基于多目標穩(wěn)健性優(yōu)化方法的SUV車身結構輕量化設計.pdf

1、為實現(xiàn)車身輕量化，改善汽車安全性和提高穩(wěn)健性，本文以某企業(yè)某新SUV車型為研究對象，開發(fā)了針對側面碰撞前處理問題的流程自動化系統(tǒng)，對汽車車門剛度、車門模態(tài)、側碰安全多方面的性能進行了有限元分析，確定了初始設計性能;針對側面碰撞部分測量點侵入量、侵入速度過大的問題，結合車身結構輕量化的需要，提出了基于多目標穩(wěn)健性優(yōu)化方法的車身結構輕量化設計方案。
　　(1)為解決汽車側面碰撞分析前處理過程的重復性工作多，工作繁瑣，需要設置的參數(shù)過多

2、的問題，結合TCL/TK語言與Process Manager工具開發(fā)了側面碰撞流程自動化系統(tǒng)。
　　(2)利用流程自動化系統(tǒng)建立了整車有限元模型，進行了整車側面碰撞、車門模態(tài)、車門剛度三個方面的有限元分析。分析結果表明側碰安全性不符合設計要求，車門模態(tài)性能、剛度性能符合設計要求，存在較大的輕量化設計空間;并確定了通過提高B柱、前門、中門的強度改善碰撞安全性能的方案。
　　(3)提出了基于多目標穩(wěn)健性優(yōu)化方法的車身結構輕量化的

3、方案。
　　首先對整車模型進行簡化，初步選擇16組設計變量，并采用參數(shù)實驗設計方法篩選出10組靈敏度較高的變量，利用最優(yōu)拉丁超立方試驗設計方法抽取試驗樣本，建立了質量、剛度、模態(tài)、內能、B柱與車門測量點的侵入量、侵入速度等響應的近似模型。
　　然后利用近似模型，分別采用NSGA-Ⅱ、NCGA和AMGA三種多目標遺傳算法，對整車進行了確定性優(yōu)化，得到三組Pareto非劣解集;分別選取三組確定性優(yōu)化解，利用蒙特卡洛抽樣的方式對其

4、進行了可靠性分析，結果三種算法的可靠度均不能達到質量水平的要求，需要進行穩(wěn)健性優(yōu)化。通過三種優(yōu)化算法的Pareto解集與可靠度分析結果的對比，選擇了AMGA算法作為穩(wěn)健性優(yōu)化的優(yōu)化算法。
　　最終以AMGA確定性優(yōu)化解作為初始值，結合蒙特卡洛抽樣技術與AMGA算法以質量最小、內能最大及它們的標準差最小為目標進行了多目標穩(wěn)健性優(yōu)化。結果表明，穩(wěn)健性優(yōu)化后的側面碰撞安全、車門模態(tài)、車門剛度三個方面的可靠度，與確定性優(yōu)化相比由原來的64

5、.8％提升到了100％，穩(wěn)健性得到改善。
　　獲得各目標函數(shù)的Pareto非劣解集，選取一組代入到有限元模型中進行仿真驗證，結果發(fā)現(xiàn)車身結構設計變量總質量由原來的60.845kg下降到了53.992kg，質量減輕了6.853kg，降幅為11.263％，實現(xiàn)了車身的輕量化;內能吸收增加了0.229kJ，略有提升;B柱與車門關鍵點的侵入量和侵入速度整體下降，侵入量最大降幅達到了5.465％，侵入速度最大降幅達到了8.218％，側面碰撞