CN116306156A - 车身优化方法、装置、存储介质及电子设备 - Google Patents
车身优化方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116306156A CN116306156A CN202310318669.4A CN202310318669A CN116306156A CN 116306156 A CN116306156 A CN 116306156A CN 202310318669 A CN202310318669 A CN 202310318669A CN 116306156 A CN116306156 A CN 116306156A
- Authority
- CN
- China
- Prior art keywords
- model
- vehicle body
- optimization
- design data
- target
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000013461 design Methods 0.000 claims abstract description 216
- 239000000463 material Substances 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims description 33
- 230000004044 response Effects 0.000 claims description 26
- 230000035945 sensitivity Effects 0.000 claims description 21
- 238000006073 displacement reaction Methods 0.000 claims description 20
- 238000000418 atomic force spectrum Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 239000000725 suspension Substances 0.000 claims description 4
- 230000003068 static effect Effects 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 239000013585 weight reducing agent Substances 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 101000867849 Rattus norvegicus Voltage-dependent R-type calcium channel subunit alpha-1E Proteins 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
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
-
- 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)
- Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
Abstract
本公开涉及一种车身优化方法、装置、存储介质及电子设备,首先对车身主体的全局拓扑域进行优化,得到车身的第一设计数据,再根据第一设计数据进行有限元建模并对有限元模型进行优化,得到第二设计数据,根据第一设计数据与第二设计数据间的对比,识别薄弱的目标局部区域,针对每一目标局部区域,分别构建局部拓扑域进行拓扑优化,根据每一目标局部区域的拓扑优化结果得到第三设计数据,再进一步确定第三设计数据中涉及的多个目标零部件的料厚参数和/或材料参数的取值,最终得到车身的目标设计数据。由此实现了对车身从全局到局部的多层级拓扑优化,即先从全局优化车身框架设计,再对薄弱的局部区域进行结构优化,最终达到轻量化设计的目的。
Description
技术领域
本公开涉及车辆设计技术领域,尤其涉及一种车身优化方法、装置、存储介质及电子设备。
背景技术
新能源汽车的轻量化,对提升汽车的里程具有重要意义。对于新能源纯电动汽车,汽车质量的降低有助于电耗下降和续航里程增加,同时汽车质量的降低可减少制动距离,提高安全性能。因此,在车身的设计环节需要进行轻量化设计。
发明内容
为克服相关技术中存在的问题,本公开提供一种车身优化方法、装置、存储介质及电子设备。
根据本公开实施例的第一方面,提供一种车身优化方法,包括:
构建车身主体的全局拓扑域,根据所述全局拓扑域构建第一车身模型;
根据所述第一车身模型对所述全局拓扑域进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据;
根据所述第一设计数据构建第一有限元模型,并以预设的全局性能为优化约束,最小化质量分数为优化目标,对所述第一有限元模型进行优化,得到车身的第二设计数据;
确定所述第二设计数据中相较所述第一设计数据增厚的目标局部区域;
针对每一目标局部区域,构建所述目标局部区域的局部拓扑域,以及根据所述第二设计数据构建除所述目标局部区域外的其他区域的第二有限元模型,根据所述局部拓扑域和所述第二有限元模型得到第二车身模型;
以预设的全局性能和/或所述目标局部区域对应的局部性能为优化约束,最小化拓扑域体积分数为优化目标,根据所述第二车身模型对所述局部拓扑域进行拓扑优化;
根据每一目标局部区域的拓扑优化结果,得到车身的第三设计数据;
确定所述第三设计数据中涉及的多个目标零部件的设计参数的取值,得到车身的目标设计数据,所述设计参数包括目标零部件的料厚参数和/或材料参数。
在可选的实施例中,所述根据所述第一车身模型对所述全局拓扑域进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据,包括:
根据所述第一车身模型构建用于NVH学科的第三车身模型,以及根据所述第一车身模型构建用于碰撞学科的第四车身模型;
针对NVH学科下预设的每一工况,对所述第三车身模型加载所述工况,基于所加载的工况对所述第三车身模型中的所述全局拓扑域进行拓扑优化,得到拓扑优化过程中的最大柔度值和最小柔度值;
针对碰撞学科下预设的每一工况,对所述第四车身模型加载所述工况,基于所加载的工况对所述第四车身模型中的所述全局拓扑域进行拓扑优化,得到拓扑优化过程中的最大柔度值和最小柔度值;
根据多个工况分别对应的最大柔度值和最小柔度值,对所述全局拓扑域再次进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据。
在可选的实施例中,所述针对碰撞学科下预设的每一工况,对所述第四车身模型加载所述工况,包括:
针对碰撞工况,对参考车整车碰撞模型进行对应碰撞工况的仿真分析,并将碰撞的非线性过程分解为多段等效线性过程;
针对每段等效线性过程,提取所述参考车整车碰撞模型中各关键截面的位移-碰撞力曲线;
确定所述位移-碰撞力曲线中的碰撞力峰值对应的峰值起始位移和峰值结束位移;
根据所述位移-碰撞力曲线进行从所述峰值起始位移到所述峰值结束位移的积分,得到所述关键截面的局部有效碰撞力;
将每段线性过程中各关键截面对应的所述局部有效碰撞力加载到所述第四车身模型的对应截面上。
在可选的实施例中,所述根据所述第一车身模型构建用于NVH学科的第三车身模型,包括:
在所述第一车身模型的基础上添加电池包模型,将所述电池包模型处理为超单元子模型,并将所述电池包模型与所述第一车身模型间的螺栓连接点处理为超单元边界节点,得到用于NVH学科的第三车身模型。
在可选的实施例中,所述根据所述第一车身模型构建用于碰撞学科的第四车身模型,包括:
在所述第一车身模型的基础上,将电驱系统外壳进行刚化处理,将包括悬架系统、闭合件系统、座椅系统和转向系统在内的关键子系统进行配重,得到初步处理模型;
添加电池包模型,并将所述电池包模型分为托盘部分和除托盘部分外的其他部分,将所述托盘部分的模型与所述初步处理模型进行螺栓连接,将所述其他部分的模型通过配重进行等效,等效后使得电池包质量和惯量与所述电池包模型一致,得到用于碰撞学科的第四车身模型。
在可选的实施例中,在得到车身的第二设计数据之后,所述方法还包括:
若所述第二设计数据中存在相邻的两个区域,且相邻的两个区域中的其中一个区域的整体厚度与另一区域的整体厚度间的差异大于设定值,则生成提示信息,所述提示信息用于提示所述相邻的两个区域适合设计成不同厚度的零部件,且两个区域交接的位置作为该不同厚度的零部件的搭接区;
响应于基于所述提示信息所作出的更新操作,更新所述第二设计数据。
在可选的实施例中,所述确定所述第三设计数据中涉及的多个目标零部件的设计参数的取值,包括:
确定初始的多个参数序列,每一所述参数序列中包括所述多个目标零部件的设计参数的取值;
确定每一所述参数序列对应的输出响应,所述输出响应包括车身的多个性能指标和成本,所述成本包括材料成本与续航里程增加所得的收益的差;
根据所述多个参数序列及其输出响应确定代理模型,所述代理模型是表征参数序列与输出响应之间的映射关系的数学模型;
以所述多个性能指标满足对应的性能目标作为优化约束,最小化成本作为优化目标,根据所述代理模型对多个所述设计参数的取值进行优化,得到最优解序列;
在优化达到收敛的情况下,根据当前的最优解序列得到所述多个目标零部件的设计参数的最优取值。
在可选的实施例中,所述方法还包括:
在优化未达到收敛的情况下,针对每一所述设计参数,根据所述代理模型确定所述设计参数对应的信赖域,根据所述信赖域确定所述设计参数的新的取值,其中,所述信赖域表示所述设计参数的取值范围;
根据每一所述设计参数的新的取值构造多个新的参数序列,并根据所述多个新的参数序列跳转至所述确定每一所述参数序列对应的输出响应的步骤,直至优化达到收敛。
在可选的实施例中,所述根据所述代理模型确定所述设计参数对应的信赖域,包括:
确定所述代理模型的近似精度;
若所述近似精度小于或等于第一预设阈值,则扩大所述设计参数的信赖域,若所述近似精度大于所述第一预设阈值,则缩小所述设计参数的信赖域。
在可选的实施例中,所述方法还包括:
根据所述第三设计数据涉及的车身上的各个零部件,排除质量低于预设重量的零部件;
针对排除质量低于预设重量的零部件后的剩余零部件,确定每一剩余零部件的厚度对性能的直接灵敏度,排除直接灵敏度按降序排序在前的零部件;
针对排除直接灵敏度排序在前的零部件后的剩余零部件,确定每一剩余零部件的厚度对性能的相对灵敏度,选取相对灵敏度按降序排序在后的零部件,作为目标零部件。
根据本公开实施例的第二方面,提供一种车身优化装置,包括:
第一模型构建模块,用于构建车身主体的全局拓扑域,根据所述全局拓扑域构建第一车身模型;
第一全局优化模块,用于根据所述第一车身模型对所述全局拓扑域进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据;
第二全局优化模块,用于根据所述第一设计数据构建第一有限元模型,并以预设的全局性能为优化约束,最小化质量分数为优化目标,对所述第一有限元模型进行优化,得到车身的第二设计数据;
局部区域筛选模块,用于确定所述第二设计数据中相较所述第一设计数据增厚的目标局部区域;
第二模型构建模块,用于针对每一目标局部区域,构建所述目标局部区域的局部拓扑域,以及根据所述第二设计数据构建除所述目标局部区域外的其他区域的第二有限元模型,根据所述局部拓扑域和所述第二有限元模型得到第二车身模型;
局部优化模块,用于以预设的全局性能和/或所述目标局部区域对应的局部性能为优化约束,最小化拓扑域体积分数为优化目标,根据所述第二车身模型对所述局部拓扑域进行拓扑优化;根据每一目标局部区域的拓扑优化结果,得到车身的第三设计数据;
参数确定模块,用于确定所述第三设计数据中涉及的多个目标零部件的设计参数的取值,得到车身的目标设计数据,所述设计参数包括目标零部件的料厚参数和/或材料参数。
根据本公开实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的车身优化方法的步骤。
根据本公开实施例的第四方面,提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述存储器中存储的指令,以实现本公开第一方面所提供的车身优化方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
根据上述技术方案,首先对车身主体的全局拓扑域进行优化,得到车身的第一设计数据,再根据第一设计数据进行有限元建模,并以最小化质量分数为优化目标对有限元模型进行优化,得到车身的第二设计数据,根据第一设计数据与第二设计数据间的对比,识别薄弱的目标局部区域,再针对每一目标局部区域,分别构建局部拓扑域进行拓扑优化,根据每一目标局部区域的拓扑优化结果得到第三设计数据,再进一步确定第三设计数据中涉及的多个目标零部件的设计参数的取值,最终得到车身的目标设计数据。由此实现了对车身从“全局”到“局部”的多层级拓扑优化,即先从全局整体优化车身关键框架,再识别薄弱的局部区域,对薄弱的局部区域再进行结构优化,最终达到轻量化设计的目的。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种车身优化方法的流程图。
图2是根据一示例性实施例示出的步骤S102的实施方式的流程图。
图3是根据一示例性实施例示出的步骤S108的实施方式的流程图。
图4是根据一示例性实施例示出的一种车身优化装置的框图。
图5是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
本公开实施例提供一种车身优化方法,提出对车身开展从“全局”到“局部”的多层级拓扑优化,对车身进行轻量化设计。图1示出了一示例性实施例中的车身优化方法的流程图,如图1所示,该车身优化方法包括以下步骤:
S101,构建车身主体的全局拓扑域,根据全局拓扑域构建第一车身模型。
在一些实施例中,全局拓扑域包括车身框架的第一拓扑域和布置空间的第二拓扑域,其中,第一拓扑域和第二拓扑域作为车身主体的全局拓扑域,在后文的拓扑优化过程中被各静/动态工况所共用。
在一些实施例中,针对车身框架,基于车身CAS面造型数据构造第一拓扑域,针对副车架、座椅横梁等布置空间,定义可行的第二拓扑域,其他结构如顶棚、前风挡玻璃、前壁板则可以沿用已有参考车数据或初始设计数据来定义非拓扑域。第一拓扑域与第二拓扑域通过螺栓连接,建模时可以使用RBE2单元模拟;非拓扑域与两个拓扑域之间的规则连接在建模时可以采用共节点或者焊缝单元类型模拟,非规则连接在建模时可以采用Tie连接类型模拟。其中,由不同材质组成的区域,比如大铸件采用铸铝设计,则对应的拓扑域材料属性为铝,采用钢、镁、塑料设计的其他区域,则对应的拓扑域按照对应材料的属性定义。
其中,第一拓扑域、第二拓扑域和非拓扑域构成车身主体模型,即第一车身模型。
S102,根据第一车身模型对该全局拓扑域进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据。
根据第一车身模型对全局拓扑域进行拓扑优化,根据拓扑优化结果解析车身的关键传力路径,工程师可以提取关键传力路径制作成连续的几何数据,再进一步将几何数据转化为设计数据,完成概念阶段的车身框架设计,从而得到车身的第一设计数据。
S103,根据该第一设计数据构建第一有限元模型,并以预设的全局性能为优化约束,最小化质量分数为优化目标,对该第一有限元模型进行优化,得到车身的第二设计数据。
S104,确定第二设计数据中相较第一设计数据增厚的目标局部区域。
可以理解的,在得到车身的第一设计数据后,基于该第一设计数据进行薄弱区域识别,以便于通过加强薄弱区域的结构设计规避初始设计缺陷以提升性能,保证拓扑优化方案的有效性。在具体实现时,首先根据车身的第一设计数据进行有限元建模,建模时所有零部件均采用有限元单元网格,以便后续进行优化,从而得到第一有限元模型,然后将该第一有限元模型中的每个有限元单元作为优化对象,以预设的全局性能为优化约束,最小化质量分数为优化目标,对各有限元单元的厚度进行优化,根据优化结果得到车身的第二设计数据。
其中,预设的全局性能可以包括刚度性能、模态性能和碰撞等效静载各工况性能。例如,优化约束采用:刚度值≥对应的目标值,模态值≥对应的目标值,各碰撞等效静态工况性能≤参考车整车碰撞模型上各对应工况的柔度值。
在一些实施例中,在得到车身的第二设计数据后,重点关注其中单元厚度较大的区域,如整体厚度大于预设厚度的区域,将该区域与第一设计数据中的对应区域进行对比,若该区域比第一设计数据中的对应区域增厚,则说明此区域为关键结构,且第一设计数据在此处较为薄弱,需要适当加强,因此将该区域确定为目标局部区域,在后续步骤中需进一步对该目标局部区域进行结构优化。由此,筛选出需要进一步进行局部优化的目标局部区域。
而对于第二设计数据中单元厚度较小的区域,可以通过增加覆盖件等较简单的方式来解决其薄弱问题,因此可以不必单独进行优化。
在一些实施例中,若该第二设计数据中存在相邻的两个区域,且相邻的两个区域中的其中一个区域的整体厚度与另一区域的整体厚度间的差异大于设定值,则生成提示信息,该提示信息用于提示相邻的两个区域适合设计成不同厚度的零部件,且两个区域交接的位置作为该不同厚度的零部件的搭接区;响应于基于该提示信息所作出的更新操作,更新车身的第二设计数据。
由此,通过第二设计数据能够进一步优化车身的框架设计。
S105,针对每一目标局部区域,构建该目标局部区域的局部拓扑域,以及根据该第二设计数据构建除目标局部区域外的其他区域的第二有限元模型,根据该局部拓扑域和该第二有限元模型得到第二车身模型。
S106,以预设的全局性能和/或目标局部区域对应的局部性能为优化约束,最小化拓扑域体积分数为优化目标,根据第二车身模型对该局部拓扑域进行拓扑优化。
针对每一目标局部区域,首先构建该目标局部区域的局部拓扑域,以及根据第二设计数据中除目标局部区域外的其他区域的设计数据,构建其他区域的第二有限元模型,根据目标局部区域的局部拓扑域和其他区域的第二有限元模型得到第二车身模型,然后将第二车身模型中的局部拓扑域作为优化对象,以预设的全局性能和/或目标局部区域对应的局部性能为优化约束,最小化拓扑域体积分数为优化目标,对第二车身模型中的局部拓扑域进行拓扑优化,得到该目标局部区域对应的拓扑优化结果。其中,拓扑域体积分数是指优化后的局部拓扑域的体积分数。
需要说明的是,在局部区域优化阶段的性能指标可以更加精细化,不仅包含步骤S103中相关的全局性能指标,还可以包括目标局部区域所对应的局部性能指标。例如,优化约束采用:刚度值≥对应的目标值,模态值≥对应的目标值,各碰撞等效静态工况性能≤参考车整车碰撞模型上各对应工况的柔度值,局部动刚度≥对应的目标值。
S107,根据每一目标局部区域的拓扑优化结果,得到车身的第三设计数据。
经过对每一目标局部区域的拓扑优化结果,局部关键传力路径得到确定,进而使得车身的结构设计进一步完善。
根据车身的第二设计数据,以及每一目标局部区域的拓扑优化结果,可以得到第三设计数据。
S108,确定该第三设计数据中涉及的多个目标零部件的设计参数的取值,得到车身的目标设计数据,该设计参数包括目标零部件的料厚参数和/或材料参数。
在一些实施例中,对该第三设计数据中涉及的多个目标零部件的设计参数的取值进行寻优,得到多个设计参数的最优取值,根据多个设计参数的最优取值得到车身的目标设计数据。
根据上述技术方案,首先对车身主体的全局拓扑域进行优化,得到车身的第一设计数据,再根据第一设计数据进行有限元建模,并以最小化质量分数为优化目标对有限元模型进行优化,得到车身的第二设计数据,根据第一设计数据与第二设计数据间的对比,识别薄弱的目标局部区域,再针对每一目标局部区域,分别构建局部拓扑域进行拓扑优化,根据每一目标局部区域的拓扑优化结果得到第三设计数据,再进一步确定第三设计数据中涉及的多个目标零部件的设计参数的取值,最终得到车身的目标设计数据。由此实现了对车身从“全局”到“局部”的多层级拓扑优化,即先从全局整体优化车身关键框架,再识别薄弱的局部区域,对薄弱的局部区域再进行结构优化,最终达到轻量化设计的目的。
图2示出了一示例性实施例中的步骤S102的实施方式的流程图,如图2所示,步骤S102包括以下步骤:
S201,根据第一车身模型构建用于NVH学科的第三车身模型,以及根据第一车身模型构建用于碰撞学科的第四车身模型。
在一些实施例中,在第一车身模型的基础上添加电池包模型,将电池包模型处理为超单元子模型,并将电池包模型与第一车身模型间的螺栓连接点处理为超单元边界节点,得到用于NVH学科的第三车身模型。
在一些实施例中,在第一车身模型的基础上,将电驱系统外壳进行刚化处理,将包括悬架系统、闭合件系统、座椅系统和转向系统在内的关键子系统进行配重,得到初步处理模型,然后添加电池包模型,并将电池包模型分为托盘部分和除托盘部分外的其他部分,将托盘部分的模型与初步处理模型进行螺栓连接,将其他部分的模型通过配重进行等效,等效后使得电池包质量和惯量与电池包模型一致,得到用于碰撞学科的第四车身模型。
可以理解的,电池包是车身的重要组成,电池包模组之间连接关系众多且模组规模大,严重阻碍了优化迭代的计算速度,为提升计算速度并兼顾计算精度,对于NVH学科和碰撞学科,在第一车身模型的基础上,对电池包模型分别进行特殊化处理,得到第三车身模型和第四车身模型。
S202,针对NVH学科下预设的每一工况,对第三车身模型加载该工况,基于所加载的工况对第三车身模型中的全局拓扑域进行拓扑优化,得到拓扑优化过程中的最大柔度值和最小柔度值。
例如,针对NVH学科下的弯扭刚度工况,对第三车身模型分别加载弯曲刚度工况和扭转刚度工况,基于所加载的工况对第三车身模型中的全局拓扑域进行拓扑优化,得到弯曲刚度工况在拓扑优化过程中的最大柔度值和最小柔度值,和扭转刚度工况在拓扑优化过程中的最大柔度值和最小柔度值。
S203,针对碰撞学科下预设的每一工况,对第四车身模型加载该工况,基于所加载的工况对第四车身模型中的全局拓扑域进行拓扑优化,得到拓扑优化过程中的最大柔度值和最小柔度值。
需要说明的是,车身在碰撞过程中出现的结构变形是高度非线性过程,因此需要将非线性问题转为线性问题进行等效处理,故针对碰撞工况,如正碰、顶压、侧碰、追尾碰等,采用等效静态载荷法进行处理,将碰撞的动态工况转为等效静态工况。
在本公开提供的等效静态载荷处理方法中,先对参考车整车碰撞模型进行对应碰撞工况的仿真分析,并将碰撞的非线性过程分解为多段等效线性过程,针对每段等效线性过程,提取参考车整车碰撞模型中各关键截面的位移-碰撞力曲线,即位移S与碰撞力F的曲线F(S),然后针对每一关键截面的位移-碰撞力曲线,确定该位移-碰撞力曲线中的碰撞力峰值对应的峰值起始位移和峰值结束位移,根据该位移-碰撞力曲线进行从峰值起始位移到峰值结束位移的积分,得到该关键截面的局部有效碰撞力,由此得到每段线性过程中各个关键截面对应的局部有效碰撞力。
其中,S1、S2分别为碰撞力峰值对应的峰值起始位移和峰值结束位移。
在获得局部有效碰撞力后,将每段线性过程中的各个关键截面对应的局部有效碰撞力加载到第四车身模型的对应截面上。随后以优化后的拓扑域体积分数小于或等于第二预设阈值作为优化约束,以最小化柔度值作为优化目标,对第四车身模型中的全局拓扑域进行拓扑优化。其中,第二预设阈值可以取0.2。
在一些实施例中,按照相同方式将每段线性过程中的各个关键截面对应的局部有效碰撞力加载到参考车整车碰撞模型的对应截面上,得到各等效静态工况的柔度值。
需要说明的是,常规的等效静态载荷处理方法中,通常基于时间与碰撞力的曲线,取其中的碰撞力峰值作为截面力,由于碰撞力峰值是一个瞬态值,取瞬态情况下的最值会导致取值较实际偏大,而本公开提供的等效静态载荷处理方法中,通过对碰撞力峰值附近的位移-碰撞力曲线进行积分,取的是碰撞力峰值附近的局部有效碰撞力作为截面力,等效处理方法不同,且取值较常规方法更加合适。
S204,根据多个工况分别对应的最大柔度值和最小柔度值,对该全局拓扑域再次进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据。
需要说明的是,由于载荷不同,各单一工况得到的拓扑优化结果往往差异较大,且不能兼顾到其他工况的性能需求,需要进一步进行多工况拓扑优化以满足所有性能需求。因此根据之前步骤所得的多个工况分别对应的最大柔度值和最小柔度值,以优化后的拓扑域体积分数小于或等于第三预设阈值作为优化约束,以最小化柔度值作为优化目标,对该全局拓扑域再次进行拓扑优化,从而根据拓扑优化结果得到车身的第一设计数据。其中,第三预设阈值可以取0.2。
示例性地,此处需要最小化的柔度值是根据多个工况对应的柔度值进行加权得到。例如,以下述表达式作为优化目标:
其中,x是该全局拓扑域中的优化对象,m是工况总数,wk是第k个工况对应的影响系数;q是惩罚因子,在一些实施例中,q可以取3;Ck(x)是第k个工况对应的柔度值,分别是第k个工况对应的最大柔度值和最小柔度值,由步骤S202~S203获得。
通过上述技术方案,针对NVH学科和碰撞学科分别构建不同的车身模型,并先对车身模型中的全局拓扑域进行单工况拓扑优化,再根据单工况拓扑优化所得的结果,即各个工况对应的最大柔度值和最小柔度值,进一步进行多工况拓扑优化,使得最终拓扑优化结果能够兼顾到所有工况的性能需求,从而得到满足多个工况性能的第一设计数据。
在一些实施例中,在得到车身的第三设计数据后,首先从第三设计数据涉及的各个零部件筛选出多个目标零部件,再对筛选出的多个目标零部件的设计参数的取值进行寻优,以得到多个设计参数的最优取值。
在一些实施例中,可以通过如下方式筛选出目标零部件:根据第三设计数据涉及的车身上的各个零部件,排除质量低于预设重量的零部件,如质量低于0.2kg的零部件;针对排除质量低于预设重量的零部件后的剩余零部件,确定每一剩余零部件的厚度对性能的直接灵敏度,排除直接灵敏度按降序排序在前的零部件,即排除直接灵敏度过大的零部件,例如侧围外板等;针对排除直接灵敏度排序在前的零部件后的剩余零部件,确定每一剩余零部件的厚度对性能的相对灵敏度,选取相对灵敏度按降序排序在后的零部件,作为目标零部件。其中,各个零部件的质量在此前的设计阶段预先具有初始值。
容易理解的是,本公开实施例通过对车身上各个零部件进行灵敏度分析,从而确定车身结构中对性能相对不敏感但对重量较敏感的零部件,使得能够以较小的结构改动获得车身重量明显下降,实现有效的车身结构轻量化。
通过上述技术方案筛选出的零部件,其厚度对性能影响较为显著,其设计参数一方面是厚度参数,同时,材料牌号也对性能和生产成本均有影响,例如,同样是钢材,普通钢和加强钢在性能和成本上存在差异,因此可将材料参数也作为设计参数。
图3示出了一示例性实施例中的步骤S108的实施方式的流程图,图3所示流程为对第三设计数据中涉及的多个目标零部件的设计参数的取值进行寻优的过程。如图3所示,步骤S108包括以下步骤:
S301,确定初始的多个参数序列,每一参数序列中包括多个目标零部件的设计参数的取值。
在一些实施例中,可以通过优化拉丁方实验设计方法生成初始的多个参数序列,初始的多个参数序列的数量可以为2N+1,N为设计参数的数量,使得初始的多个参数序列的数量不会过少,导致构建的代理模型的精度较差,也不会过多,导致计算复杂度增加。
S302,确定每一参数序列对应的输出响应,该输出响应包括车身的多个性能指标和成本。
在一些实施例中,根据第三设计数据构建车身结构模型,针对每一参数序列,根据该车身结构模型,可以确定每一参数序列所对应的多个性能指标。
在一些实施例中,构建成本模型K,K=KM-KE,其中,KM为材料成本,KE为减重提升电池利用率进而带来的续航里程增加所得的收益。根据该成本模型,可以确定每一参数序列所对应的成本。
S303,根据多个参数序列及其输出响应确定代理模型,该代理模型是表征参数序列与输出响应之间的映射关系的数学模型。
对于初始的多个参数序列,根据初始的多个参数序列及其输出响应构造代理模型,对于迭代过程中所构造的多个新的参数序列,根据多个新的参数序列及其输出响应更新代理模型。
S304,以多个性能指标满足对应的性能目标作为优化约束,最小化成本作为优化目标,根据该代理模型对多个设计参数的取值进行优化,得到最优解序列。
其中,该最优解序列中包括多个设计参数的最优取值。需要说明的是,此处的最优取值可能只是局部最优解,在优化未达到收敛的情况下,可以进一步对多个设计参数的取值进行迭代优化,以寻找全局最优解。
S305,在优化未达到收敛的情况下,针对每一设计参数,根据该代理模型确定该设计参数对应的信赖域,根据该信赖域确定该设计参数的新的取值,其中,信赖域表示设计参数的取值范围。
在一些实施例中,为兼顾优化的质量和效率,可以设置以下收敛准则:
近似精度收敛准则:在多个性能指标满足对应的性能目标的约束条件,且最后两次迭代中性能指标的改善程度低于第四预设阈值的情况下,若代理模型的近似精度达到第一预设阈值,则认为优化达到收敛。其中,第四预设阈值可以设置为0.01,第一预设阈值可以设置为96%。
最大迭代次数准则:根据单个参数序列的输出响应分析周期和规划的迭代优化总时间,确定迭代优化的最大迭代步,若当前达到最大迭代步,则认为优化达到收敛。其中,最大迭代步可以设置为150。
在满足上述任一收敛准则的情况下,可以确定优化达到收敛,反之若上述两个收敛准均不满足,则确定优化未达到收敛。
在优化未达到收敛的情况下,针对每一设计参数,可以通过如下方式来确定该设计参数对应的信赖域:确定代理模型的近似精度,若近似精度小于或等于第一预设阈值,则扩大该设计参数的信赖域,若近似精度大于第一预设阈值,则缩小该设计参数的信赖域。
例如,对于某一目标零部件的料厚参数,其初始取值范围为0.9~1.2mm,初始取值为1mm,若代理模型的近似精度小于或等于第一预设阈值,则扩大该料厚参数的信赖域,则其取值范围可能变化为0.6~2mm。
S306,根据每一设计参数的新的取值构造多个新的参数序列,并根据该多个新的参数序列跳转至步骤S302。
S307,在优化达到收敛的情况下,根据当前的最优解序列得到多个目标零部件的设计参数的最优取值。
在优化达到收敛的情况下,可以输出当前的最优解序列,从而根据该最优解序列得到第三设计数据中涉及的多个目标零部件的料厚参数/材料参数的最优取值,从而根据这些料厚参数/材料参数的最优取值,得到车身的目标设计数据。
通过上述技术方案,基于动态代理模型提高设计参数取值的优化效率。与静态代理模型相比,静态代理模型仅通过单次采点来构造代理模型,为保证其精度,通常需要在设计空间内单次采集较多样本点,一个样本点即指前文中的一个参数序列,采集一个样本点即指构造一个参数序列,因此静态代理模型的方案会增加车身结构模型的调用次数,而且对复杂工况的仿真分析十分耗时,这限制了优化效率的进一步提升。而动态代理模型,可以选取较少的初始样本点,然后在优化过程中根据迭代信息新增样本点,以更新代理模型,这种代理模型的构造策略能够有效减少车身结构模型的调用次数,提高参数优化的搜索效率,使整车级碰撞工况参与优化成为可能。
综上所述,本公开提供的车身优化方法与相关技术中的车身轻量化方法相比,至少具有以下优点:
在设计阶段对车身结构开展从“全局”到“局部”的多层级拓扑优化,即先从全局整体优化车身关键框架,再识别薄弱的局部区域,对薄弱的局部区域进一步进行结构优化,拓扑优化的性能考虑充分,得到的关键传力路径(包括全局关键传力路径和局部关键传力路径)高效且准确;而且,在对车身零部件的料厚和材料参数进行优化时,不仅考虑质量上的轻量化设计,同时兼顾不同材料价格差异所带来的成本变化,尤其对于混合材料的车型,更能体现车身设计方案的性价比;而且,采用动态代理模型尽可能减少采样次数,极大提升参数的优化效率,实现车身结构高效研发。
图4示出了一示例性实施例中的车身优化装置的框图,请参照图4,车身优化装置400包括:
第一模型构建模块401,用于构建车身主体的全局拓扑域,根据所述全局拓扑域构建第一车身模型;
第一全局优化模块402,用于根据所述第一车身模型对所述全局拓扑域进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据;
第二全局优化模块403,用于根据所述第一设计数据构建第一有限元模型,并以预设的全局性能为优化约束,最小化质量分数为优化目标,对所述第一有限元模型进行优化,得到车身的第二设计数据;
局部区域筛选模块404,用于确定所述第二设计数据中相较所述第一设计数据增厚的目标局部区域;
第二模型构建模块405,用于针对每一目标局部区域,构建所述目标局部区域的局部拓扑域,以及根据所述第二设计数据构建除所述目标局部区域外的其他区域的第二有限元模型,根据所述局部拓扑域和所述第二有限元模型得到第二车身模型;
局部优化模块406,用于以预设的全局性能和/或所述目标局部区域对应的局部性能为优化约束,最小化拓扑域体积分数为优化目标,根据所述第二车身模型对所述局部拓扑域进行拓扑优化;根据每一目标局部区域的拓扑优化结果,得到车身的第三设计数据;
参数确定模块407,用于确定所述第三设计数据中涉及的多个目标零部件的设计参数的取值,得到车身的目标设计数据,所述设计参数包括目标零部件的料厚参数和/或材料参数。
在一些实施例中,第一全局优化模块402包括:
车身模型构建子模块,用于根据所述第一车身模型构建用于NVH学科的第三车身模型,以及根据所述第一车身模型构建用于碰撞学科的第四车身模型;
单工况优化子模块,用于针对NVH学科下预设的每一工况,对所述第三车身模型加载所述工况,基于所加载的工况对所述第三车身模型中的所述全局拓扑域进行拓扑优化,得到拓扑优化过程中的最大柔度值和最小柔度值;以及用于针对碰撞学科下预设的每一工况,对所述第四车身模型加载所述工况,基于所加载的工况对所述第四车身模型中的所述全局拓扑域进行拓扑优化,得到拓扑优化过程中的最大柔度值和最小柔度值;
多工况优化子模块,用于根据多个工况分别对应的最大柔度值和最小柔度值,对所述全局拓扑域再次进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据。
在一些实施例中,单工况优化子模块包括碰撞工况加载模块,该碰撞工况加载模块包括:
参考车仿真单元,用于针对碰撞工况,对参考车整车碰撞模型进行对应碰撞工况的仿真分析,并将碰撞的非线性过程分解为多段等效线性过程;
曲线提取单元,用于针对每段等效线性过程,提取所述参考车整车碰撞模型中各关键截面的位移-碰撞力曲线;
位移确定单元,用于确定所述位移-碰撞力曲线中的碰撞力峰值对应的峰值起始位移和峰值结束位移;
碰撞力确定单元,用于根据所述位移-碰撞力曲线进行从所述峰值起始位移到所述峰值结束位移的积分,得到所述关键截面的局部有效碰撞力;
碰撞力加载单元,用于将每段线性过程中各关键截面对应的所述局部有效碰撞力加载到所述第四车身模型的对应截面上。
在一些实施例中,车身模型构建子模块用于,在所述第一车身模型的基础上添加电池包模型,将所述电池包模型处理为超单元子模型,并将所述电池包模型与所述第一车身模型间的螺栓连接点处理为超单元边界节点,得到用于NVH学科的第三车身模型。
在一些实施例中,车身模型构建子模块用于,在所述第一车身模型的基础上,将电驱系统外壳进行刚化处理,将包括悬架系统、闭合件系统、座椅系统和转向系统在内的关键子系统进行配重,得到初步处理模型;添加电池包模型,并将所述电池包模型分为托盘部分和除托盘部分外的其他部分,将所述托盘部分的模型与所述初步处理模型进行螺栓连接,将所述其他部分的模型通过配重进行等效,等效后使得电池包质量和惯量与所述电池包模型一致,得到用于碰撞学科的第四车身模型。
在一些实施例中,车身优化装置400还包括:
提示模块,用于在所述第二设计数据中存在相邻的两个区域,且相邻的两个区域中的其中一个区域的整体厚度与另一区域的整体厚度间的差异大于设定值时,生成提示信息,所述提示信息用于提示所述相邻的两个区域适合设计成不同厚度的零部件,且两个区域交接的位置作为该不同厚度的零部件的搭接区;
更新模块,用于响应于基于所述提示信息所作出的更新操作,更新所述第二设计数据。
在一些实施例中,参数确定模块407包括:
初始序列确定子模块,用于确定初始的多个参数序列,每一所述参数序列中包括所述多个目标零部件的设计参数的取值;
输出响应确定子模块,用于确定每一所述参数序列对应的输出响应,所述输出响应包括车身的多个性能指标和成本,所述成本包括材料成本与续航里程增加所得的收益的差;
代理模型确定子模块,用于根据所述多个参数序列及其输出响应确定代理模型,所述代理模型是表征参数序列与输出响应之间的映射关系的数学模型;
参数寻优子模块,用于以所述多个性能指标满足对应的性能目标作为优化约束,最小化成本作为优化目标,根据所述代理模型对多个所述设计参数的取值进行优化,得到最优解序列;
最优取值确定子模块,用于在优化达到收敛的情况下,根据当前的最优解序列得到所述多个目标零部件的设计参数的最优取值。
在一些实施例中,参数确定模块407还包括:
信赖域确定子模块,用于在优化未达到收敛的情况下,针对每一所述设计参数,根据所述代理模型确定所述设计参数对应的信赖域,根据所述信赖域确定所述设计参数的新的取值,其中,所述信赖域表示所述设计参数的取值范围;
序列构造子模块,用于根据每一所述设计参数的新的取值构造多个新的参数序列,并根据所述多个新的参数序列跳转至所述确定每一所述参数序列对应的输出响应的步骤,直至优化达到收敛。
在一些实施例中,信赖域确定子模块用于,确定所述代理模型的近似精度,若所述近似精度小于或等于第一预设阈值,则扩大所述设计参数的信赖域,若所述近似精度大于所述第一预设阈值,则缩小所述设计参数的信赖域。
在一些实施例中,车身优化装置400还包括:
第一排除模块,用于根据所述第三设计数据涉及的车身上的各个零部件,排除质量低于预设重量的零部件;
第二排除模块,用于针对排除质量低于预设重量的零部件后的剩余零部件,确定每一剩余零部件的厚度对性能的直接灵敏度,排除直接灵敏度按降序排序在前的零部件;
零部件筛选模块,用于针对排除直接灵敏度排序在前的零部件后的剩余零部件,确定每一剩余零部件的厚度对性能的相对灵敏度,选取相对灵敏度按降序排序在后的零部件,作为目标零部件。
关于上述实施例中的车身优化装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的车身优化方法的步骤。
图5是根据一示例性实施例示出的一种电子设备的框图。例如,电子设备500可以被提供为一台式计算机、笔记本电脑、服务器等。参照图5,电子设备500包括处理组件522,其进一步包括一个或多个处理器,以及由存储器532所代表的存储器资源,用于存储可由处理组件522的执行的指令,例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的、每一个对应于一组指令的模块。此外,处理组件522被配置为执行指令,以执行上述车身优化方法。
电子设备500还可以包括:被配置为执行电子设备500的电源管理的电源组件526,被配置为将电子设备500连接到网络的有线或无线网络接口550,和输入/输出接口558。电子设备500可以操作存储在存储器532的操作系统。在示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的车身优化方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (13)
1.一种车身优化方法,其特征在于,包括:
构建车身主体的全局拓扑域,根据所述全局拓扑域构建第一车身模型;
根据所述第一车身模型对所述全局拓扑域进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据;
根据所述第一设计数据构建第一有限元模型,并以预设的全局性能为优化约束,最小化质量分数为优化目标,对所述第一有限元模型进行优化,得到车身的第二设计数据;
确定所述第二设计数据中相较所述第一设计数据增厚的目标局部区域;
针对每一目标局部区域,构建所述目标局部区域的局部拓扑域,以及根据所述第二设计数据构建除所述目标局部区域外的其他区域的第二有限元模型,根据所述局部拓扑域和所述第二有限元模型得到第二车身模型;
以预设的全局性能和/或所述目标局部区域对应的局部性能为优化约束,最小化拓扑域体积分数为优化目标,根据所述第二车身模型对所述局部拓扑域进行拓扑优化;
根据每一目标局部区域的拓扑优化结果,得到车身的第三设计数据;
确定所述第三设计数据中涉及的多个目标零部件的设计参数的取值,得到车身的目标设计数据,所述设计参数包括目标零部件的料厚参数和/或材料参数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一车身模型对所述全局拓扑域进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据,包括:
根据所述第一车身模型构建用于NVH学科的第三车身模型,以及根据所述第一车身模型构建用于碰撞学科的第四车身模型;
针对NVH学科下预设的每一工况,对所述第三车身模型加载所述工况,基于所加载的工况对所述第三车身模型中的所述全局拓扑域进行拓扑优化,得到拓扑优化过程中的最大柔度值和最小柔度值;
针对碰撞学科下预设的每一工况,对所述第四车身模型加载所述工况,基于所加载的工况对所述第四车身模型中的所述全局拓扑域进行拓扑优化,得到拓扑优化过程中的最大柔度值和最小柔度值;
根据多个工况分别对应的最大柔度值和最小柔度值,对所述全局拓扑域再次进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据。
3.根据权利要求2所述的方法,其特征在于,所述针对碰撞学科下预设的每一工况,对所述第四车身模型加载所述工况,包括:
针对碰撞工况,对参考车整车碰撞模型进行对应碰撞工况的仿真分析,并将碰撞的非线性过程分解为多段等效线性过程;
针对每段等效线性过程,提取所述参考车整车碰撞模型中各关键截面的位移-碰撞力曲线;
确定所述位移-碰撞力曲线中的碰撞力峰值对应的峰值起始位移和峰值结束位移;
根据所述位移-碰撞力曲线进行从所述峰值起始位移到所述峰值结束位移的积分,得到所述关键截面的局部有效碰撞力;
将每段线性过程中各关键截面对应的所述局部有效碰撞力加载到所述第四车身模型的对应截面上。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第一车身模型构建用于NVH学科的第三车身模型,包括:
在所述第一车身模型的基础上添加电池包模型,将所述电池包模型处理为超单元子模型,并将所述电池包模型与所述第一车身模型间的螺栓连接点处理为超单元边界节点,得到用于NVH学科的第三车身模型。
5.根据权利要求2所述的方法,其特征在于,所述根据所述第一车身模型构建用于碰撞学科的第四车身模型,包括:
在所述第一车身模型的基础上,将电驱系统外壳进行刚化处理,将包括悬架系统、闭合件系统、座椅系统和转向系统在内的关键子系统进行配重,得到初步处理模型;
添加电池包模型,并将所述电池包模型分为托盘部分和除托盘部分外的其他部分,将所述托盘部分的模型与所述初步处理模型进行螺栓连接,将所述其他部分的模型通过配重进行等效,等效后使得电池包质量和惯量与所述电池包模型一致,得到用于碰撞学科的第四车身模型。
6.根据权利要求1所述的方法,其特征在于,在得到车身的第二设计数据之后,所述方法还包括:
若所述第二设计数据中存在相邻的两个区域,且相邻的两个区域中的其中一个区域的整体厚度与另一区域的整体厚度间的差异大于设定值,则生成提示信息,所述提示信息用于提示所述相邻的两个区域适合设计成不同厚度的零部件,且两个区域交接的位置作为该不同厚度的零部件的搭接区;
响应于基于所述提示信息所作出的更新操作,更新所述第二设计数据。
7.根据权利要求1~6中任一项所述的方法,其特征在于,所述确定所述第三设计数据中涉及的多个目标零部件的设计参数的取值,包括:
确定初始的多个参数序列,每一所述参数序列中包括所述多个目标零部件的设计参数的取值;
确定每一所述参数序列对应的输出响应,所述输出响应包括车身的多个性能指标和成本,所述成本包括材料成本与续航里程增加所得的收益的差;
根据所述多个参数序列及其输出响应确定代理模型,所述代理模型是表征参数序列与输出响应之间的映射关系的数学模型;
以所述多个性能指标满足对应的性能目标作为优化约束,最小化成本作为优化目标,根据所述代理模型对多个所述设计参数的取值进行优化,得到最优解序列;
在优化达到收敛的情况下,根据当前的最优解序列得到所述多个目标零部件的设计参数的最优取值。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
在优化未达到收敛的情况下,针对每一所述设计参数,根据所述代理模型确定所述设计参数对应的信赖域,根据所述信赖域确定所述设计参数的新的取值,其中,所述信赖域表示所述设计参数的取值范围;
根据每一所述设计参数的新的取值构造多个新的参数序列,并根据所述多个新的参数序列跳转至所述确定每一所述参数序列对应的输出响应的步骤,直至优化达到收敛。
9.根据权利要求8所述的方法,其特征在于,所述根据所述代理模型确定所述设计参数对应的信赖域,包括:
确定所述代理模型的近似精度;
若所述近似精度小于或等于第一预设阈值,则扩大所述设计参数的信赖域,若所述近似精度大于所述第一预设阈值,则缩小所述设计参数的信赖域。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述第三设计数据涉及的车身上的各个零部件,排除质量低于预设重量的零部件;
针对排除质量低于预设重量的零部件后的剩余零部件,确定每一剩余零部件的厚度对性能的直接灵敏度,排除直接灵敏度按降序排序在前的零部件;
针对排除直接灵敏度排序在前的零部件后的剩余零部件,确定每一剩余零部件的厚度对性能的相对灵敏度,选取相对灵敏度按降序排序在后的零部件,作为目标零部件。
11.一种车身优化装置,其特征在于,包括:
第一模型构建模块,用于构建车身主体的全局拓扑域,根据所述全局拓扑域构建第一车身模型;
第一全局优化模块,用于根据所述第一车身模型对所述全局拓扑域进行拓扑优化,根据拓扑优化结果得到车身的第一设计数据;
第二全局优化模块,用于根据所述第一设计数据构建第一有限元模型,并以预设的全局性能为优化约束,最小化质量分数为优化目标,对所述第一有限元模型进行优化,得到车身的第二设计数据;
局部区域筛选模块,用于确定所述第二设计数据中相较所述第一设计数据增厚的目标局部区域;
第二模型构建模块,用于针对每一目标局部区域,构建所述目标局部区域的局部拓扑域,以及根据所述第二设计数据构建除所述目标局部区域外的其他区域的第二有限元模型,根据所述局部拓扑域和所述第二有限元模型得到第二车身模型;
局部优化模块,用于以预设的全局性能和/或所述目标局部区域对应的局部性能为优化约束,最小化拓扑域体积分数为优化目标,根据所述第二车身模型对所述局部拓扑域进行拓扑优化;根据每一目标局部区域的拓扑优化结果,得到车身的第三设计数据;
参数确定模块,用于确定所述第三设计数据中涉及的多个目标零部件的设计参数的取值,得到车身的目标设计数据,所述设计参数包括目标零部件的料厚参数和/或材料参数。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1~10中任一项所述方法的步骤。
13.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述存储器中存储的指令,以实现权利要求1~10中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310318669.4A CN116306156B (zh) | 2023-03-28 | 2023-03-28 | 车身优化方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310318669.4A CN116306156B (zh) | 2023-03-28 | 2023-03-28 | 车身优化方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116306156A true CN116306156A (zh) | 2023-06-23 |
CN116306156B CN116306156B (zh) | 2023-09-19 |
Family
ID=86785003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310318669.4A Active CN116306156B (zh) | 2023-03-28 | 2023-03-28 | 车身优化方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116306156B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057041A (zh) * | 2023-08-16 | 2023-11-14 | 小米汽车科技有限公司 | 车身的横梁的优化方法、装置及车身 |
CN117057042A (zh) * | 2023-08-16 | 2023-11-14 | 小米汽车科技有限公司 | 汽车结构的多学科性能的设计优化方法和装置 |
CN117077287A (zh) * | 2023-08-16 | 2023-11-17 | 小米汽车科技有限公司 | 车身大型压铸件优化方法和装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070208443A1 (en) * | 2003-10-15 | 2007-09-06 | Rieter Technologies Ag. | Method For Determining Optimal Damping Treatments Layouts And Panel Shape Layouts |
US20140156229A1 (en) * | 2012-12-03 | 2014-06-05 | Caterpillar Inc. | Fatigue-based topology optimization method and tool |
CN107832570A (zh) * | 2017-12-14 | 2018-03-23 | 重庆长安汽车股份有限公司 | 车身结构轻量化优化方法 |
CN107944172A (zh) * | 2017-12-05 | 2018-04-20 | 湘潭大学 | 基于流体拓扑优化的发动机进气歧管设计方法 |
CN109063357A (zh) * | 2018-08-15 | 2018-12-21 | 大连理工大学 | 基于拓扑优化的自适应多步变域的汽车构件焊点布局优化方法 |
CN109740286A (zh) * | 2019-01-21 | 2019-05-10 | 北京工业大学 | 一种混合优化bp神经网络的湖泊水质预测模型构建方法 |
CN110046424A (zh) * | 2019-04-12 | 2019-07-23 | 北京工业大学 | 一种基于全局化求解策略的疲劳结构拓扑优化设计方法 |
CN110826275A (zh) * | 2019-10-31 | 2020-02-21 | 清华大学 | 车辆前舱罩盖设计参数的优化方法 |
CN111639392A (zh) * | 2020-05-15 | 2020-09-08 | 南京依维柯汽车有限公司 | 一种基于白车身主断面变形刚度控制的结构改装设计方法 |
DE102019124018A1 (de) * | 2019-09-06 | 2021-03-11 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zum Optimieren von Tests von Regelsystemen für automatisierte Fahrdynamiksysteme |
US10983532B1 (en) * | 2017-08-03 | 2021-04-20 | University Of South Florida | Distributed control of heterogeneous multi-agent systems |
CN113537664A (zh) * | 2020-04-15 | 2021-10-22 | 杭州海康威视数字技术股份有限公司 | 确定车辆的方法、装置和系统 |
CN115169004A (zh) * | 2022-07-14 | 2022-10-11 | 东风汽车集团股份有限公司 | 一种提升白车身动刚度的优化设计方法和系统及介质 |
CN115221602A (zh) * | 2021-08-03 | 2022-10-21 | 广州汽车集团股份有限公司 | 基于多工况拓扑优化的车身设计方法、装置及存储介质 |
CN218505982U (zh) * | 2022-11-18 | 2023-02-21 | 小米汽车科技有限公司 | 车身后部结构及车辆 |
-
2023
- 2023-03-28 CN CN202310318669.4A patent/CN116306156B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070208443A1 (en) * | 2003-10-15 | 2007-09-06 | Rieter Technologies Ag. | Method For Determining Optimal Damping Treatments Layouts And Panel Shape Layouts |
US20140156229A1 (en) * | 2012-12-03 | 2014-06-05 | Caterpillar Inc. | Fatigue-based topology optimization method and tool |
US10983532B1 (en) * | 2017-08-03 | 2021-04-20 | University Of South Florida | Distributed control of heterogeneous multi-agent systems |
CN107944172A (zh) * | 2017-12-05 | 2018-04-20 | 湘潭大学 | 基于流体拓扑优化的发动机进气歧管设计方法 |
CN107832570A (zh) * | 2017-12-14 | 2018-03-23 | 重庆长安汽车股份有限公司 | 车身结构轻量化优化方法 |
CN109063357A (zh) * | 2018-08-15 | 2018-12-21 | 大连理工大学 | 基于拓扑优化的自适应多步变域的汽车构件焊点布局优化方法 |
CN109740286A (zh) * | 2019-01-21 | 2019-05-10 | 北京工业大学 | 一种混合优化bp神经网络的湖泊水质预测模型构建方法 |
CN110046424A (zh) * | 2019-04-12 | 2019-07-23 | 北京工业大学 | 一种基于全局化求解策略的疲劳结构拓扑优化设计方法 |
DE102019124018A1 (de) * | 2019-09-06 | 2021-03-11 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zum Optimieren von Tests von Regelsystemen für automatisierte Fahrdynamiksysteme |
CN110826275A (zh) * | 2019-10-31 | 2020-02-21 | 清华大学 | 车辆前舱罩盖设计参数的优化方法 |
CN113537664A (zh) * | 2020-04-15 | 2021-10-22 | 杭州海康威视数字技术股份有限公司 | 确定车辆的方法、装置和系统 |
CN111639392A (zh) * | 2020-05-15 | 2020-09-08 | 南京依维柯汽车有限公司 | 一种基于白车身主断面变形刚度控制的结构改装设计方法 |
CN115221602A (zh) * | 2021-08-03 | 2022-10-21 | 广州汽车集团股份有限公司 | 基于多工况拓扑优化的车身设计方法、装置及存储介质 |
CN115169004A (zh) * | 2022-07-14 | 2022-10-11 | 东风汽车集团股份有限公司 | 一种提升白车身动刚度的优化设计方法和系统及介质 |
CN218505982U (zh) * | 2022-11-18 | 2023-02-21 | 小米汽车科技有限公司 | 车身后部结构及车辆 |
Non-Patent Citations (3)
Title |
---|
乔鑫;刘莹;夏天;鄂世国;杨建森;: "全铝车身前纵梁耐撞性与轻量化优化方法", 汽车工程学报, no. 03 * |
叶爽;刘强;黄坤兰;范力中;王杰;: "基于OSF和RSM的轻轨独立轮轴桥优化设计", 机械强度, no. 03 * |
陈立娜;张维刚;: "基于Kriging模型的发动机罩多目标优化设计", 中国机械工程, no. 22 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057041A (zh) * | 2023-08-16 | 2023-11-14 | 小米汽车科技有限公司 | 车身的横梁的优化方法、装置及车身 |
CN117057042A (zh) * | 2023-08-16 | 2023-11-14 | 小米汽车科技有限公司 | 汽车结构的多学科性能的设计优化方法和装置 |
CN117077287A (zh) * | 2023-08-16 | 2023-11-17 | 小米汽车科技有限公司 | 车身大型压铸件优化方法和装置 |
CN117057042B (zh) * | 2023-08-16 | 2024-04-02 | 小米汽车科技有限公司 | 汽车结构的多学科性能的设计优化方法和装置 |
CN117057041B (zh) * | 2023-08-16 | 2024-04-30 | 小米汽车科技有限公司 | 车身的横梁的优化方法、装置及车身 |
Also Published As
Publication number | Publication date |
---|---|
CN116306156B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116306156B (zh) | 车身优化方法、装置、存储介质及电子设备 | |
Donders et al. | A reduced beam and joint concept modeling approach to optimize global vehicle body dynamics | |
Farkas et al. | Optimisation study of a vehicle bumper subsystem with fuzzy parameters | |
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 | |
Rajasekaran et al. | Multi-Objective Optimization of Material Layout for Body-In-White using Design of Experiments. | |
Wang et al. | Contribution analysis of the cab-in-white for lightweight optimization employing a hybrid multi-criteria decision-making method under static and dynamic performance | |
Duan et al. | Thickness-based subdomian hybrid cellular automata algorithm for lightweight design of BIW under side collision | |
Mohan et al. | Improvements in vehicle stiffness by adding internal reinforcements | |
CN116562075B (zh) | 电池包结构设计方法、装置、终端和存储介质 | |
Liang et al. | Bus rollover crashworthiness under European standard: an optimal analysis of superstructure strength using successive response surface method | |
Pasquale et al. | A parametric metamodel of the vehicle frontal structure accounting for material properties and strain-rate effect: application to full frontal rigid barrier crash test | |
CN117057041A (zh) | 车身的横梁的优化方法、装置及车身 | |
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 | |
CN104834799A (zh) | 基于回收再利用的多材料车门选材方法 | |
Tebby et al. | Optimization of vehicle structure considering torsion stiffness using simple structural beam frame-approach | |
CN115270584B (zh) | 适用于新能源电动汽车电池托架的轻量化方法 | |
Truskin | The Application of Simplified Loadpath Models to Improve Body Structure Knowledge | |
Mayyas et al. | Eco-material selection for auto bodies | |
Mihaylova et al. | On the improvement of concept modeling of joints within simplified finite element models with application to structural dynamics | |
CN117057042B (zh) | 汽车结构的多学科性能的设计优化方法和装置 | |
CN111597630B (zh) | 一种接头选取方法、装置、设备及存储介质 | |
CN117708969A (zh) | 一种基于神经网络代理模型的车身零部件快速选材方法 | |
CN115422663B (zh) | 一种基于两阶段进化优化的汽车多胞结构吸能盒设计方法及系统 | |
Zhang et al. | Coach simplified structure modeling and optimization study based on the PBM method | |
CN110837681B (zh) | 一种金属结构优化设计方法 |
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 |