CN114841037A - 一种基于接头灵敏度分析的驾驶室刚度模态优化方法 - Google Patents

Abstract

本发明公开了一种基于接头灵敏度分析的驾驶室刚度模态优化方法，该方法首先利用SFE‑Concept软件，从驾驶室有限元模型中截取所需接头，并利用有限元分析技术对其进行力学特性分析，找出接头结构的关键控制因素；其次以弹性模量为设计变量进行接头灵敏度分析，确定对驾驶室刚度模态影响较大的接头结构，同时选用第三代遗传算法，对驾驶室进行多目标优化；最后利用TOPSIS算法，从帕累托前沿解中选取更符合实际需求的驾驶室刚度模态优化方案。优化结果表明：在驾驶室质量基本不变的情况下，驾驶室刚度模态均有较大提升。

Description

一种基于接头灵敏度分析的驾驶室刚度模态优化方法

技术领域

本发明涉及商用车驾驶室性能优化技术领域，具体是一种基于接头灵敏度分析的驾驶室刚度模态优化方法。

背景技术

白车身的外形尺寸与整体布置会受到不同因素的制约，改动余地较小，而白车身的接头结构具有较大优化空间，合理设计接头对于提升白车身的刚度模态具有重要作用。

传统接头优化方法主要有以下不足之处：

(1)以白车身接头的截面几何尺寸、钣金件厚度为设计变量，利用HyperMorph、HyperMesh分别进行形状优化、拓扑优化，优化后白车身弯曲刚度有小幅度提升。但是优化目标单一，且接头结构的前处理及变量录制过程较为复杂，优化过程较为繁琐。

(2)通过研究接头对整车基本静-动态性能的影响，找出接头结构的关键控制因素，以接头的钣金件厚度、截面几何尺寸、截面位置为优化变量，利用多学科集成优化平台完成接头结构的优化。但该方法需录制较多优化变量，优化效率较低，且变量筛选方式较为主观。

(3)通过钢化处理白车身的梁与接头结构，找出对白车身性能影响较大的结构，优化后针对不同优化目标提出基于厚度、工艺、综合因素的三种优化方案。但该方法的优化结果筛选方式具有较大主观性，需进一步增强筛选方式的客观性。

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，既能从帕累托前沿中筛选平衡驾驶室多个性能的指标，又能够满足白车身轻量化的要求，最终找到一种客观的评价方法来提升优化效率。

发明内容

本发明的目的在于克服现有技术的不足，而提供一种基于接头灵敏度分析的驾驶室刚度模态优化方法。

实现本发明目的的技术方案是：

一种基于接头灵敏度分析的驾驶室刚度模态优化方法，如图1所示，包括如下步骤：

1)截取驾驶室接头：驾驶室框架主要由梁单元、接头、钣金件组成，其中梁单元、接头的力学特性会极大影响驾驶室的刚度，驾驶室的刚度对商用车整体性能起关键性作用，目前接头截取途径主要是从3D实体模型中截取接头和从有限元模型中截取接头两种。采用从驾驶室有限元模型中截取接头，截取接头时应满足以下原则：尺寸适当、接头结构完整、包含相关承载件与连接件、切割面或线需垂直于接头各分支的轴线；

2)驾驶室接头刚度分析：对商用车驾驶室的接头进行力学特性分析，确定力学特性与接头的关系，分析接头刚度时，分析接头各分支的弯曲刚度、扭转刚度，以此表征接头的力学特性；探究接头结构的控制因素时，通过调整接头的结构参数研究接头刚度的变化；

3)驾驶室接头灵敏度分析：为更好的反应接头对驾驶室刚度模态的影响程度，以弹性模量为设计变量进行接头灵敏度分析，通过调整某个接头弹性模量的参数，计算其对驾驶室刚度模态的灵敏度数值，数值越大影响程度越大，反之越小；

4)多目标优化方案：采用第三代遗传算法，以弯曲刚度、扭转刚度、一阶弯曲模态频率和一阶扭转模态频率最大为优化目标，以质量不高于驾驶室初始质量为约束条件进行多目标优化，第三代遗传算法的优化步骤如下：

4-1)初始化系统参数，输入商用车驾驶室相关性能数据和第三代遗传算法初始参数，设置决策变量上下限，同时初始化产生数量为H的参考点，H≈N为种群数量；

4-2)计算父代种群每个个体适应度，根据相应约束处理规则对种群进行修复；

4-3)交叉、变异操作产生子代种群，并计算子代种群个体适应度值；

4-4)将父代种群和子代种群合并，规模为2N，并对合并种群进行快速非支配排序，得到若干非支配层；

4-5)基于参考点的操作选择较好的N个个体进入下一代种群；

4-6)判断是否达到迭代次数，否则转向步骤4-3)；

5)筛选Pareto解集：在实际工程问题中，决策者需要从非支配解集中选择最优解；采用TOPSIS方法选择最优方案，采用相对接近度来表征4个目标函数的性能值与参考点的距离，首先在空间确定出参考点，包括最优和最劣点，然后计算4个目标函数的性能值与参考点的距离，与最优点越近或与最劣点越远说明被评价目标性能的综合特性越好，最后得到最优解；

6)优化前后对比分析：将优化后的驾驶室刚度和模态性能与用户给定的标准进行对比分析是否达到要求；若未达到要求，重复步骤3)至步骤5)，直至挑选出最后结果。

步骤1)中，驾驶室接头截取，具体操作如下：

对某款商用驾驶室A柱下接头进行截取，利用HyperMesh中Utility功能Geom/Mesh—Box Trim，以拐角切线的交点为中心点，XYZ各向截取250mm，加载接头，即完成接头截取；从该款商用车驾驶室上共截取14个接头进行力学特性分析，对称位置的接头不做分析，优化时进行同时优化。

步骤2)中，驾驶室接头刚度分析，相关操作如下：

对A柱下接头X向分支弯曲刚度工况，建立A柱下接头X向分支弯曲刚度分析工况时，首先在X向分支截面上建立Reb2刚性单元；其次建立刚性指示杆，以Reb2单元的中心点即内端点为起点，向X轴负向延伸100mm；然后建立弯曲刚度分析工况加载步，在中心点处施加大小为100N.mm的Y向、Z向弯矩，并约束其余分支的全部自由度；最后提交至Optistruct求解器进行计算；弯曲刚度计算公式为：

其中：

上述公式(1)和公式(2)中：K为弯曲刚度；M为施加的弯矩；d₁、d₂分别刚性指示杆内外端点Y、Z向移动的距离；α为d₂与d₁位移差值与水平方向的反正切值；L为刚性指示杆长度。

步骤5)中，TOPSIS算法是从帕累托解集中筛选出一个最优方案，其具体步骤如下：

5-1)构造原始数据矩阵

利用第三代遗传算法优化后得到的帕累托前沿解构造原始数据矩阵X，公式如下：

X＝(X_ij)_n×m (3)

式中：i为待评价方案，i＝1,2,…n；j为评价指标，j＝1,2,…m；

5-2)构造决策矩阵

原始数据并非只有一种量纲，为消除量纲不同造成的影响，需对原始数据进行正向化处理。此外，待评价方案的最优值往往有极大型、极小型、中间值、区间值等多种形式。为便于计算，需将评价指标按照不同指标类型进行正向化处理，将原始数据转化为极大型数据，转化后可得到决策矩阵Z，计算公式如下：

Z＝[Z_ij]_n×m (4)

式中：Z_ij为正向化处理后的数据矩阵；

5-3)计算最优解与最劣解

取出每个指标，即每一列中最大的数，构成理想最优解向量；同理，取每一列中最小的数计算理想最劣解向量，公式如下：

Z⁺＝(Z_max1Z_max2...Z_maxm),Z^-＝(Z_min1Z_min2...Z_minm) (5)

式中：Z⁺为理想最优解向量，Z_max为每一列最大的数，Z^-为理想最劣解向量，Z_min为每一列最小的数；

5-4)计算最优、最劣距离

利用余弦法计算对第i个方案Z_i与最优解的欧几里德距离；同理，计算最劣解的欧几里德距离，公式如下：

式中：

为理想最优解向量，

为理想最劣解向量；

5-5)计算接近程度

最后计算待评价方案与最优方案的接近程度C_i，公式如下：

如用户需预设优化目标的权重系数，在步骤5-2)中将权重系数矩阵与决策矩阵相乘可得加权决策矩阵，再进行后续计算即可。

本发明提供的一种基于接头灵敏度分析的驾驶室刚度模态优化方法，该方法主要优点如下：

(1)结构灵敏度分析以驾驶室结构为特征进行灵敏度分析，通过研究接头的力学特性，并进行接头灵敏度分析，可以找到对驾驶室刚度模态影响较大的接头结构，给予结构工程师充分的参考数据。

(2)通过第三代遗传算法可以实现商用车驾驶室4个及其以上多目标的优化，再利用TOPSIS算法，从Pareto解集中筛选一个更符合实际需求的优化方案，在平衡性能指标的基础上，同时可以满足白车身轻量化的要求，优化效果显著。

附图说明

图1为商用车驾驶室接头优化流程图；

图2为驾驶室A柱下接头截取示意图；

图3为驾驶室接头截取位置示意图；

图4为A柱下接头X向分支弯曲刚度工况示意图；

图5为部分评价对象与最优方案的接近程度。

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的阐述，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车驾驶室接头灵敏度进行刚度模态优化分析，以某商用车驾驶室为例，具体过程如下：

(1)利用HyperMesh软件，在驾驶室有限元模型里，以截取A柱下接头示意图为例，如图2所示。

(2)从该款商用车驾驶室上截取14个接头进行力学特性分析，驾驶室接头截取位置示意图，如图3所示。

(3)接头刚度为接头力学特性的关键指标。分析接头刚度时，需分析接头各分支的弯曲刚度、扭转刚度，以A柱下接头X向分支弯曲刚度工况为例，如图5所示。

(4)以增加接头外板的厚度、内板向Y向移动1mm为例，探究厚度、截面几何尺寸对接头刚度的影响程度，调整前后A柱下接头X向分支弯曲刚度值，利用Optistruct求解器，结果如表1所示。

表1A柱下接头X向分支弯曲刚度值

(5)经过接头灵敏度分析，筛选出灵敏度数值较大的6个接头如图4所示，从大到小依次为D-1、D-2、A-3、B-2、C-2、A-2，然后录制6个接头结构中的优化变量，此次设计共录制20个厚度、截面变量作为驾驶室多目标优化数学模型的设计变量。

(6)预先通过仿真验证了驾驶室质量、刚度模态值，保证了模型的精确性，其相关结果如表2所示。

表2驾驶室质量、刚度模态值

(7)优化问题模型表述为以弯曲刚度、扭转刚度、一阶弯曲模态频率和一阶扭转模态频率最大为优化目标，以质量不高于驾驶室初始质量为约束条件进行多目标优化，优化的数学模型为：

式中：m(x),K_t(x),K_b(x),f_b(x),f_t(x)分别表示质量、弯扭刚度以及一阶弯扭模态频率；x_i表示第i个设计变量。

(8)利用第三代遗传算法对四个目标进行优化，共得到481个帕累托前沿解，数量较多，且根据人为主观筛选一个最优解，商用车驾驶室性能指标达不到要求。因此，为了筛选一个更符合决策的结果，结合TOPSIS算法挑选其中40个具有代表性的优化方案(包含最优方案)进行展示，部分评价对象与最优方案的接近程度如图5所示。

(9)经过筛选，方案15与最优方案最接近，即为最终挑选的帕累托解集中的最优解。方案15与原始方案对应的驾驶室质量、弯扭刚度以及一阶弯扭模态值如表3所示。

表3驾驶室质量、刚度模态值

由表3可知：通过第三代遗传算法与TOPSIS算法的共同作用，驾驶室刚度、模态均有提升，其中一阶弯曲模态频率提升了13.4％，一阶扭转模态频率提升了7.1％，提升幅度较大。上述性能提升的同时减轻了驾驶室质量，符合轻量化的理念，优化效果较佳。

Claims (4)

1.一种基于接头灵敏度分析的驾驶室刚度模态优化方法，其特征在于，包括如下步骤：

1)截取驾驶室接头：采用从驾驶室有限元模型中截取接头，截取接头时应满足以下原则：尺寸适当、接头结构完整、包含相关承载件与连接件、切割面或线需垂直于接头各分支的轴线；

2)驾驶室接头刚度分析：对商用车驾驶室的接头进行力学特性分析，确定力学特性与接头的关系，分析接头刚度时，分析接头各分支的弯曲刚度、扭转刚度，以此表征接头的力学特性；探究接头结构的控制因素时，通过调整接头的结构参数研究接头刚度的变化；

3)驾驶室接头灵敏度分析：为更好的反应接头对驾驶室刚度模态的影响程度，以弹性模量为设计变量进行接头灵敏度分析，通过调整某个接头弹性模量的参数，计算其对驾驶室刚度模态的灵敏度数值，数值越大影响程度越大，反之越小；

4)多目标优化方案：采用第三代遗传算法，以弯曲刚度、扭转刚度、一阶弯曲模态频率和一阶扭转模态频率最大为优化目标，以质量不高于驾驶室初始质量为约束条件进行多目标优化，第三代遗传算法的优化步骤如下：

4-1)初始化系统参数，输入商用车驾驶室相关性能数据和第三代遗传算法初始参数，设置决策变量上下限，同时初始化产生数量为H的参考点，H≈N为种群数量；

4-2)计算父代种群每个个体适应度，根据相应约束处理规则对种群进行修复；

4-3)交叉、变异操作产生子代种群，并计算子代种群个体适应度值；

4-4)将父代种群和子代种群合并，规模为2N，并对合并种群进行快速非支配排序，得到若干非支配层；

4-5)基于参考点的操作选择较好的N个个体进入下一代种群；

4-6)判断是否达到迭代次数，否则转向步骤4-3)；

5)筛选Pareto解集：采用TOPSIS方法选择最优方案，采用相对接近度来表征4个目标函数的性能值与参考点的距离，首先在空间确定出参考点，包括最优和最劣点，然后计算4个目标函数的性能值与参考点的距离，与最优点越近或与最劣点越远说明被评价目标性能的综合特性越好，最后得到最优解；

6)优化前后对比分析：将优化后的驾驶室刚度和模态性能与用户给定的标准进行对比分析是否达到要求；若未达到要求，重复步骤3)至步骤5)，直至挑选出最后结果。

2.根据权利要求1所述的一种基于接头灵敏度分析的驾驶室刚度模态优化方法，其特征在于，步骤1)中，驾驶室接头截取，具体操作如下：

对某款商用驾驶室A柱下接头进行截取，利用HyperMesh中Utility功能Geom/Mesh—Box Trim，以拐角切线的交点为中心点，XYZ各向截取250mm，加载接头，即完成接头截取；从该款商用车驾驶室上共截取14个接头进行力学特性分析，对称位置的接头不做分析，优化时进行同时优化。

3.根据权利要求1所述的一种基于接头灵敏度分析的驾驶室刚度模态优化方法，其特征在于，步骤2)中，驾驶室接头刚度分析，相关操作如下：

对A柱下接头X向分支弯曲刚度工况，建立A柱下接头X向分支弯曲刚度分析工况时，首先在X向分支截面上建立Reb2刚性单元；其次建立刚性指示杆，以Reb2单元的中心点即内端点为起点，向X轴负向延伸100mm；然后建立弯曲刚度分析工况加载步，在中心点处施加大小为100N.mm的Y向、Z向弯矩，并约束其余分支的全部自由度；最后提交至Optistruct求解器进行计算；弯曲刚度计算公式为：

其中：

上述公式(1)和公式(2)中：K为弯曲刚度；M为施加的弯矩；d₁、d₂分别刚性指示杆内外端点Y、Z向移动的距离；α为d₂与d₁位移差值与水平方向的反正切值；L为刚性指示杆长度。

4.根据权利要求1所述的一种基于接头灵敏度分析的驾驶室刚度模态优化方法，其特征在于，步骤5)中，TOPSIS算法是从帕累托解集中筛选出一个最优方案，其具体步骤如下：

5-1)构造原始数据矩阵

利用第三代遗传算法优化后得到的帕累托前沿解构造原始数据矩阵X，公式如下：

X＝(X_ij)_n×m (3)

式中：i为待评价方案，i＝1，2，…n，j为评价指标，j＝1，2，…m；

5-2)构造决策矩阵

将评价指标按照不同指标类型进行正向化处理，将原始数据转化为极大型数据，转化后可得到决策矩阵Z，计算公式如下：

Z＝[Z_ij]_n×m (4)

式中：Z_ij为正向化处理后的数据矩阵；

5-3)计算最优解与最劣解

取出每个指标，即每一列中最大的数，构成理想最优解向量；同理，取每一列中最小的数计算理想最劣解向量，公式如下：

Z⁺＝(Z_max1Z_max2...Z_maxm)，Z^-＝(Z_min1Z_min2...Z_minm) (5)

式中：Z⁺为理想最优解向量，Z_max为每一列最大的数，Z^-为理想最劣解向量，Z_min为每一列最小的数；

5-4)计算最优、最劣距离

利用余弦法计算对第i个方案Z_i与最优解的欧几里德距离；同理，计算最劣解的欧几里德距离，公式如下：

式中：

为理想最优解向量，

为理想最劣解向量；

5-5)计算接近程度

最后计算待评价方案与最优方案的接近程度C_i，公式如下：

如用户需预设优化目标的权重系数，在步骤5-2)中将权重系数矩阵与决策矩阵相乘可得加权决策矩阵，再进行后续计算即可。

Images