lightweight and crashworthiness design of cab floor rails using fuzzy subtractive clustering algorithm | |
Salmani et al. | Multi-objective optimization of vehicle floor panel with a laminated structure based on V-shape development model and Taguchi-based grey relational analysis | |
CN112257189B (zh) | 一种客车骨架轻量化的多学科优化方法 | |
CN111737908B (zh) | 一种基于动载荷静力等效的蒙皮桁条结构快速动态优化设计方法 | |
CN110532701B (zh) | 一种基于平台化白车身下车体灵敏度分析方法 | |
Aulig et al. | Preference-based topology optimization of body-in-white structures for crash and static loads | |
CN111291446A (zh) | 基于前悬颤振和怠速振动的悬置系统多学科优化设计方法 | |
Korta et al. | Multi-objective optimization of a car body structure | |
CN113919080A (zh) | 一种基于机器学习的汽车发动机罩力学性能快速评估方法 | |
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 | |
CN113505929B (zh) | 基于嵌入物理约束深度学习技术的拓扑最优结构预测方法 | |
CN115544746A (zh) | 一种多属性目标驱动的铝制副车架优化设计方法及系统 | |
CN114647897B (zh) | 一种基于层次熵-灰色关联法的驾驶室结构优化方法 | |
CN114841037B (zh) | 一种基于接头灵敏度分析的驾驶室刚度模态优化方法 |
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 |