跨尺度结构智能优化方法与快速设计

跨尺度拓扑优化设计极大激发了结构轻量化潜力,在先进装备的开发中具有重要作用。然而基于传统有限元的结构拓扑优化算法难以适应产品快速迭代的需求。为此,本文提出了一种基于耦合深度学习的跨尺度拓扑优化方法,通过集成残差神经网络(Resnet)、U-net架构及SEnet中的注意力机制,建立快速生成双尺度拓扑结构的深度学习模型。模型训练数据利用双向渐进结构优化算法产生,并用一组全新的数据对模型进行测试。数值算例表明,本文提出的深度学习模型可以高效且准确的生成基于各种边界下的宏观材料分布与微观拓扑结构。

纯电动汽车传动系统-电机结构参数协同设计优化

提出一种纯电动汽车传动系统与电机结构参数协同设计优化方法,来提高纯电动汽车动力性与经济性,同时降低永磁同步电机齿槽转矩以降低电机的振动噪声。首先,以电机结构参数为输入,额定转矩与齿槽转矩为输出,开展了基于电机多参数仿真和不同机器学习预测模型精度的研究,并建立永磁同步电机额定转矩和齿槽转矩的高精度机器学习预测模型;其次,利用电机基本设计参数(额定转矩、峰值转矩、额定转速、峰值转速)以及峰值效率构建永磁同步电机效率map图的快速预估数学模型;再次,基于电机齿槽转矩预测模型以及电机效率map图的快速预估数学模型,建立电机结构参数与效率特性的映射关系;最后,以电机结构参数和传动比为优化变量,整车动力性、经济性以及电机齿槽转矩为优化目标,运用遗传算法进行多目标优化。仿真结果表明,相较于优化前,优化后的整车性能0-100 km/h加速时间缩短了27.3%,15 km/h最大爬坡度提高了40.5%,WLTC工况能耗减少了1.6%,电机齿槽转矩降低了42.2%。

基于改进连续型Hopfield神经网络的CAN总线负载率优化

CAN总线负载率对于车载总线的安全性与时延性有至关重要的作用。鉴于传统的连续型Hopfield神经网络(CHNN)在解决此类问题时存在惩罚参数鲁棒性差和所得解易陷入局部最优的缺陷,本文借助模拟退火算法中的蒙特卡洛思想,提出应用于CAN总线负载率优化问题的改进连续性Hopfield神经网络算法(SA-CHNN)。选取微型电动车中99条通信信号作为实验数据进行测试,结果表明,SA-CHNN算法成功解决传统CHNN算法求解CAN总线负载率优化问题的不足,具有明显的优越性。最后,基于搭建的Simulink-Speedgoat CAN总线实验平台对SACHNN算法得到的最优信号分配的报文进行实时负载率仿真验证,结果表明SA-CHNN算法的准确性。

智能商用车路径跟踪控制研究

文章建立了商用车电液耦合转向系统模型和车辆二自由度模型。基于车辆二自由度模型和模型预测控制方法进行了商用车路径跟踪控制器设计。电液耦合转向系统、Trucksim和模型预测控制算法联合仿真结果表明,所设计的路径跟踪控制算法保证了车辆良好的跟踪性,其跟踪误差控制在0.01 m之内。

宽温域乘用车空气弹簧动力学建模与控制

目前,空气悬架在不同的车型上的装配比例越来越高,然而,整车性能的空气悬架匹配主要基于定常温下开展,很少考虑宽温域下空气悬架的控制性能。针对宽温域服役范围下乘用车的空气悬架高度控制问题,本文从空气弹簧的静态特性入手,提出了一种宽温域空气弹簧的表征模型,并模拟乘用车在非运动状态下悬架系统高度控制进行了仿真与试验,实现了车辆在宽温域下的服役性能提升。首先,通过不同温度的试验数据建立了宽温域空气弹簧模型,充分考虑了温度对橡胶以及气体的影响。其次,提出了一种基于在线线性二次调节器法(LQR)的空气悬架控制算法,该模型考虑了温度对气囊参数的影响规律。最后,在宽温域条件下验证控制器的鲁棒性。仿真与试验结果表明,考虑宽温域服役的新型控制器能实现车身高度达到目标高度并且避免出现振荡,具有良好的稳定性和鲁棒性。

面向增材制造各向异性的结构拓扑与打印方向协同优化

增材制造技术的快速发展为拓扑优化产生的复杂设计提供了一种有效的制造手段。然而,与传统制造方式相比,由增材制造逐层打印工艺获得的结构通常表现为具有各向异性的刚度和强度特性,经验性地选择优化结构的打印方向忽略了工艺的影响,严重限制增材制造结构性能。因此,提出一种结构拓扑与打印方向协同优化方法,用于各向异性材料模型下的构型及打印角设计,并通过改善各设计变量相互耦合导致的优化收敛不稳定问题,实现增材制造产品综合性能提升。首先,建立基于材料旋转角的各向异性等效刚度矩阵和基于Tsai-Hill失效准则的强度约束表达式。其次,引入拉格朗日乘数以同时考虑结构柔度与失效系数约束,并推导关于单元设计变量的灵敏度方程,以及开发权值混合方法进一步推导关于材料旋转角的解析解。最后,采用一系列数值算法及关键参数更新策略稳定优化历程。典型算例表明,所提方法可以有效地产生最佳拓扑结构和打印方向,在保证结构强度的同时显著提高刚度特性,且优化过程易于收敛。