CN115329457A - 车辆结构确定方法、装置、电子设备及存储介质 - Google Patents

车辆结构确定方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115329457A
CN115329457A CN202210951668.9A CN202210951668A CN115329457A CN 115329457 A CN115329457 A CN 115329457A CN 202210951668 A CN202210951668 A CN 202210951668A CN 115329457 A CN115329457 A CN 115329457A
Authority
CN
China
Prior art keywords
data
section
vehicle
deformation
determining
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
CN202210951668.9A
Other languages
English (en)
Inventor
何洪军
于保君
孙立伟
王宁
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202210951668.9A priority Critical patent/CN115329457A/zh
Publication of CN115329457A publication Critical patent/CN115329457A/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]
    • G06F30/10—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]
    • G06F30/20—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
    • 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)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种车辆结构确定方法、装置、电子设备及存储介质。该方法包括：获取待优化车辆中目标部位所对应的至少一组待处理截面数据；将至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到待优化车辆在各组待处理截面数据下所对应的整车形变数据；从各组整车形变数据中确定全局最优形变数据，并基于全局最优形变数据对应的截面数据，确定目标部位对应的目标结构数据。解决了现有技术中基于人工经验判断与有限元模拟相结合的方法，导致结构优化效率低，可靠性差的问题，实现提高结构优化效率的效率和可靠性，达到提高车辆开发速度的效果。

Description

车辆结构确定方法、装置、电子设备及存储介质
技术领域
本发明涉及计算机处理技术领域，尤其涉及一种车辆结构确定方法、装置、电子设备及存储介质。
背景技术
目前，汽车在上线前，通常需要对车辆模型的力学性能进行反复仿真与校核，在满足结构性能的前提下上线，很好的减轻后续车辆的开发成本。
现今车身结构性能评估通常是通过利用有限元软件进行车辆碰撞实验，进而设计者可以根据模拟出的碰撞结果，结合以往的经验来设计优化结构。
但是由于车身梁结构截面的形状极其复杂，采用这种经验判断与实验模拟相结合的优化结构方法存在优化效率低、可靠性差的问题，后续势必会制约车辆的开发速度，影响车辆的设计周期。
发明内容
本发明提供了一种车辆结构确定方法、装置、电子设备及存储介质，以实现提高车辆结构优化的效率和可靠性，达到提高车辆开发速度的技术效果。
根据本发明的一方面，提供了一种车辆结构确定方法，该方法包括：
获取待优化车辆中目标部位所对应的至少一组待处理截面数据；其中，所述待处理截面数据中包括至少一个位置点信息；
将所述至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到所述待优化车辆在各组待处理截面数据下所对应的整车形变数据；
从各组整车形变数据中确定全局最优形变数据，并基于所述全局最优形变数据对应的截面数据，确定所述目标部位对应的目标结构数据。
根据本发明的另一方面，提供了一种车辆结构确定装置，该装置包括：
待处理截面数据获取模块，用于获取待优化车辆中目标部位所对应的至少一组待处理截面数据；其中，所述待处理截面数据中包括至少一个位置点信息；
整车形变数据确定模块，用于将所述至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到所述待优化车辆在各组待处理截面数据下所对应的整车形变数据；
目标结构数据确定模块，用于从各组整车形变数据中确定全局最优形变数据，并基于所述全局最优形变数据对应的截面数据，确定所述目标部位对应的目标结构数据。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的车辆结构确定方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的车辆结构确定方法。
本发明实施例的技术方案，通过获取待优化车辆中目标部位所对应的至少一组待处理截面数据；将至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到待优化车辆在各组待处理截面数据下所对应的整车形变数据；从各组整车形变数据中确定全局最优形变数据，并基于全局最优形变数据对应的截面数据，确定目标部位对应的目标结构数据，解决了现有技术中基于人工经验判断与有限元模拟相结合的方法，导致结构优化效率低，可靠性差的问题，实现了通过获取目标部位所对应的待处理截面数据，并将待处理截面数据经力学参数确定模型处理，得到待优化车辆在各组待处理截面数据下所对应的整车形变数据，并从各组整车形变数据中进行寻优，得到全局最优形变数据，将全局最优形变数据对应的截面数据作为目标部位对应的目标结构数据，提高结构优化效率的效率和可靠性，达到提高车辆开发速度的技术效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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是根据本发明实施例一提供的一种车辆结构确定方法的流程图；
图2是根据本发明实施例二所提供的后纵梁结构示意图；
图3是根据本发明实施例二所提供的截面形状示意图；
图4是根据本发明实施例二所提供的截面中提取位置的示意图；
图5是根据本发明实施例二所提供的拟合曲线示意图；
图6是根据本发明实施例三提供的一种车辆结构确定装置的结构示意图；
图7是实现本发明实施例的车辆结构确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种车辆结构确定方法的流程图，本实施例可适用于优化车辆结构的情况，该方法可以由车辆结构确定装置来执行，该车辆结构确定装置可以采用硬件和/或软件的形式实现，该车辆结构确定装置可配置于计算设备中。如图1所示，该方法包括：
S110、获取待优化车辆中目标部位所对应的至少一组待处理截面数据。
其中，待优化车辆可以理解为需要被优化车身结构的车辆，目标部位可以为车身变截面梁或者梁局部结构，也可以为车辆任意部位。待处理截面数据中包括至少一个位置点信息，位置点信息中可以包括截面位置信息和形状信息等。
在实际应用中，可以通过提取待优化车辆中目标部位初始时外轮廓上的各个截面位置点的坐标，作为一组初始截面数据，在梁结构的可变范围内，上下调整初始截面数据中截面位置点坐标值，可以获取多组位置点坐标，相应的，可以得到多组截面数据，作为待处理截面数据。
为了提高数据采集的便捷性和准确性，可以构建与目标部位或待优化车辆相对应的有限元模型，从有限元模型中提取目标部位的截面数据。可选的，在获取待优化车辆中目标部位所对应的至少一组待处理截面数据之前，还包括：基于与待优化车辆中目标部位相对应的结构数据，搭建目标部位对应的有限元模型，以使从有限元模型中获取目标部位所对应的至少一组待处理截面数据。
其中，有限元模型可以为与待优化车辆或目标部位相对应的车身壳单元参数化模型，类似于三维实体单元，通过截面性质定义壳的厚度，对整个三维物体进行离散和建立数学描述。
在实际应用中，可以在有限元软件中利用与待优化车辆中目标部位相对应的结构数据，如材料属性、结构属性、载荷大小或分布等，搭建目标部位对应的有限元模型。例如，通过SFEconcept软件，依据待优化车辆的车辆数据、车辆截面数据库、布置等输入条件搭建参数化模型，作为有限元模型，以从有限元模型中获取目标部位所对应的待处理截面数据。
在获取待优化车辆中目标部位所对应的至少一组待处理截面数据过程中，可以从有限元模型中获取与目标部位相对应的至少一条结构轮廓曲线；基于预设位置变化区间，确定各初始位置点所对应的至少一个偏移位置点；基于同一结构轮廓曲线中各初始位置点所对应的偏移位置点，确定至少一组待处理截面数据。
其中，结构轮廓曲线上包括至少一个初始位置点。预设位置变化区间与目标部位相对应，如果目标部位为变截面梁，那么预设位置变化区间为梁结构的可变范围，与变截面梁结构特点相关。
在本实施例中，可以从有限元模型中获取与目标部位相对应的至少一条轮廓线，作为结构轮廓曲线，如，后纵梁内轮廓线，或后纵梁外轮廓线，每条轮廓线上有至少一个位置点。可以将此时的位置点作为初始位置点，基于预设位置变化区间，在初始位置点的基础上进行调整，如，初始位置点在空间上XYZ的坐标为(1，2，1)，X方向偏移1，那么得到的偏移位置点为(2，2，1)。控制初始位置点在位置变化区间内发生任意变化，相应的可以得到至少一个偏移位置点。将同一结构轮廓曲线中各初始位置点的不同偏移位置点进行自由组合，得到结构轮廓曲线所对应的多组截面数据，作为待处理截面数据，实现截面梁在可变范围内进行任意形状结构变化。
S120、将所述至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到所述待优化车辆在各组待处理截面数据下所对应的整车形变数据。
其中，整车形变数据可以理解为在刚度、碰撞等试验工况下整车性能结果，如，最大形变量、扭转刚度、位移模态、屈服强度等等。
在实际应用中，在确定最终车辆结构的过程中，可能存在大量的不同形状的结构数据，不同结构可能对整车性能造成不同的结果，为了提高整车性能结果确定的准确性，可以基于预先训练的力学参数模型确定整车性能结果。如，可以将待处理截面数据作为力学参数模型的输出，输出在待处理截面数据下待优化车辆的整车形变数据。
在本实施例中，在训练得到力学参数确定模型的过程中，可以通过获取多个训练样本数据；针对各训练样本数据，将当前训练样本数据的待使用截面数据作为待训练参数确定模型的输入，将当前训练样本数据的整车形变信息作为待训练参数确定模型的输出，训练待训练参数确定模型；将待训练参数确定模型中的损失函数收敛作为训练目标，得到力学参数确定模型。
其中，训练样本数据中包括待使用截面数据和相应的整车形变信息。整车形变信息可以为在待使用截面数据下车辆的整车性能结果，如对待使用截面数据进行刚度、碰撞等车身性能分析，提取对应的性能结果，作为整车形变信息。可以将预设损失函数收敛作为训练目标，当判定待训练参数确定模型的预设损失函数收敛时，说明可以将此模型作为力学参数确定模型。
在实际应用中，为了提高模型的准确性，可以尽可能多的获取训练数据，将待使用截面数据作为待训练参数确定模型的输入，将与待使用截面数据相对应的整车形变信息作为待训练参数确定模型的输出，训练待训练参数确定模型。如，当将待使用截面数据输入待训练参数确定模型时，输出整车性能结果，将整车性能结果与整车形变信息进行损失处理，根据得到的损失结果对待训练参数确定模型的模型参数进行修正，训练待训练参数确定模型。可以将损失函数的训练误差，即损失参数作为检测损失函数当前是否达到收敛的条件，比如训练误差是否小于预设误差或误差变化趋势是否趋于稳定，或者当前的迭代次数是否等于预设次数。若检测达到收敛条件，比如损失函数的训练误差达到小于预设误差或误差变化趋于稳定，表明待训练参数确定模型训练完成，此时可以停止迭代训练。若检测到当前未达到收敛条件，可以进一步获取训练样本数据对待训练参数确定模型继续进行训练，直至损失函数的训练误差在预设范围之内。当损失函数的训练误差达到收敛时，可以将待训练参数确定模型作为力学参数确定模型，以使后续可以在将待处理截面数据输入至力学参数确定模型中，得到待优化车辆在待处理截面数据下所对应的整车形变数据。
在本实施例中，获取多个训练样本数据的方式可以是：获取与目标部位相对应的至少一组待应用截面数据；确定各原始位置点所对应的至少一个移动位置点；基于同一组待应用截面数据中不同原始位置点所对应的移动位置点，确定至少一组待筛除截面数据，并生成各组待筛除截面数据所对应的截面轮廓曲线；若截面轮廓曲线满足预设轮廓曲线要求，则确定相应待筛除截面数据为待使用截面数据，并对待使用截面数据进行有限元求解，得到待优化车辆在待使用截面数据下所对应的整车形变信息；将待使用截面数据和整车形变信息作为训练样本数据。
其中，待应用截面数据中包括至少一个原始位置点。
在实际应用中，可以从有限元模型中获取与目标部位相对应的至少一条轮廓线，每条轮廓线上有至少一个位置点，每条轮廓线上的位置点作为一组待应用截面数据。可以将此时的位置点作为原始位置点，基于预设位置变化区间，在原始位置点的基础上进行调整，如，原始位置点在空间上XYZ的坐标为(1，2，1)，X方向偏移1，那么得到的移动位置点为(2，2，1)。控制原始位置点在位置变化区间内发生任意变化，相应的可以得到至少一个移动位置点。将同一待应用截面数据中各初始位置点的不同偏移位置点进行自由组合，得到多组截面数据，作为待筛除截面数据。需要说明的是，在位置变化区间内变化的某些截面结构在钣件冲压或焊接等工艺上的变化可能为无效的，为排除无效的数据，可以生成各组待筛除截面数据所对应的截面轮廓曲线，通过DOE(DESIGN OF EXPERIMENT试验设计)后，将截面轮廓曲线满足预设轮廓曲线要求作为待使用截面数据，将不满足预设轮廓曲线要求的数据筛除。例如。提取轮廓线上截面原始位置点坐标进行变截面梁轮廓拟合，曲线公式如：Bi＝F(A1i，A2i，…，Aji)，Aji＝(xji，yji，zji)，其中，Bi为通过每个截面上的第i个位置点拟合的曲线，Aji为第j个截面上的第i个的位置点，xji，yji，zji分别为第j个截面上第i个位置点的x，y，z轴坐标。通过布置和装配信息确定每个截面位置点的位置变化区间，如公式：xji∈[Xdown_ji,Xup_ji]，yji∈[Ydown_ji,Yup_ji]，zji∈[Zdown_ji,Zup_ji]，Xdown_ji表示第j个截面上第i个位置变量在整体坐标系下X轴方向的下限值，Xup_ji表示第j个截面上第i个初始位置点变量在整体坐标系下X轴方向的上限值；Ydown_ji表示第j个截面上第i个初始位置点变量在整体坐标系下Y轴方向的下限值，Yup_ji表示第j个截面上第i个初始位置点变量在整体坐标系下Y轴方向的上限值；Zdown_ji表示第j个截面上第i个初始位置点变量在整体坐标系下Z轴方向的下限值，Zup_ji表示第j个截面上第i个初始位置点变量在整体坐标系下Z轴方向的上限值。进而考虑不同截面位置变量之间的影响来约束DOE样本的生成，Aji截面变量变化时需充分考虑前后相邻的截面A(j-1)i和截面A(j+1)i，以保证变量变化后梁截面不会过分扭曲，影响梁的工艺成型或装配特性。可以采用优化的拉定超立方方法进行DOE设计，在n个位置点变量中，将每一个变量的位置变化区间均分为m个区间，随机抽取m个点，保证每个因子的每个水平只被研究一次，即构成n维空间，样本数为m的拉丁超立方设计，记为m×n。为考虑变量之间的约束关系，可以生成所需样本数量2×m×n的DOE设计空间，然后基于特征曲线Bi进行数据筛查，将不符合截面变量间约束条件的数据删除，保留符合条件的截面数据集合，然后从符合条件的截面数据集合中选择m×n个符合要求的样本。进一步的，将待使用截面数据作为有限元模型的输入参数，进行有限元求解，通过数据进行刚度、碰撞等车身性能分析及结果提取，得到待优化车辆在待使用截面数据下所对应的整车形变信息。可以将待使用截面数据和相应的整车形变信息作为训练样本数据。
需要说明的是，由于有限元模型求解的时间复杂度较高，训练样本数据的数据量相对较小，不会存在大量的整车形变信息。在基于训练样本数据训练得到力学参数确定模型之后，可以基于大量的待处理截面数据经力学参数确定模型处理，得到大量的整车形变信息，提高形变数据确定的快捷性，减少时间成本消耗。
S130、从各组整车形变数据中确定全局最优形变数据，并基于所述全局最优形变数据对应的截面数据，确定所述目标部位对应的目标结构数据。
在实际应用中，可以通过将各组整车形变数据进行比对，从各整车形变数据中确定出最优的整车形变数据，作为全局最优形变数据，并将全局最优形变数据所对应的截面数据作为优化后得到的数据，即目标结构数据。
具体来说，确定目标结构数据的方式可以是：基于模拟退火算法从各组整车形变数据确定至少一个局部最优形变数据；基于各局部最优形变数据确定全局最优形变数据；将全局最优形变数据所对应的截面数据作为目标结构数据。
在本实施例中，可以利用模拟退火算法从各组整车形变数据中进行寻优，得到至少一个局部最优形变数据，将各局部最优形变数据中最优值作为全局最优形变数据。模拟退火算法的具体处理流程本领域技术人员应当理解，此处不再赘述。可以将将全局最优形变数据所对应的截面数据作为目标结构数据，此时可以基于目标结构数据获知截面大小和尺寸等信息。
需要说明的是，在确定目标部位对应的目标结构数据之后，为了进一步优化面梁结构，可以进行局部薄弱结构的加强和优化，如对局部结构进行薄弱点识别，并有针对的开展局部结构加强设计，在加强后对结构进行强度验算，验算合格时，可以认为结构优化结束。
可选的，在从各组整车形变数据中确定全局最优形变数据，并基于全局最优形变数据对应的截面数据，确定目标部位对应的目标结构数据之后，还包括：基于目标结构数据中各截面位置点所对应的形变量，确定形变均值；基于各截面位置点的形变量和形变均值，确定待加强位置点，并在待加强位置点设置结构辅助部件，更新目标结构数据。
其中，结构辅助部件可以用于结构加强，例如，可以为加强支架或加强筋等。
在实际应用中，可以从目标结构数据所对应的整车形变数据中提取各截面位置点所对应的形变量，将各形变量进行均值处理，得到形变均值，可以将各形变量与形变均值作比对，将形变量大于形变均值的预设倍数(如1.5倍)的位置点提取出来，将各位置点作为待加强位置点，可以将各待加强位置点组成的区域作为局部薄弱位置，并在局部薄弱位置增设结构辅助部件。得到优化后的结构数据，作为更新后的目标结构数据。例如，可以依据整车形变数据，从中提取梁结构表面特征位置点的形变量，其中形变量可以为变截面梁进行截面优化的局部表面的中线位置点的形变量，将各形变量拟合成形变曲线，通过形变曲线识别局部结构薄弱位置，如通过对拟合形变曲线进行识别，计算曲线所有位置点形变量的平均值，将形变量大于平均值的1.5倍的位置点提取出来，该区域则为局部薄弱位置。针对局部薄弱位置进行结构优化，可增设加强筋或增加加强支架。进一步的，可以对局部加强设计后的整车进行强度工况验算，验算满足要求，则整个优化过程结束，得到目标结构数据。
本实施例的技术方案，通过获取待优化车辆中目标部位所对应的至少一组待处理截面数据；将至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到待优化车辆在各组待处理截面数据下所对应的整车形变数据；从各组整车形变数据中确定全局最优形变数据，并基于全局最优形变数据对应的截面数据，确定目标部位对应的目标结构数据，解决了现有技术中基于人工经验判断与有限元模拟相结合的方法，导致结构优化效率低，可靠性差的问题，实现了通过获取目标部位所对应的待处理截面数据，并将待处理截面数据经力学参数确定模型处理，得到待优化车辆在各组待处理截面数据下所对应的整车形变数据，并从各组整车形变数据中进行寻优，得到全局最优形变数据，将全局最优形变数据对应的截面数据作为目标部位对应的目标结构数据，提高结构优化效率的效率和可靠性，达到提高车辆开发速度的技术效果。
实施例二
作为上述实施例的一可选实施例，为了使本领域技术人员进一步清楚本发明实施例的技术方案，给出具体的应用场景实例。具体的，可以参见下述具体内容。
在本实施例中，目标部位可以为车身变截面梁中的后纵梁，以对车辆后纵梁局部结构优化设计为例进行阐述说明。首先，可以搭建与车辆后纵梁相对应的壳单元的参数化模型，即有限元模型，如依据平台车型、对标数据、外CAS(整车外表面)及断面等输入数据信息，搭建整车有限元模型。搭建整车有限元模型的实现方式可以是：1、确定要开展优化设计的变截面梁，例如，根据整车初始结构状态，确定要开展截面优化的梁的集合，欲优化的结构不限于完整的梁结构，可以为整段梁结构中的一部分结构。2、确定梁截面个数及截面形状定义，如依据变截面梁的空间结构，以最少的截面数量来进行变截面梁参数化模型搭建。忽略安装孔、局部凸台、加强筋、局部倒角等细节结构，每个位置上的截面用相同数量的位置点描述。每个位置上的截面的位置点编号相对应此段纵梁结构，可用图2所示的①-⑤五个截面进行描述其空间的结构变化，图2中上侧轮廓线可以表示为后纵梁内轮廓线，下侧轮廓线可以表示为后纵梁外轮廓线。适当简化原结构的局部细节，以用最少点、线来描述截面的形状。将纵梁表面各处的局部细节结构进行简化，截面形状如图3中断面A-A和断面B-B所示。3、变截面梁参数化壳模型搭建，如变截面梁参数化壳模型要与其他周边搭接结构形成完整的参数化模型，在驱动变截面梁变化时，与其搭接的结构需要与该梁随动，以保证模型的连接完整和正确，且保证变化后，可生成用于CAE仿真的网格模型，作为有限元模型。
在上述方案的基础上，可以实现变截面优化DOE设计，实现方式可以是：1、变截面梁轮廓线提取，如针对变截面梁变量位置，提取节点坐标信息并拟合特征轮廓曲线，如图2后纵梁内轮廓线所示。2、设置变量可变范围，即位置变化区间，如通过布置约束等条件确定梁可进行结构优化的位置。由于选取的后纵梁局部外侧与前侧门槛搭接，后侧为轮罩区域，需给轮胎避让空间，而梁的上侧围座椅布置处，因此，该梁的可变位置为后纵梁内轮廓的下截面，如图3中断面A与断面B中变量控制点，为保证零件冲压工艺的可执行性，保持上下控制点同步变化为该截面的变量。由于截面⑤和后侧纵梁的搭接，其固定不可变，因此针对截面①至截面④进行变量定义。3、生成初始样本矩阵，得到待使用截面数据。如，通过优化的拉丁超立方方法生成初始样本40个，进行DOE设计时，需要充分考虑截面间的相互约束，如截面①、截面②的Y向约束为同步变化；截面③至截面④处需与地板横梁搭接，截面③变化后Y向截面尺寸不可小于截面②的Y向尺寸；截面④变化后Y向不可超过截面⑤Y向坐标，截面⑤与后侧纵梁搭接，其Y向不可变。通过上述约束条件，截面①至截面④四个变量，筛选后样本数为25，作为待使用截面数据。
在上述方案的基础上，开展截面尺寸优化，实现方式是：1、生成样本并计算其性能，提取计算结果，如依据优化所需要计算的性能，进行有限元求解分析，求解车身扭转刚度、弯曲刚度、一阶扭转频率、一阶弯曲频率。2、搭建力学参数确定模型，以DOE设计的变量为输入，样本的性能计算结果为输出，搭建响应面模型，并验证精度。3、截面优化并验证优化方案。如以性能最大为目标，重量不超过目标要求为约束条件开展优化，性能计算包括扭转刚度、弯曲刚度、一阶扭转模态频率、一阶弯曲模态频率。经优化方案验证，重量降低的情况下，各项性能得到提升。4、局部结构进行加强设计，如以扭转刚度工况为例，基于截面优化结果，开展局部结构加强设计，可以结合截面优化的分析结果，提取表面特征位置变形并拟合变形曲线，识别变截面梁薄弱位置，示例性的，提取位置如图4所示，提取位置1测点的Z向变形，提取位置2对应测点的Y向变形，拟合曲线如图5所示。通过如图5所示拟合曲线，可看出位置1所在结构平面在X坐标为[3550mm，3650mm]范围内结构刚度发生突变，位置2所在平面在X坐标为[36000mm，3700mm]范围内结构刚度发生突变。此二处为结构薄弱位置。由于位置1处需要与底盘件连接，无法采用加强筋结构，位置2范围与位置1接近，故统一在梁腔体内部增加支架结构。将支架结构位置、支架支撑范围及支架料厚作为变量进行局部优化，优化步骤同截面尺寸优化，差别在于无需对DOE样本进行筛选。局部结构加强优化后，对整车进行强度工况验算，验算满足要求。
本实施例的技术方案，通过获取待优化车辆中目标部位所对应的至少一组待处理截面数据；将至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到待优化车辆在各组待处理截面数据下所对应的整车形变数据；从各组整车形变数据中确定全局最优形变数据，并基于全局最优形变数据对应的截面数据，确定目标部位对应的目标结构数据，解决了现有技术中基于人工经验判断与有限元模拟相结合的方法，导致结构优化效率低，可靠性差的问题，实现了通过获取目标部位所对应的待处理截面数据，并将待处理截面数据经力学参数确定模型处理，得到待优化车辆在各组待处理截面数据下所对应的整车形变数据，并从各组整车形变数据中进行寻优，得到全局最优形变数据，将全局最优形变数据对应的截面数据作为目标部位对应的目标结构数据，提高结构优化效率的效率和可靠性，达到提高车辆开发速度的技术效果。
实施例三
图6是根据本发明实施例三提供的一种车辆结构确定装置的结构示意图。如图6所示，该装置包括：待处理截面数据获取模块610、整车形变数据确定模块620和目标结构数据确定模块630。
其中，待处理截面数据获取模块610，用于获取待优化车辆中目标部位所对应的至少一组待处理截面数据；其中，所述待处理截面数据中包括至少一个位置点信息；整车形变数据确定模块620，用于将所述至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到所述待优化车辆在各组待处理截面数据下所对应的整车形变数据；目标结构数据确定模块630，用于从各组整车形变数据中确定全局最优形变数据，并基于所述全局最优形变数据对应的截面数据，确定所述目标部位对应的目标结构数据。
本实施例的技术方案，通过获取待优化车辆中目标部位所对应的至少一组待处理截面数据；将至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到待优化车辆在各组待处理截面数据下所对应的整车形变数据；从各组整车形变数据中确定全局最优形变数据，并基于全局最优形变数据对应的截面数据，确定目标部位对应的目标结构数据，解决了现有技术中基于人工经验判断与有限元模拟相结合的方法，导致结构优化效率低，可靠性差的问题，实现了通过获取目标部位所对应的待处理截面数据，并将待处理截面数据经力学参数确定模型处理，得到待优化车辆在各组待处理截面数据下所对应的整车形变数据，并从各组整车形变数据中进行寻优，得到全局最优形变数据，将全局最优形变数据对应的截面数据作为目标部位对应的目标结构数据，提高结构优化效率的效率和可靠性，达到提高车辆开发速度的技术效果。
在上述装置的基础上，可选的，所述装置还包括有限元模型搭建模块，所述有限元模型搭建模块，用于基于与所述待优化车辆中目标部位相对应的结构数据，搭建所述目标部位对应的有限元模型，以使从所述有限元模型中获取所述目标部位所对应的至少一组待处理截面数据。
在上述装置的基础上，可选的，所述待处理截面数据获取模块610，包括结构轮廓曲线确定单元、偏移位置点确定单元和待处理截面数据确定单元。
结构轮廓曲线确定单元，用于从有限元模型中获取与所述目标部位相对应的至少一条结构轮廓曲线；其中，所述结构轮廓曲线上包括至少一个初始位置点；
偏移位置点确定单元，用于基于预设位置变化区间，确定各初始位置点所对应的至少一个偏移位置点；
待处理截面数据确定单元，用于基于同一结构轮廓曲线中各初始位置点所对应的偏移位置点，确定至少一组待处理截面数据。
在上述装置的基础上，可选的，所述装置还包括力学参数确定模型确定模块，所述力学参数确定模型确定模块包括：训练样本数据确定单元、待训练参数确定模型训练单元和力学参数确定模型确定单元。
训练样本数据确定单元，用于获取多个训练样本数据；其中，所述训练样本数据中包括待使用截面数据和相应的整车形变信息；
待训练参数确定模型训练单元，用于针对各训练样本数据，将当前训练样本数据的待使用截面数据作为待训练参数确定模型的输入，将所述当前训练样本数据的整车形变信息作为所述待训练参数确定模型的输出，训练所述待训练参数确定模型；
力学参数确定模型确定单元，用于将所述待训练参数确定模型中的损失函数收敛作为训练目标，得到力学参数确定模型。
在上述装置的基础上，可选的，所述训练样本数据确定单元，包括待应用截面数据确定子单元、移动位置点确定子单元、待筛除截面数据确定子单元、待使用截面数据确定子单元和训练样本数据确定子单元。
待应用截面数据确定子单元，用于获取与所述目标部位相对应的至少一组待应用截面数据；其中，所述待应用截面数据中包括至少一个原始位置点；
移动位置点确定子单元，用于确定各原始位置点所对应的至少一个移动位置点；
待筛除截面数据确定子单元，用于基于同一组待应用截面数据中不同原始位置点所对应的移动位置点，确定至少一组待筛除截面数据，并生成各组待筛除截面数据所对应的截面轮廓曲线；
待使用截面数据确定子单元，用于若所述截面轮廓曲线满足预设轮廓曲线要求，则确定相应待筛除截面数据为待使用截面数据，并对所述待使用截面数据进行有限元求解，得到待优化车辆在所述待使用截面数据下所对应的整车形变信息；
训练样本数据确定单元，用于将所述待使用截面数据和所述整车形变信息作为训练样本数据。
在上述装置的基础上，可选的，所述目标结构数据确定模块630，包括局部最优形变数据确定单元、全局最优形变数据确定单元和目标结构数据确定单元。
局部最优形变数据确定单元，用于基于模拟退火算法从各组整车形变数据确定至少一个局部最优形变数据；
全局最优形变数据确定单元，用于基于各局部最优形变数据确定全局最优形变数据；
目标结构数据确定单元，用于将所述全局最优形变数据所对应的截面数据作为目标结构数据。
在上述装置的基础上，可选的，所述装置还包括局部结构优化模块，所述局部结构优化模块包括：形变均值确定单元和目标结构数据更新单元。
形变均值确定单元，用于基于所述目标结构数据中各截面位置点所对应的形变量，确定形变均值；
目标结构数据更新单元，用于基于各截面位置点的形变量和所述形变均值，确定待加强位置点，并在所述待加强位置点设置结构辅助部件，更新目标结构数据。
在上述装置的基础上，可选的，所述目标部位对应于车身变截面梁。
本发明实施例所提供的车辆结构确定装置可执行本发明任意实施例所提供的车辆结构确定方法，具备执行方法相应的功能模块和有益效果。
实施例四
图7是实现本发明实施例的车辆结构确定方法的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如车辆结构确定方法。
在一些实施例中，车辆结构确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的车辆结构确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车辆结构确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种车辆结构确定方法，其特征在于，包括：
获取待优化车辆中目标部位所对应的至少一组待处理截面数据；其中，所述待处理截面数据中包括至少一个位置点信息；
将所述至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到所述待优化车辆在各组待处理截面数据下所对应的整车形变数据；
从各组整车形变数据中确定全局最优形变数据，并基于所述全局最优形变数据对应的截面数据，确定所述目标部位对应的目标结构数据。
2.根据权利要求1所述的方法，其特征在于，在所述获取待优化车辆中目标部位所对应的至少一组待处理截面数据之前，还包括：
基于与所述待优化车辆中目标部位相对应的结构数据，搭建所述目标部位对应的有限元模型，以使从所述有限元模型中获取所述目标部位所对应的至少一组待处理截面数据。
3.根据权利要求2所述的方法，其特征在于，所述获取待优化车辆中目标部位所对应的至少一组待处理截面数据，包括：
从有限元模型中获取与所述目标部位相对应的至少一条结构轮廓曲线；其中，所述结构轮廓曲线上包括至少一个初始位置点；
基于预设位置变化区间，确定各初始位置点所对应的至少一个偏移位置点；
基于同一结构轮廓曲线中各初始位置点所对应的偏移位置点，确定至少一组待处理截面数据。
4.根据权利要求1所述的方法，其特征在于，还包括：
训练得到力学参数确定模型；
所述训练得到力学参数确定模型，包括：
获取多个训练样本数据；其中，所述训练样本数据中包括待使用截面数据和相应的整车形变信息；
针对各训练样本数据，将当前训练样本数据的待使用截面数据作为待训练参数确定模型的输入，将所述当前训练样本数据的整车形变信息作为所述待训练参数确定模型的输出，训练所述待训练参数确定模型；
将所述待训练参数确定模型中的损失函数收敛作为训练目标，得到力学参数确定模型。
5.根据权利要求4所述的方法，其特征在于，所述获取多个训练样本数据，包括：
获取与所述目标部位相对应的至少一组待应用截面数据；其中，所述待应用截面数据中包括至少一个原始位置点；
确定各原始位置点所对应的至少一个移动位置点；
基于同一组待应用截面数据中不同原始位置点所对应的移动位置点，确定至少一组待筛除截面数据，并生成各组待筛除截面数据所对应的截面轮廓曲线；
若所述截面轮廓曲线满足预设轮廓曲线要求，则确定相应待筛除截面数据为待使用截面数据，并对所述待使用截面数据进行有限元求解，得到待优化车辆在所述待使用截面数据下所对应的整车形变信息；
将所述待使用截面数据和所述整车形变信息作为训练样本数据。
6.根据权利要求1所述的方法，其特征在于，所述从各组整车形变数据中确定全局最优形变数据，并基于所述全局最优形变数据对应的目标截面数据，确定所述目标部位对应的目标结构数据，包括：
基于模拟退火算法从各组整车形变数据确定至少一个局部最优形变数据；
基于各局部最优形变数据确定全局最优形变数据；
将所述全局最优形变数据所对应的截面数据作为目标结构数据。
7.根据权利要求1所述的方法，其特征在于，在从各组整车形变数据中确定全局最优形变数据，并基于所述全局最优形变数据对应的截面数据，确定所述目标部位对应的目标结构数据之后，还包括：
基于所述目标结构数据中各截面位置点所对应的形变量，确定形变均值；
基于各截面位置点的形变量和所述形变均值，确定待加强位置点，并在所述待加强位置点设置结构辅助部件，更新目标结构数据。
8.根据权利要求1-7中任一所述的方法，其特征在于，所述目标部位对应于车身变截面梁。
9.一种车辆结构确定装置，其特征在于，包括：
待处理截面数据获取模块，用于获取待优化车辆中目标部位所对应的至少一组待处理截面数据；其中，所述待处理截面数据中包括至少一个位置点信息；
整车形变数据确定模块，用于将所述至少一组待处理截面数据输入至预先训练的力学参数确定模型中，得到所述待优化车辆在各组待处理截面数据下所对应的整车形变数据；
目标结构数据确定模块，用于从各组整车形变数据中确定全局最优形变数据，并基于所述全局最优形变数据对应的截面数据，确定所述目标部位对应的目标结构数据。
10.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的车辆结构确定方法。
CN202210951668.9A 2022-08-09 2022-08-09 车辆结构确定方法、装置、电子设备及存储介质 Pending CN115329457A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210951668.9A CN115329457A (zh) 2022-08-09 2022-08-09 车辆结构确定方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210951668.9A CN115329457A (zh) 2022-08-09 2022-08-09 车辆结构确定方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115329457A true CN115329457A (zh) 2022-11-11

Family

ID=83922118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210951668.9A Pending CN115329457A (zh) 2022-08-09 2022-08-09 车辆结构确定方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115329457A (zh)

Similar Documents

Publication Publication Date Title
CN113408055B (zh) 一种汽车车架结构优化方法
CN107832527B (zh) 一种车身等效简化模型建立方法及系统
CN107590322B (zh) 驱动轴跳动校核方法
CN111209697B (zh) 一种基于拓扑优化车身顶棚结构的分析方法及系统
CN107272193A (zh) 轻型反射镜的超轻化优化设计方法
CN112818462A (zh) 车轮参数模型的生成方法、装置、存储介质和计算机设备
CN116451375A (zh) 一种门桥式起重机箱形主梁参数化建模及优化设计方法
CN114528641A (zh) 一种平台化车身结构的优化方法及存储介质
CN112100738A (zh) 一种采用云图形式的车身钣金法向动刚度计算分析方法
CN116562075B (zh) 电池包结构设计方法、装置、终端和存储介质
CN114065387A (zh) 车架优化方法、装置、计算机设备及存储介质
CN104794332A (zh) 一种高层建筑风致响应分析模型的不确定性分析方法
CN113656891A (zh) 液体火箭动特性建模分析方法及终端设备
CN111475872B (zh) 一种空调导风板优化设计方法及装置
CN101281659B (zh) 多框整体结构件的有限元建模方法
CN115329457A (zh) 车辆结构确定方法、装置、电子设备及存储介质
CN112084572A (zh) 一种车身造型阶段进行车身断面结构优化方法
CN116361919B (zh) 副车架数据的处理方法、装置、存储介质及电子设备
CN108804766A (zh) 阻尼参数的识别方法
Liang et al. Bus rollover crashworthiness under European standard: an optimal analysis of superstructure strength using successive response surface method
CN116167168A (zh) 一种车辆机舱建模方法、装置、电子设备及存储介质
CN110110374A (zh) 概念阶段汽车车身正向设计方法、装置及系统
CN114880934A (zh) 一种基于机器学习的车辆碰撞仿真优化方法
CN107704664A (zh) 一种基于疲劳折算的安全系数计算方法、装置及电子设备
CN118013807B (zh) 一种凹坑变形的优化方法、装置、电子设备及存储介质

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