基于不确定性分析的商用车多目标协同优化方法研究

商用车系统是非线性、强耦合以及受大量不确定性因素影响的系统。文章基于不确定性多目标UMOMDO(Un-crtainty Multi-Objective Multidisciplinary Design Optimization,UMOMDO)优化方法,研究建立一种不确定全局协同优化框架。以近似模型数据、试验数据与动态仿真数据为基础,基于深度数据驱动学习算法构建优化变量的解空间界定器,通过特征建模与递推演算方法界定优化变量范围,将设计变量映射到高维空间。再通过高维空间数据密度差,建立整车多目标协同优化模型,并基于该优化框架对H5B中型商用车进行车架结构-性能-可靠性多目标协同优化设计。优化过后的设计与原设计相比,满载最大应力降低2.8%,扭转最大位移降低15.2%,一阶频率提高3.3%,可靠度提高到95%,且质量减少2.3%,较好地完成了可靠性轻量化设计的目标。