CN116361919A - 副车架数据的处理方法、装置、存储介质及电子设备 - Google Patents
副车架数据的处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116361919A CN116361919A CN202310348177.XA CN202310348177A CN116361919A CN 116361919 A CN116361919 A CN 116361919A CN 202310348177 A CN202310348177 A CN 202310348177A CN 116361919 A CN116361919 A CN 116361919A
- Authority
- CN
- China
- Prior art keywords
- subframe
- auxiliary frame
- target
- data
- subframe data
- 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
- 238000003672 processing method Methods 0.000 title description 3
- 230000004044 response Effects 0.000 claims abstract description 148
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims description 124
- 238000013461 design Methods 0.000 claims description 101
- 238000005457 optimization Methods 0.000 claims description 69
- 230000003068 static effect Effects 0.000 claims description 69
- 239000000725 suspension Substances 0.000 claims description 37
- 238000006073 displacement reaction Methods 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000013459 approach Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000002955 isolation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003466 welding Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003050 experimental design method Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—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
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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)
- Vehicle Body Suspensions (AREA)
Abstract
本公开涉及一种副车架数据的处理方法、装置、存储介质及电子设备，所述方法包括：获取多种副车架数据，不同副车架数据用于构造不同的副车架；计算根据所述副车架数据构造的副车架在目标工况下的响应指标，所述目标工况包括KC工况；确定响应指标最优的第一副车架数据；根据所述第一副车架数据构造目标副车架。上述技术方案在设计副车架时，还考虑了副车架在KC工况下的响应指标，即考虑了副车架对行驶性能的影响，有助于提升设计得到的副车架的行驶性能。
Description
技术领域
本公开涉及车辆技术领域，尤其涉及副车架数据的处理方法、装置、存储介质及电子设备。
背景技术
副车架可以看成是前后车桥的骨架，是前后车桥的组成部分，也是支承前后车桥、悬挂的支架，车桥、悬挂通过副车架与“正车架”相连。相关技术中，副车架设计时往往倾向于对模态、动刚度、强度等指标进行多学科设计优化。但是，这种方式的优化效果较为有限，因而通过这种方式设计得到的副车架的性能可能无法达到较优的状态。
发明内容
为克服相关技术中存在的问题，本公开提供一种副车架数据的处理方法、装置、存储介质及电子设备。
根据本公开实施例的第一方面，提供一种副车架数据的处理方法，包括：
获取多种副车架数据，不同副车架数据用于构造不同的副车架；
计算根据所述副车架数据构造的副车架在目标工况下的响应指标，所述目标工况包括KC工况；
确定响应指标最优的第一副车架数据；
根据所述第一副车架数据构造目标副车架。
可选地，所述确定响应指标最优的第一副车架数据，包括：
根据副车架数据，以及根据所述副车架数据构造的副车架的响应指标，建立代理模型，所述代理模型被配置为基于输入至所述代理模型的副车架数据，输出根据所述副车架数据构造的副车架的响应指标；
通过当前轮次的代理模型确定响应指标最优的第二副车架数据；
在当前轮次的代理模型收敛的情况下，将所述第二副车架数据作为所述第一副车架数据。
可选地，所述副车架数据基于副车架的主框架信息以及副车架的设计变量生成，所述确定响应指标最优的第一副车架数据，包括：
在当前轮次的代理模型未收敛的情况下，从所述设计变量的取值区间中确定兴趣区域；
在兴趣区域中确定多个设计变量的取值；
将各个取值与所述主框架信息组合，得到多个新增的副车架数据；
根据所述多个新增的副车架数据构造新的副车架；
计算所述新的副车架在所述目标工况下的响应指标；
通过所述新增的副车架数据，以及所述新的副车架在所述目标工况下的响应指标，对所述代理模型进行更新，得到新的代理模型。
可选地，包括：
将当前轮次的第二副车架数据所对应的响应指标作为第一响应指标，将当前轮次的前一轮次的第二副车架数据所对应的响应指标作为第二响应指标；在第一响应指标优于第一阈值指标，第一响应指标与第二响应指标的差值小于设定阈值，第一响应指标优于第二响应指标且当前轮次的代理模型的输出精度大于精度阈值时，确定所述代理模型收敛；或者，
获取当前轮次的轮次数，在所述轮次数大于轮次阈值时，确定所述代理模型收敛。
可选地，所述目标工况包括接附点静刚度分析工况、等效静刚度工况、模态分析工况、KC分析工况以及疲劳分析工况，所述计算根据所述副车架数据构造的副车架在目标工况下的响应指标，包括：
对副车架的各个接附点，将控制臂衬套的轴向作为X向，将控制臂的轴向方向作为Y向，并基于右手定则确定相对于所述X向和Y向的Z向，得到所述接附点处的局部坐标系，所述控制臂为连接所述副车架以及车辆悬架的控制臂；
沿所述局部坐标系的XYZ方向，分别加载设定的作用力，得到所述接附点的第一位移值，并将所述副车架作为刚性体，计算副车架的第二位移值；
根据所述第一位移值，所述第二位移值以及所述作用力的数值，计算所述接附点的静刚度，所述响应指标包括所述接附点的静刚度。
可选地，包括：
根据副车架的外围组件的位置信息，确定副车架的主框架的可行域；
从主框架的可行域中，确定在约束工况下的响应指标优于第二阈值指标，且主框架体积最小的目标主框架，得到主框架信息，所述约束工况包括静刚度分析工况、模态工况和等效静刚度分析工况；
所述获取多种副车架数据，包括：
将副车架的厚度作为设计变量，确定多种副车架的厚度；
将所述主框架信息和各种副车架的厚度组合，生成多种副车架数据。
可选地，所述从主框架的可行域中，确定在约束工况下的响应指标优于第二阈值指标，且主框架体积最小的目标主框架，包括：
从主框架的可行域中确定候选主框架；
为所述候选主框架设置接附点，得到副车架基础模型；
基于所述副车架基础模型，副车架与车身的连接关系，副车架与悬架的连接关系，建立包括与车身以及悬架的连接关系的副车架约束模型；
通过所述副车架约束模型进行接附点静刚度分析，得到接附点静刚度分析工况的响应指标；
通过所述副车架基础模型进行模态分析和等效静刚度分析，得到模态分析工况和等效静刚度分析工况的响应指标。
可选地，所述根据所述第一副车架数据构造目标副车架，包括：
确定副车架的多个设计变量；
从当前剩余的待优化的设计变量中确定对副车架性能影响最大的设计变量，得到目标设计变量；
以降低根据第一副车架数据构造的副车架的重量为目标，对当前的第一副车架数据中的目标设计变量进行优化，得到新的第一副车架数据，其中，根据所述新的第一副车架数据构造的副车架在约束工况下的响应指标优于第二阈值指标；
将最后一次优化得到的新的第一副车架数据作为目标副车架数据；
根据所述目标副车架数据构造目标副车架。
可选地，所述多个设计变量包括梁截面参数和减重孔参数，所述从当前剩余的待优化的设计变量中确定对副车架性能影响最大的设计变量，得到目标设计变量，包括：
将梁截面参数作为目标设计变量；
所述以降低根据第一副车架数据构造的副车架的重量为目标，对当前的第一副车架数据中的目标设计变量进行优化，得到新的第一副车架数据，包括：
对所述第一副车架进行有限元划分，得到划分结果；
将划分结果中梁截面所对应的节点作为梁截面参数，以副车架重量最小为优化目标，进行自由形状优化，得到新的第一副车架数据；
其中，所述节点被配置为可沿所述节点的法线方向在预设距离范围内收缩。
可选地，所述根据所述目标副车架数据构造目标副车架，包括：
根据所述目标副车架数据构造候选副车架；
通过典型强度分析工况确定所述候选副车架中强度值小于强度阈值的目标节点；
将目标节点的变形方向作为设计变量，将构造的副车架在典型强度分析工况下的应力值小于或等于副车架材料的屈服强度值作为约束条件，将副车架的质量最小作为优化目标，进行自由形状优化，得到新的目标副车架数据；
根据新的目标副车架数据构造目标副车架。
根据本公开实施例的第二方面，提供一种副车架数据的处理装置，包括：
第一获取模块，被配置为获取多种副车架数据，不同副车架数据用于构造不同的副车架；
第一计算模块，被配置为计算根据所述副车架数据构造的副车架在目标工况下的响应指标，所述目标工况包括KC工况；
第一确定模块，被配置为确定响应指标最优的第一副车架数据；
构造模块，被配置为根据所述第一副车架数据构造目标副车架。
可选地，所述第一确定模块，包括：
代理模型建立子模块，被配置为根据副车架数据，以及根据所述副车架数据构造的副车架的响应指标，建立代理模型，所述代理模型被配置为基于输入至所述代理模型的副车架数据，输出根据所述副车架数据构造的副车架的响应指标；
第一确定子模块，被配置为通过当前轮次的代理模型确定响应指标最优的第二副车架数据；
第二确定子模块，被配置为在当前轮次的代理模型收敛的情况下，将所述第二副车架数据作为所述第一副车架数据。
可选地，所述副车架数据基于副车架的主框架信息以及副车架的设计变量生成，所述第一确定模块，包括：
第三确定子模块，被配置为在当前轮次的代理模型未收敛的情况下，从所述设计变量的取值区间中确定兴趣区域；
第四确定子模块，被配置为在兴趣区域中确定多个设计变量的取值；
第一执行子模块，被配置为将各个取值与所述主框架信息组合，得到多个新增的副车架数据；
第一构造子模块，被配置为根据所述多个新增的副车架数据构造新的副车架；
第一计算子模块，被配置为计算所述新的副车架在所述目标工况下的响应指标；
第一更新子模块，被配置为通过所述新增的副车架数据，以及所述新的副车架在所述目标工况下的响应指标，对所述代理模型进行更新，得到新的代理模型。
可选地，包括：
第二确定模块，被配置为将当前轮次的第二副车架数据所对应的响应指标作为第一响应指标，将当前轮次的前一轮次的第二副车架数据所对应的响应指标作为第二响应指标；在第一响应指标优于第一阈值指标，第一响应指标与第二响应指标的差值小于设定阈值，第一响应指标优于第二响应指标且当前轮次的代理模型的输出精度大于精度阈值时，确定所述代理模型收敛；或者，
第二获取模块，被配置为获取当前轮次的轮次数，在所述轮次数大于轮次阈值时，确定所述代理模型收敛。
可选地，所述目标工况包括接附点静刚度分析工况、等效静刚度工况、模态分析工况、KC分析工况以及疲劳分析工况，所述第一计算模块，包括：
坐标系确定子模块，被配置为对副车架的各个接附点，将控制臂衬套的轴向作为X向，将控制臂的轴向方向作为Y向，并基于右手定则确定相对于所述X向和Y向的Z向，得到所述接附点处的局部坐标系，所述控制臂为连接所述副车架以及车辆悬架的控制臂；
加载子模块，被配置为沿所述局部坐标系的XYZ方向，分别加载设定的作用力，得到所述接附点的第一位移值，并将所述副车架作为刚性体，计算副车架的第二位移值；
第二计算子模块，被配置为根据所述第一位移值，所述第二位移值以及所述作用力的数值，计算所述接附点的静刚度，所述响应指标包括所述接附点的静刚度。
可选地，包括：
第三确定模块，被配置为根据副车架的外围组件的位置信息，确定副车架的主框架的可行域；
第四确定模块，被配置为从主框架的可行域中，确定在约束工况下的响应指标优于第二阈值指标，且主框架体积最小的目标主框架，得到主框架信息，所述约束工况包括静刚度分析工况、模态工况和等效静刚度分析工况；
所述第一获取模块，包括：
第五确定子模块，被配置为将副车架的厚度作为设计变量，确定多种副车架的厚度；
第一生成子模块，被配置为将所述主框架信息和各种副车架的厚度组合，生成多种副车架数据。
可选地，所述第四确定模块，包括：
第六确定子模块，被配置为从主框架的可行域中确定候选主框架；
设置子模块，被配置为为所述候选主框架设置接附点，得到副车架基础模型；
建立子模块，被配置为基于所述副车架基础模型，副车架与车身的连接关系，副车架与悬架的连接关系，建立包括与车身以及悬架的连接关系的副车架约束模型；
第一分析子模块，被配置为通过所述副车架约束模型进行接附点静刚度分析，得到接附点静刚度分析工况的响应指标；
第二分析子模块，被配置为通过所述副车架基础模型进行模态分析和等效静刚度分析，得到模态分析工况和等效静刚度分析工况的响应指标。
可选地，所述构造模块，包括：
第七确定子模块，被配置为确定副车架的多个设计变量；
第八确定子模块，被配置为从当前剩余的待优化的设计变量中确定对副车架性能影响最大的设计变量，得到目标设计变量；
第一优化子模块，被配置为以降低根据第一副车架数据构造的副车架的重量为目标，对当前的第一副车架数据中的目标设计变量进行优化，得到新的第一副车架数据，其中，根据所述新的第一副车架数据构造的副车架在约束工况下的响应指标优于第二阈值指标；
第二执行子模块，被配置为将最后一次优化得到的新的第一副车架数据作为目标副车架数据；
第二构造子模块，被配置为根据所述目标副车架数据构造目标副车架。
可选地，所述多个设计变量包括梁截面参数和减重孔参数，所述第八确定子模块，包括：
第一执行子单元，被配置为将梁截面参数作为目标设计变量；
所述第一优化子模块，包括：
划分子单元，被配置为对所述第一副车架进行有限元划分，得到划分结果；
第一优化子单元，被配置为将划分结果中梁截面所对应的节点作为梁截面参数，以副车架重量最小为优化目标，进行自由形状优化，得到新的第一副车架数据；
其中，所述节点被配置为可沿所述节点的法线方向在预设距离范围内收缩。
可选地，所述第二构造子模块，包括：
第一构造子单元，被配置为根据所述目标副车架数据构造候选副车架；
确定子单元，被配置为通过典型强度分析工况确定所述候选副车架中强度值小于强度阈值的目标节点；
第二优化子单元，被配置为将目标节点的变形方向作为设计变量，将构造的副车架在典型强度分析工况下的应力值小于或等于副车架材料的屈服强度值作为约束条件，将副车架的质量最小作为优化目标，进行自由形状优化，得到新的目标副车架数据；
第二构造子单元，被配置为根据新的目标副车架数据构造目标副车架。
根据本公开实施例的第三方面，提供一种副车架数据的处理装置，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上述第一方面中任一项所述的副车架数据的处理方法的步骤。
根据本公开实施例的第四方面，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上述第一方面中任一项所述的副车架数据的处理方法的步骤。
上述技术方案中，可以获取多种用于构造不同副车架的副车架数据，并计算所述副车架数据所构造的副车架在目标工况下的响应指标。其中，目标工况包括KC工况。这样，可以确定响应指标最优的第一副车架数据，并根据所述第一副车架数据构造目标副车架。上述技术方案在设计副车架时，还考虑了副车架在KC工况下的响应指标，即考虑了副车架对行驶性能的影响，有助于提升设计得到的副车架的行驶性能。
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副车架数据的处理方法的流程图。
图2是根据一示例性实施例示出的一种第一副车架数据的获取流程图。
图3是根据一示例性实施例示出的一种第一副车架数据的获取流程图。
图4是根据一示例性实施例示出的一种副车架数据的处理方法的流程图。
图5是根据一示例性实施例示出的一种目标副车架的构造流程图。
图6是根据一示例性实施例示出的一种副车架数据的处理装置的框图。
图7是根据一示例性实施例示出的一种用于副车架数据的处理的装置800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。
在介绍本公开的副车架数据的处理方法、装置、存储介质及电子设备之前，首先对本公开的应用场景进行介绍。
副车架结构设计要满足多学科性能，如耐久性能，NVH(Noise、Vibration、Harshness，噪声、振动与声振粗糙度)性能。例如在新能源车辆中，副车架可能要承载电驱动系统、悬架系统，因而在日常行驶过程中，可能受到来自路面复杂交变载荷的直接作用，所以在设计阶段需要考虑副车架的疲劳耐久性能。另一方面，副车架作为隔振系统，如与电驱动系统通过悬置进行隔振，与车体通过悬置进行隔振，与悬架通过衬套隔振。因此，为满足隔振及避频要求，在设计阶段需要保证副车架的模态、动刚度性能，以便取得较好的整车路噪性能表现。
在一些车辆中，副车架作为与悬架连接的大型弹性元件，其结构设计与行驶性能密切相关。但在相关场景中，副车架结构静刚度、模态、动刚度、强度耐久性能分析由有限元分析团队负责，KC(Kinematic，悬架运动学特性，以及Compliance，悬架弹性运动学特性)分析则由运动学分析团队负责，二者属于不同的学科和团队。一般来说，由有限元分析团队进行副车架设计，运动学分析团队将设计得到的副车架作为固定参数，进行KC分析。因此，运动学分析团队在根据KC分析的结果进行优化时，也是考虑对车辆底盘，悬架，衬套等结构进行优化，而不会去考虑对副车架进行调整，这超出了其能力范围。同样的，在进行副车架设计时，也不会去进行KC分析，即不考虑副车架对行驶性能的影响。并且，副车架的有限元模型也不能够直接用于KC分析。
此外，相关场景中，副车架优化方法往往倾向于对模态、动刚度、强度等性能直接进行多学科设计优化，即同时寻找满足所有优化指标的副车架设计。这种方式耗时较长，优化效率较低，优化效果也较为有限。
为此，本公开提供一种副车架数据的处理方法。所述方法可以应用于相关的计算设备，如台式计算机，笔记本电脑、计算服务器等等。图1是本公开所示出的一种副车架数据的处理方法的流程图，参照图1，所述方法包括：
在步骤S11中，获取多种副车架数据，不同副车架数据用于构造不同的副车架。
副车架数据可以包括副车架的主框架、副车架厚度、材料、属性等信息，在对副车架进行设计时，可以预先生成所述副车架数据，如对副车架的主框架、副车架厚度、材料、属性等信息进行定义，从而得到副车架数据。相应的，副车架数据可以用于构造出副车架，不同副车架数据可以构造出不同的副车架。
在步骤S12中，计算根据副车架数据构造的副车架在目标工况下的响应指标，目标工况包括KC工况。
目标工况可以包括KC工况，以及所述KC工况之外的一种或多种工况。作为一种示例，所述目标工况可以包括接附点静刚度分析工况、等效静刚度工况、模态分析工况、KC分析工况以及疲劳分析工况。
以计算接附点静刚度分析工况为例，所述计算根据所述副车架数据构造的副车架在目标工况下的响应指标(步骤S12)，包括：
对副车架的各个接附点，将控制臂衬套的轴向作为X向，将控制臂的轴向方向作为Y向，并基于右手定则确定相对于所述X向和Y向的Z向，得到所述接附点处的局部坐标系，所述控制臂为连接所述副车架以及车辆悬架的控制臂；
沿所述局部坐标系的XYZ方向，分别加载设定的作用力，得到所述接附点的第一位移值，并将所述副车架作为刚性体，计算副车架的第二位移值；
根据所述第一位移值，所述第二位移值以及所述作用力的数值，计算所述接附点的静刚度，所述响应指标包括所述接附点的静刚度。
例如，可以在ansa软件中，将副车架的各个接附点作为加载点，将控制臂衬套的轴向作为X向，将控制臂的轴向方向作为Y向，并基于右手定则确定相对于所述X向和Y向的Z向(例如朝上)，得到所述加载点处的局部坐标系。这样，可以沿局部坐标系的XYZ方向分别加载1000N的作用力，得到接附点的第一位移值Dtotal。为了消除副车架与车身连接所贡献的位移，可以将副车架处理为刚性体，并计算所述作用力下副车架的第二位移值Drigid。这样，所述接附点的静刚度Ksubframe可以为：Ksubframe＝1000/(Dtotal-Drigid)。
需要说明的是，在相关场景中，是通过在整车坐标系的XYZ方向加载作用力来计算静刚度的。但有时局部结构的实际运动方向与整车坐标系所指示的方向存在夹角，因此基于整车坐标系无法准确地计算得到接附点的静刚度。
而在上述技术方案中，能够为接附点建立局部坐标系。建立的局部坐标系能够更加准确地表征控制臂运动和受力的情况，这与运动臂的实际运动方向是一致的。因此，基于局部坐标系所计算得到的接附点的静刚度具有更高的准确性。
此外，在目标工况包括等效静刚度工况时，还可以计算等效静刚度。例如，可以通过Optistruct软件进行模态分析。考虑到副车架刚体模态(0-0.2Hz，即前六节刚体模态)可能导致分析结果偏高。因此，此处模态分析的范围可以为0.2Hz～1500Hz。这样，可以提取1Hz处的动刚度分析结果作为等效静刚度值，所述响应指标包括所述等效静刚度值。
此外，在目标工况包括模态分析工况时，还可以进行模态分析。模态分析范围与等效静刚度分析的范围可以是一致的，通过识别典型模态振型(包含一阶、二阶弯曲模态，一阶、二阶扭转模态)，并启用MODETRAK算法在优化迭代过程自动识别对应模态振型，从而可以提取对应阶次模态频率。
在进行KC分析时，可以建立副车架及悬架杆系超单元分析工况。
例如，可以在optistruct软件中设定副车架与车身、悬架、电驱动等通过衬套或悬置连接的节点为边界节点，利用ASET1指令进行边界节点定义。边界节点用PLOT单元依次连接，通过MODEL＝PLOTEL定义结果输出。通过这种方式，有限元模型中的PLOT单元及附属节点，可在后处理过程显示，便于KC模型搭建，从而实现超单元模型的可视化。这种方式相对于通过MODEL＝ALL来定义结果输出的方式，具有更小的模型体积，有助于降低计算量并提升计算速度。相对不对MODEL进行定义的方式(此时有限元模型压缩为柔性体，不可见)，则具有模型可视化的效果。也就是说，这种方式兼顾了可视化和计算速度。
此外，可以利用CC(Craig-Chang Method)算法进行模态分析，并进行模态缩减，得到MNF格式的超单元模型。还可以编制批处理头文件，以实现对NASTRAN软件求解模块的调用，进而对副车架基准有限元模型自动求解，得到MNF格式模型。类似的，可以将悬架控制臂、摆臂、叉臂等有限元模型均处理为MNF格式的超单元模型。
之后，可以建立KC模型及KC分析工况。
例如，可以基于Adams软件建立悬架的C特性分析模型，通过输入弹性部件各方向刚度、阻尼等信息，建立弹性部件。这样，可以连接MNF模型并建立运动学关系，从而完成悬架C特性分析模型。这种方式规避了传统直接建模方法无法得到准确刚度、惯量等信息的弊端。此外，可以在C特性分析模型基础上建立K特性分析模型。例如，在C模型中的弹性元件位置处建立约束关系，从而建立悬架K特性分析模型。类似的，可以编制批处理头文件，以实现对Adams软件求解模块的调用，从而对建立的KC特性分析模型自动求解，并将求解结果转化为可以方便读取的文件格式，如txt格式。
此外，在目标工况包括疲劳分析工况时，还可以计算疲劳分析的响应值。例如，可以将试验场采集到的实际的路面激励信号输入至悬架C特性分析模型中，然后提取出硬点动态载荷。之后，可以将动态载荷作为耐久激励输入，从而对副车架进行结构疲劳耐久分析，从而提取到副车架损伤值。所述响应指标包括所述副车架损伤值。
参照图1，在步骤S13中，确定响应指标最优的第一副车架数据。
参照图2所示出的一种第一副车架数据的获取流程图，在一种可能的而实施方式中，所述确定响应指标最优的第一副车架数据(步骤S13)包括：
在步骤S131中，根据副车架数据，以及根据副车架数据构造的副车架的响应指标，建立代理模型。
例如，参照图3所示出的一种第一副车架数据的获取流程图，在一些实施场景中，可以基于设计变量、分析模型和设计空间定义多个副车架数据。其中，设计变量例如可以是副车架的厚度(悬置壳体之外的钣金结构的厚度)或是其他可行的变量，设计空间可以是所述设计变量的取值范围。以设计变量为副车架的厚度为例，设计变量取值范围可以为[1.8mm,4.0mm]。分析模型可以是已经确定的副车架模型参数。例如在一些实施场景中，先确定副车架的主框架，之后再基于所述主框架确定副车架的厚度。在这种情况下，所述分析模型可以是已经确定的主框架模型。
这样，可以根据设计变量、分析模型和设计空间定义多个副车架数据作为样本点。作为一种示例，可以通过优化拉丁方实验设计方法生成初始无偏样本点，即得到初始的多个副车架数据。这样，可以计算所述多个副车架数据在目标工况下的响应指标。
例如，可以通过副车架的有限元模型进行等效静刚度分析及KC分析，用疲劳副车架模型进行疲劳度分析，从而得到分析结果，并根据所述分析结果确定所述响应指标。各种工况下的响应指标的分析方式请参照上述关于步骤S12的说明，如将有限元模型转换为MNF模型，并进而进行KC分析，本公开对此不做赘述。
需要说明的是，基于有限元模型仿真分析得到响应指标的耗时较长。因此，可以通过副车架数据，以及根据副车架数据构造的副车架的响应指标，建立代理模型。例如，可以利用克里金方法构建初始的代理模型，代理模型被配置为基于输入至代理模型的副车架数据，输出根据副车架数据构造的副车架的响应指标。
在一些实施方式中，还根据副车架数据，以及根据所述副车架数据构造的副车架的响应指标，建立多种候选模型；对每一候选模型，将样本副车架数据输入至所述候选模型，得到所述候选模型输出的根据所述样本副车架数据构造的样本副车架的预测指标。这样，可以计算所述预测指标与所述样本副车架的响应指标之间的差值；并将差值较小的预设数量个候选模型作为所述代理模型，从而提升代理模型的精确度。
在步骤S132中，通过当前轮次的代理模型确定响应指标最优的第二副车架数据。
代理模型能够描述副车架数据与响应指标的关联关系，因此，可以通过当前轮次的代理模型进行求解(即基于当前代理模型进行优化)，获取当前代理模型预测的响应指标最优的副车架数据，得到第二副车架数据。
在步骤S133中，在当前轮次的代理模型收敛的情况下，将第二副车架数据作为第一副车架数据。
在一些实施场景中，当前轮次的代理模型也可能未收敛。以副车架数据基于副车架的主框架信息以及副车架的设计变量生成为例，在这种情况下，确定响应指标最优的第一副车架数据(步骤S13)还包括：
在当前轮次的代理模型未收敛的情况下，从设计变量的取值区间中确定兴趣区域；
在兴趣区域中确定多个设计变量的取值；
将各个取值与主框架信息组合，得到多个新增的副车架数据；
根据多个新增的副车架数据构造新的副车架；
计算新的副车架在目标工况下的响应指标；
通过新增的副车架数据，以及新的副车架在目标工况下的响应指标，对代理模型进行更新，得到新的代理模型。
例如，可以根据当前的代理模型的求解结果确定可能存在全局最优解的兴趣区域(Region Of Interest，ROI)，再根据信赖域(Trust region)方法在ROI区域确定多个(如12个，可根据需求进行设置)设计变量的取值。通过将各个取值与主框架信息组合，可以生成多个新增的副车架数据，这些新增的副车架数据可以作为新增的样本点，以便于提升代理模型的精度。
例如，可以计算新的副车架在目标工况下的响应指标，并通过新增的副车架数据，以及新的副车架在目标工况下的响应指标，对代理模型进行更新，得到新的代理模型。
这样，可以通过新的代理模型进行求解，获取当前代理模型预测的响应指标最优的副车架数据，得到第二副车架数据，并判断当前轮次的代理模型是否收敛。
这里，在当前轮次的代理模型收敛的情况下，将第二副车架数据作为第一副车架数据，在当前轮次的代理模型未收敛的情况下，重新执行上述的从从设计变量的取值区间中确定兴趣区域至通过新增的副车架数据，至对代理模型进行更新的步骤，直至代理模型收敛。
当然，参照图3，在多次循环中，兴趣区域也可能发生变化，因而可能对ROI空间进行缩放。仍参照图3，在一些实施场景中，还可以对第一副车架数据(即最优解)进行判断，以确定根据所述第一副车架数据构造的副车架的响应指标是否满足要求。若仍未满足要求，则可以对设计空间的范围进行调整，如增大设计空间的范围，并重新执行图3所示的步骤，直至优化结束。
以下对模型收敛的方式进行示例性说明，在一种可能的实施方式中，可以将当前轮次的第二副车架数据所对应的响应指标作为第一响应指标，将当前轮次的前一轮次的第二副车架数据所对应的响应指标作为第二响应指标；在第一响应指标优于第一阈值指标，第一响应指标与第二响应指标的差值小于设定阈值，第一响应指标优于第二响应指标且当前轮次的代理模型的输出精度大于精度阈值时，确定代理模型收敛。
例如，在第一响应指标相对于第二响应指标的改善程度小于0.002，第一响应指标优于第一阈值指标，且当前轮次的代理模型的输出精度(代理模型输出的响应指标与实际的响应指标的相似度)达到99％，则确定代理模型收敛。
在一些实施方式中，也可以获取当前轮次的轮次数，在轮次数大于轮次阈值时，确定代理模型收敛。
所述轮次阈值可以基于应用需求进行设置。例如，可以根据单个副车架数据的分析时长和规划的优化总时间，计算出可以优化迭代的最大轮次。作为一种示例，轮次阈值可以为120。
此外，在一些实施场景中，还可以对第一副车架数据进行仿真，以确认优化效果。
上述方案中，能够通过代理模型求解最优的第一副车架数据，相对于通过有限元模型进行分析的方式，具有更快的速度。并且，在多轮的优化中，能够基于求解结果确定兴趣区域，并基于兴趣区域自适应的新增样本点，有助于提升代理模型的收敛速度，进而有助于提升第一副车架数据的确定速度。
在步骤S14中，根据第一副车架数据构造目标副车架。
上述技术方案中，可以获取多种用于构造不同副车架的副车架数据，并计算所述副车架数据所构造的副车架在目标工况下的响应指标。其中，目标工况包括KC工况。这样，可以确定响应指标最优的第一副车架数据，并根据所述第一副车架数据构造目标副车架。上述技术方案在设计副车架时，还考虑了副车架在KC工况下的响应指标，即考虑了副车架对行驶性能的影响，有助于提升设计得到的副车架的行驶性能。
图4是本公开所示出的一种副车架数据的处理方法的流程图，参照图4，所述方法包括：
在步骤S41中，根据副车架的外围组件的位置信息，确定副车架的主框架的可行域。
外围组件可以是悬架、控制臂、驱动电机运动包络等。外围组件所占据的区域为不可设计区域，由此可以得到副车架的主框架的可行域。
在步骤S42中，从主框架的可行域中，确定在约束工况下的响应指标优于第二阈值指标，且主框架体积最小的目标主框架，得到主框架信息。约束工况包括静刚度分析工况、模态工况和等效静刚度分析工况。
例如，可以从主框架的可行域中确定候选主框架。比如，可以对可行域所对应的空间进行有限元网格划分，将封闭的壳单元生成二阶实体网格模型，并对二阶实体网格模型进行材料和属性定义，得到所述候选主框架。在候选主框架的基础上，可以设置接附点，得到副车架基础模型。例如，可以在候选主框架的基础上，根据硬点坐标定义悬架衬套及驱动电机悬置等接附点的位置，从而得到副车架基础模型，副车架基础模型不包括外围的连接关系。
在一些工况分析场景中，需要定义副车架模型与车身、悬架的连接关系。因此，还可以基于所述副车架基础模型，副车架与车身的连接关系，副车架与悬架的连接关系，建立包括与车身以及悬架的连接关系的副车架约束模型，以满足所述工况的需求。例如，可以在副车架基础模型的基础上，对副车架与车身的连接进行刚度等效(等效刚度包含车身安装点自身的刚度，和悬置的刚度，二者串联)，从而建立副车架拓扑约束模型。
这样，可以通过所述副车架约束模型进行接附点静刚度分析，得到接附点静刚度分析工况的响应指标；通过所述副车架基础模型进行模态分析和等效静刚度分析，得到模态分析工况和等效静刚度分析工况的响应指标。
接附点静刚度分析工况的响应指标、模态分析工况的响应指标和等效静刚度分析工况的响应指标可以用于确定目标主框架。例如，可以基于optistruct软件，对副车架拓扑约束模型和副车架基础模型进行MMO(Multi-model optimization，多模型优化)。在优化时，将主框架的可行域作为设计变量，将在约束工况下的响应指标优于第二阈值指标(即静刚度分析工况、模态工况和等效静刚度分析工况所对应的阈值指标)作为约束条件，将主框架体积最小作为优化目标，确定所述目标主框架。
在步骤S43中，将副车架的厚度作为设计变量，确定多种副车架的厚度。
在步骤S44中，将主框架信息和各种副车架的厚度组合，生成多种副车架数据，不同副车架数据用于构造不同的副车架。
在步骤S45中，计算根据副车架数据构造的副车架在目标工况下的响应指标，目标工况包括KC工况。
在步骤S46中，确定响应指标最优的第一副车架数据。
在步骤S47中，根据第一副车架数据构造目标副车架。
与相关技术中同时对副车架的多个指标进行优化不同，上述技术方案中采用了对指标进行分层次优化的方式，先确定最优的副车架主框架，在此基础上，对主框架的厚度进行寻优，最终得到指标最优的第一副车架数据。这种方式具有更快的优化速度。
类似的，还可以基于分层优化的构思，对第一副车架数据进行优化。参照图5所示出的一种目标副车架的构造流程图，所述根据第一副车架数据构造目标副车架(步骤S47)包括：
在步骤S471中，确定副车架的多个设计变量。
在步骤S472中，从当前剩余的待优化的设计变量中确定对副车架性能影响最大的设计变量，得到目标设计变量。
其中，设计变量的种类可以基于应用需求进行设置。例如在一种可能的实施方式中，所述多个设计变量包括梁截面参数和减重孔参数，所述从当前剩余的待优化的设计变量中确定对副车架性能影响最大的设计变量，得到目标设计变量，包括：
将梁截面参数作为目标设计变量。也就是说，梁截面参数对副车架性能影响大于减重孔参数对副车架性能影响。
在步骤S473中，以降低根据第一副车架数据构造的副车架的重量为目标，对当前的第一副车架数据中的目标设计变量进行优化，得到新的第一副车架数据。其中，根据新的第一副车架数据构造的副车架在目标工况下的响应指标优于第一阈值指标。
沿用上述例子，步骤S473可以包括：
对所述第一副车架进行有限元划分，得到划分结果；
将划分结果中梁截面所对应的节点作为梁截面参数，以副车架重量最小为优化目标，进行自由形状优化，得到新的第一副车架数据；
其中，所述节点被配置为可沿所述节点的法线方向在预设距离范围内收缩。
通过有限元划分，可以得到网格化的第一副车架。这样，可以将梁截面所对应的节点作为梁截面参数，并设置每个节点可沿所述节点的法线方向在预设距离范围内收缩。通过这样的方式，每个节点具有独立的自由度，所述节点的收缩范围可以按需设置，例如设置为[-5mm，5mm]。
这样，可以将梁截面所对应的节点作为梁截面参数，以副车架重量最小为优化目标，进行自由形状优化，得到新的第一副车架数据。例如，可以通过VERTEXM算法进行自由形状优化。此外，在一些实施场景中，还可以对第一副车架数据进行仿真，以确认优化效果。
需要说明的是，相关技术中通常通过mopher对副车架进行优化，但mopher不适应不规则平面，因而通常需要将结构形状设计变量分割为多段进行优化，从而导致优化粒度较大，引起性能冗余设计，优化效果较差。此外，优化过程中，单元节点变形受mopher控制，参数化变形的方向往往也基于经验判断，这也导致优化效率较低以及优化效果较差。
而上述方案采用自由形状优化方法对副车架的截面参数进行优化。在优化过程中，每个节点都作为自由变量，相对于相关技术中通过mopher进行优化的方式，设计变量具有更高的变动自由度，允许每个节点可以沿法向方向在一定设计范围内自由收缩。因此，上述技术方案能够具有更小的优化粒度，也能够适应不规则面，最终有助于提升优化的效果。
类似的，梁截面参数优化完毕之后，可以对减重孔参数进行优化。例如，可以将第一副车架数据中所有壳单元数据作为变量，以模态性能、静刚度性能、等效静刚度性能达标为约束条件，副车架质量最小为优化目标，进行多性能约束下的自由尺寸优化，得到自由尺寸优化结果。
基于自由尺寸优化结果，可以将其中材料密度为0的区域，设计为减重孔(稳定杆支架除外)，从而得到新的第一副车架数据。
在步骤S474中，将最后一次优化得到的新的第一副车架数据作为目标副车架数据。
在步骤S475中，根据目标副车架数据构造目标副车架。
与相关技术中同时对副车架的多个指标进行优化不同，上述技术方案中采用了对指标进行分层次优化的方式。先确定最优的副车架主框架，在此基础上，对主框架的厚度进行寻优，得到最优的主框架厚度，之后再确定主框架的截面参数以及减重孔参数，最终得到指标最优的第一副车架数据。相对于同时对副车架的多个指标进行优化，这种方式具有更快的优化速度。
当然，除了上述实例中的优化指标，在具体实施时也可以基于需求对待优化的指标进行调整，如增加待优化的指标或删除待优化的指标。例如在一种可能的实施方式中，还可以对疲劳性能进行优化。所述根据目标副车架数据构造目标副车架，可以包括：
根据所述目标副车架数据构造候选副车架；
通过典型强度分析工况确定所述候选副车架中强度值小于强度阈值的目标节点；
将目标节点的变形方向作为设计变量，将构造的副车架在典型强度分析工况下的应力值小于或等于副车架材料的屈服强度值作为约束条件，将副车架的质量最小作为优化目标，进行自由形状优化，得到新的目标副车架数据；
根据新的目标副车架数据构造目标副车架。
疲劳性能是副车架可靠性的一种评价指标，往往跟局部结构应力集中有关。在进行疲劳分析之前，可以借助典型强度分析工况，如加速、制动、转向、冲击、等工况对副车架进行初步优化。例如，可以通过Optistruct分析软件，将目标节点的变形方向作为设计变量，将构造的副车架在典型强度分析工况下的应力值小于或等于副车架材料的屈服强度值作为约束条件，将副车架的质量最小作为优化目标，进行自由形状优化，得到新的目标副车架数据。
若目标副车架数据所构造的副车架仍存在强度值小于强度阈值的目标节点，则可以进一步进行优化。例如，若焊缝发生疲劳，可以通过改变焊接工艺，如双边焊、增加焊接熔融率等方法增强焊接效果；若钣金发生疲劳，可以通过起筋、调整结构设计使疲劳区域几何特征平顺过渡等方法进行局部加强；若局部结构优化无法解决疲劳问题，可以考虑调整局部料厚，提升材料牌号，或增加补强胶等手段进行疲劳性能提升。
上述技术方案中采用了对指标进行分层次优化的方式。先确定最优的副车架主框架，在此基础上，对主框架的厚度进行寻优，得到最优的主框架厚度，之后再确定主框架的截面参数、减重孔参数，并进行疲劳优化，最终得到指标最优的第一副车架数据。相对于同时对副车架的多个指标进行优化，这种方式具有更快的优化速度。
基于同一发明构思，本公开提供一种副车架数据的处理装置。图6是本公开所示出的一种副车架数据的处理装置的框图，参照图6，所述副车架数据的处理装置，包括：
第一获取模块601，被配置为获取多种副车架数据，不同副车架数据用于构造不同的副车架；
第一计算模块602，被配置为计算根据所述副车架数据构造的副车架在目标工况下的响应指标，所述目标工况包括KC工况；
第一确定模块603，被配置为确定响应指标最优的第一副车架数据；
构造模块604，被配置为根据所述第一副车架数据构造目标副车架。
上述技术方案中，可以获取多种用于构造不同副车架的副车架数据，并计算所述副车架数据所构造的副车架在目标工况下的响应指标。其中，目标工况包括KC工况。这样，可以确定响应指标最优的第一副车架数据，并根据所述第一副车架数据构造目标副车架。上述技术方案在设计副车架时，还考虑了副车架在KC工况下的响应指标，即考虑了副车架对行驶性能的影响，有助于提升设计得到的副车架的行驶性能。
可选地，所述第一确定模块，包括：
代理模型建立子模块，被配置为根据副车架数据，以及根据所述副车架数据构造的副车架的响应指标，建立代理模型，所述代理模型被配置为基于输入至所述代理模型的副车架数据，输出根据所述副车架数据构造的副车架的响应指标；
第一确定子模块，被配置为通过当前轮次的代理模型确定响应指标最优的第二副车架数据；
第二确定子模块，被配置为在当前轮次的代理模型收敛的情况下，将所述第二副车架数据作为所述第一副车架数据。
可选地，所述副车架数据基于副车架的主框架信息以及副车架的设计变量生成，所述第一确定模块，包括：
第三确定子模块，被配置为在当前轮次的代理模型未收敛的情况下，从所述设计变量的取值区间中确定兴趣区域；
第四确定子模块，被配置为在兴趣区域中确定多个设计变量的取值；
第一执行子模块，被配置为将各个取值与所述主框架信息组合，得到多个新增的副车架数据；
第一构造子模块，被配置为根据所述多个新增的副车架数据构造新的副车架；
第一计算子模块，被配置为计算所述新的副车架在所述目标工况下的响应指标；
第一更新子模块，被配置为通过所述新增的副车架数据，以及所述新的副车架在所述目标工况下的响应指标，对所述代理模型进行更新，得到新的代理模型。
可选地，包括：
第二确定模块，被配置为将当前轮次的第二副车架数据所对应的响应指标作为第一响应指标，将当前轮次的前一轮次的第二副车架数据所对应的响应指标作为第二响应指标；在第一响应指标优于第一阈值指标，第一响应指标与第二响应指标的差值小于设定阈值，第一响应指标优于第二响应指标且当前轮次的代理模型的输出精度大于精度阈值时，确定所述代理模型收敛；或者，
第二获取模块，被配置为获取当前轮次的轮次数，在所述轮次数大于轮次阈值时，确定所述代理模型收敛。
可选地，所述目标工况包括接附点静刚度分析工况、等效静刚度工况、模态分析工况、KC分析工况以及疲劳分析工况，所述第一计算模块，包括：
坐标系确定子模块，被配置为对副车架的各个接附点，将控制臂衬套的轴向作为X向，将控制臂的轴向方向作为Y向，并基于右手定则确定相对于所述X向和Y向的Z向，得到所述接附点处的局部坐标系，所述控制臂为连接所述副车架以及车辆悬架的控制臂；
加载子模块，被配置为沿所述局部坐标系的XYZ方向，分别加载设定的作用力，得到所述接附点的第一位移值，并将所述副车架作为刚性体，计算副车架的第二位移值；
第二计算子模块，被配置为根据所述第一位移值，所述第二位移值以及所述作用力的数值，计算所述接附点的静刚度，所述响应指标包括所述接附点的静刚度。
可选地，包括：
第三确定模块，被配置为根据副车架的外围组件的位置信息，确定副车架的主框架的可行域；
第四确定模块，被配置为从主框架的可行域中，确定在约束工况下的响应指标优于第二阈值指标，且主框架体积最小的目标主框架，得到主框架信息，所述约束工况包括静刚度分析工况、模态工况和等效静刚度分析工况；
所述第一获取模块，包括：
第五确定子模块，被配置为将副车架的厚度作为设计变量，确定多种副车架的厚度；
第一生成子模块，被配置为将所述主框架信息和各种副车架的厚度组合，生成多种副车架数据。
可选地，所述第四确定模块，包括：
第六确定子模块，被配置为从主框架的可行域中确定候选主框架；
设置子模块，被配置为为所述候选主框架设置接附点，得到副车架基础模型；
建立子模块，被配置为基于所述副车架基础模型，副车架与车身的连接关系，副车架与悬架的连接关系，建立包括与车身以及悬架的连接关系的副车架约束模型；
第一分析子模块，被配置为通过所述副车架约束模型进行接附点静刚度分析，得到接附点静刚度分析工况的响应指标；
第二分析子模块，被配置为通过所述副车架基础模型进行模态分析和等效静刚度分析，得到模态分析工况和等效静刚度分析工况的响应指标。
可选地，所述构造模块，包括：
第七确定子模块，被配置为确定副车架的多个设计变量；
第八确定子模块，被配置为从当前剩余的待优化的设计变量中确定对副车架性能影响最大的设计变量，得到目标设计变量；
第一优化子模块，被配置为以降低根据第一副车架数据构造的副车架的重量为目标，对当前的第一副车架数据中的目标设计变量进行优化，得到新的第一副车架数据，其中，根据所述新的第一副车架数据构造的副车架在约束工况下的响应指标优于第二阈值指标；
第二执行子模块，被配置为将最后一次优化得到的新的第一副车架数据作为目标副车架数据；
第二构造子模块，被配置为根据所述目标副车架数据构造目标副车架。
可选地，所述多个设计变量包括梁截面参数和减重孔参数，所述第八确定子模块，包括：
第一执行子单元，被配置为将梁截面参数作为目标设计变量；
所述第一优化子模块，包括：
划分子单元，被配置为对所述第一副车架进行有限元划分，得到划分结果；
第一优化子单元，被配置为将划分结果中梁截面所对应的节点作为梁截面参数，以副车架重量最小为优化目标，进行自由形状优化，得到新的第一副车架数据；
其中，所述节点被配置为可沿所述节点的法线方向在预设距离范围内收缩。
可选地，所述第二构造子模块，包括：
第一构造子单元，被配置为根据所述目标副车架数据构造候选副车架；
确定子单元，被配置为通过典型强度分析工况确定所述候选副车架中强度值小于强度阈值的目标节点；
第二优化子单元，被配置为将目标节点的变形方向作为设计变量，将构造的副车架在典型强度分析工况下的应力值小于或等于副车架材料的屈服强度值作为约束条件，将副车架的质量最小作为优化目标，进行自由形状优化，得到新的目标副车架数据；
第二构造子单元，被配置为根据新的目标副车架数据构造目标副车架。
本公开还提供一种副车架数据的处理装置，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本公开所提供的副车架数据的处理方法的步骤。
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所提供的副车架数据的处理方法的步骤。
关于上述实施例中的副车架数据的处理装置，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。
图7是根据一示例性实施例示出的一种用于副车架数据的处理的装置800的框图。例如，装置800可以是计算机，计算服务器等。
参照图7，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的副车架数据的处理方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
输入/输出接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，4G或5G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述副车架数据的处理方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述副车架数据的处理方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中，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副车架数据的处理方法的代码部分。
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)
1.一种副车架数据的处理方法，其特征在于，包括：
获取多种副车架数据，不同副车架数据用于构造不同的副车架；
计算根据所述副车架数据构造的副车架在目标工况下的响应指标，所述目标工况包括KC工况；
确定响应指标最优的第一副车架数据；
根据所述第一副车架数据构造目标副车架。
2.根据权利要求1所述的方法，其特征在于，所述确定响应指标最优的第一副车架数据，包括：
根据副车架数据，以及根据所述副车架数据构造的副车架的响应指标，建立代理模型，所述代理模型被配置为基于输入至所述代理模型的副车架数据，输出根据所述副车架数据构造的副车架的响应指标；
通过当前轮次的代理模型确定响应指标最优的第二副车架数据；
在当前轮次的代理模型收敛的情况下，将所述第二副车架数据作为所述第一副车架数据。
3.根据权利要求2所述的方法，其特征在于，所述副车架数据基于副车架的主框架信息以及副车架的设计变量生成，所述确定响应指标最优的第一副车架数据，包括：
在当前轮次的代理模型未收敛的情况下，从所述设计变量的取值区间中确定兴趣区域；
在兴趣区域中确定多个设计变量的取值；
将各个取值与所述主框架信息组合，得到多个新增的副车架数据；
根据所述多个新增的副车架数据构造新的副车架；
计算所述新的副车架在所述目标工况下的响应指标；
通过所述新增的副车架数据，以及所述新的副车架在所述目标工况下的响应指标，对所述代理模型进行更新，得到新的代理模型。
4.根据权利要求2所述的方法，其特征在于，包括：
将当前轮次的第二副车架数据所对应的响应指标作为第一响应指标，将当前轮次的前一轮次的第二副车架数据所对应的响应指标作为第二响应指标；在第一响应指标优于第一阈值指标和第二响应指标，第一响应指标与第二响应指标的差值小于设定阈值，且当前轮次的代理模型的输出精度大于精度阈值时，确定所述代理模型收敛；或者，
获取当前轮次的轮次数，在所述轮次数大于轮次阈值时，确定所述代理模型收敛。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述目标工况包括接附点静刚度分析工况、等效静刚度工况、模态分析工况、KC分析工况以及疲劳分析工况，所述计算根据所述副车架数据构造的副车架在目标工况下的响应指标，包括：
对副车架的各个接附点，将控制臂衬套的轴向作为X向，将控制臂的轴向方向作为Y向，并基于右手定则确定相对于所述X向和Y向的Z向，得到所述接附点处的局部坐标系，所述控制臂为连接所述副车架以及车辆悬架的控制臂；
沿所述局部坐标系的XYZ方向，分别加载设定的作用力，得到所述接附点的第一位移值，并将所述副车架作为刚性体，计算副车架的第二位移值；
根据所述第一位移值，所述第二位移值以及所述作用力的数值，计算所述接附点的静刚度，所述响应指标包括所述接附点的静刚度。
6.根据权利要求1至4中任一项所述的方法，其特征在于，包括：
根据副车架的外围组件的位置信息，确定副车架的主框架的可行域；
从主框架的可行域中，确定在约束工况下的响应指标优于第二阈值指标，且主框架体积最小的目标主框架，得到主框架信息，所述约束工况包括静刚度分析工况、模态工况和等效静刚度分析工况；
所述获取多种副车架数据，包括：
将副车架的厚度作为设计变量，确定多种副车架的厚度；
将所述主框架信息和各种副车架的厚度组合，生成多种副车架数据。
7.根据权利要求6所述的方法，其特征在于，所述从主框架的可行域中，确定在约束工况下的响应指标优于第二阈值指标，且主框架体积最小的目标主框架，包括：
从主框架的可行域中确定候选主框架；
为所述候选主框架设置接附点，得到副车架基础模型；
基于所述副车架基础模型，副车架与车身的连接关系，副车架与悬架的连接关系，建立包括与车身以及悬架的连接关系的副车架约束模型；
通过所述副车架约束模型进行接附点静刚度分析，得到接附点静刚度分析工况的响应指标；
通过所述副车架基础模型进行模态分析和等效静刚度分析，得到模态分析工况和等效静刚度分析工况的响应指标。
8.根据权利要求1至4中任一项所述的方法，其特征在于，所述根据所述第一副车架数据构造目标副车架，包括：
确定副车架的多个设计变量；
从当前剩余的待优化的设计变量中确定对副车架性能影响最大的设计变量，得到目标设计变量；
以降低根据第一副车架数据构造的副车架的重量为目标，对当前的第一副车架数据中的目标设计变量进行优化，得到新的第一副车架数据，其中，根据所述新的第一副车架数据构造的副车架在约束工况下的响应指标优于第二阈值指标；
将最后一次优化得到的新的第一副车架数据作为目标副车架数据；
根据所述目标副车架数据构造目标副车架。
9.根据权利要求8所述的方法，其特征在于，所述多个设计变量包括梁截面参数和减重孔参数，所述从当前剩余的待优化的设计变量中确定对副车架性能影响最大的设计变量，得到目标设计变量，包括：
将梁截面参数作为目标设计变量；
所述以降低根据第一副车架数据构造的副车架的重量为目标，对当前的第一副车架数据中的目标设计变量进行优化，得到新的第一副车架数据，包括：
对所述第一副车架进行有限元划分，得到划分结果；
将划分结果中梁截面所对应的节点作为梁截面参数，以副车架重量最小为优化目标，进行自由形状优化，得到新的第一副车架数据；
其中，所述节点被配置为可沿所述节点的法线方向在预设距离范围内收缩。
10.根据权利要求8所述的方法，其特征在于，所述根据所述目标副车架数据构造目标副车架，包括：
根据所述目标副车架数据构造候选副车架；
通过典型强度分析工况确定所述候选副车架中强度值小于强度阈值的目标节点；
将目标节点的变形方向作为设计变量，将构造的副车架在典型强度分析工况下的应力值小于或等于副车架材料的屈服强度值作为约束条件，将副车架的质量最小作为优化目标，进行自由形状优化，得到新的目标副车架数据；
根据新的目标副车架数据构造目标副车架。
11.一种副车架数据的处理装置，其特征在于，包括：
第一获取模块，被配置为获取多种副车架数据，不同副车架数据用于构造不同的副车架；
第一计算模块，被配置为计算根据所述副车架数据构造的副车架在目标工况下的响应指标，所述目标工况包括KC工况；
第一确定模块，被配置为确定响应指标最优的第一副车架数据；
构造模块，被配置为根据所述第一副车架数据构造目标副车架。
12.一种副车架数据的处理装置，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权利要求1至10中任一项所述的副车架数据的处理方法的步骤。
13.一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至10中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310348177.XA CN116361919B (zh) | 2023-04-03 | 2023-04-03 | 副车架数据的处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310348177.XA CN116361919B (zh) | 2023-04-03 | 2023-04-03 | 副车架数据的处理方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116361919A true CN116361919A (zh) | 2023-06-30 |
| CN116361919B CN116361919B (zh) | 2023-11-21 |
Family
ID=86937693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310348177.XA Active CN116361919B (zh) | 2023-04-03 | 2023-04-03 | 副车架数据的处理方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116361919B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116861587A (zh) * | 2023-07-06 | 2023-10-10 | 小米汽车科技有限公司 | 车轮优化方法、装置、电子设备及可读存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6318746B1 (en) * | 1999-07-03 | 2001-11-20 | Ty-Crop Manufacturing Ltd. | Connector system for coupling a trailer suspension frame |
| CN102945307A (zh) * | 2012-11-27 | 2013-02-27 | 北京汽车股份有限公司 | 汽车底盘关键结构件结构优化设计方法 |
| DE102012022105A1 (de) * | 2012-11-10 | 2013-05-23 | Daimler Ag | Hilfsrahmen für eine Karosserie eines Personenkraftwagens |
| CN104573277A (zh) * | 2015-01-28 | 2015-04-29 | 吉林大学 | 一种车辆悬架系统性能分解方法 |
| CN107247830A (zh) * | 2017-05-26 | 2017-10-13 | 广州汽车集团股份有限公司 | 一种汽车悬架k&c特性公差优化方法及系统 |
| CN108446520A (zh) * | 2018-04-18 | 2018-08-24 | 南京航空航天大学 | 半主动悬架系统与机械弹性车轮的参数匹配控制系统及优化方法 |
| CN113420371A (zh) * | 2021-06-05 | 2021-09-21 | 中国第一汽车股份有限公司 | 提高麦弗逊式前悬架副车架误用工况仿真分析精度的方法 |
| CN113536468A (zh) * | 2021-07-30 | 2021-10-22 | 宜宾凯翼汽车有限公司 | 多工况和多目标下悬架k&c特性的优化方法 |
| 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 |
-
2023
- 2023-04-03 CN CN202310348177.XA patent/CN116361919B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6318746B1 (en) * | 1999-07-03 | 2001-11-20 | Ty-Crop Manufacturing Ltd. | Connector system for coupling a trailer suspension frame |
| DE102012022105A1 (de) * | 2012-11-10 | 2013-05-23 | Daimler Ag | Hilfsrahmen für eine Karosserie eines Personenkraftwagens |
| CN102945307A (zh) * | 2012-11-27 | 2013-02-27 | 北京汽车股份有限公司 | 汽车底盘关键结构件结构优化设计方法 |
| CN104573277A (zh) * | 2015-01-28 | 2015-04-29 | 吉林大学 | 一种车辆悬架系统性能分解方法 |
| CN107247830A (zh) * | 2017-05-26 | 2017-10-13 | 广州汽车集团股份有限公司 | 一种汽车悬架k&c特性公差优化方法及系统 |
| CN108446520A (zh) * | 2018-04-18 | 2018-08-24 | 南京航空航天大学 | 半主动悬架系统与机械弹性车轮的参数匹配控制系统及优化方法 |
| CN113420371A (zh) * | 2021-06-05 | 2021-09-21 | 中国第一汽车股份有限公司 | 提高麦弗逊式前悬架副车架误用工况仿真分析精度的方法 |
| CN113536468A (zh) * | 2021-07-30 | 2021-10-22 | 宜宾凯翼汽车有限公司 | 多工况和多目标下悬架k&c特性的优化方法 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| 唐倩;杨晓虎;张志飞;毕耀坤;: "电动摩托车车架结构优化设计", 重庆大学学报, no. 12 * |
| 杨如冰;: "麦弗逊前悬架多工况KC特性DOE分析", 汽车实用技术, no. 22 * |
| 段勖超;杨钧浩;: "悬架K&C特性中各参数的分析", 汽车实用技术, no. 07 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116861587A (zh) * | 2023-07-06 | 2023-10-10 | 小米汽车科技有限公司 | 车轮优化方法、装置、电子设备及可读存储介质 |
| CN116861587B (zh) * | 2023-07-06 | 2024-03-12 | 小米汽车科技有限公司 | 车轮优化方法、装置、电子设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116361919B (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111931286B (zh) | 纵向动力学模型的训练方法、装置及设备 | |
| JP2021152906A (ja) | 車両軌跡の予測方法、装置、機器及び記憶媒体 | |
| Donders et al. | A reduced beam and joint concept modeling approach to optimize global vehicle body dynamics | |
| CN116361919B (zh) | 副车架数据的处理方法、装置、存储介质及电子设备 | |
| CN117057041B (zh) | 车身的横梁的优化方法、装置及车身 | |
| CN117077466B (zh) | 空心铸件及其设计优化方法、装置、电子设备和介质 | |
| WO2003069529A2 (en) | Method and system for providing constraint-based guidance to a designer in a collaborative design environment | |
| JP5388924B2 (ja) | 交通量予測装置、交通量予測方法およびプログラム | |
| US20210232986A1 (en) | Parking lot free parking space predicting method, apparatus, electronic device and storage medium | |
| EP4012581A1 (en) | Method and apparatus for establishing regional heat prediction model and predicting regional heat | |
| CN116305572B (zh) | 车辆优化方法、装置、存储介质以及电子设备 | |
| CN116341465B (zh) | 版图生成方法及装置、计算装置和存储介质 | |
| CN114261400A (zh) | 一种自动驾驶决策方法、装置、设备和存储介质 | |
| CN105827710A (zh) | 车载终端与移动终端协同输入的控制方法及移动终端 | |
| CN105814498A (zh) | 利用车载用户接口预测用户的接口控制动作 | |
| CN113127969A (zh) | 汽车阻尼板仿真建模方法、装置、设备及存储介质 | |
| CN111414460A (zh) | 通用结合记忆存储和神经网络的多轮对话管理方法及装置 | |
| CN112965917B (zh) | 用于自动驾驶的测试方法、装置、设备和存储介质 | |
| US20220270326A1 (en) | Automated processing for determination of a volume of an object in a digital environment | |
| Boonpan et al. | Multi-stage design of an automotive component | |
| CN113759887B (zh) | 一种路径规划方法、装置、存储介质及电子设备 | |
| Mezzadri et al. | Density gradient‐based adaptive refinement of analysis mesh for efficient multiresolution topology optimization | |
| CN117077287B (zh) | 车身大型压铸件优化方法和装置 | |
| Sirola et al. | Multi-joint topology optimization for stiffness constrained design problems | |
| CN116861587B (zh) | 车轮优化方法、装置、电子设备及可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |