基于数据驱动的车身结构智能设计与分析

概念设计作为汽车设计流程的重要阶段,需要快速地进行方案设计和方案评估。目前一般采用参数化设计和CAE相结合的方法,实现基于分析的车身结构概念设计。随着机器学习和深度学习算法的发展和成熟,智能设计方法将成为车身结构设计主要创新技术。本文使用数据驱动和优化设计相结合的方法,自主研发了车身结构智能设计软件工具(S-iVCD)。首先,基于残差网络和热力图回归算法提取车身结构特征点,实现车身结构概念模型的自动化建模。其次,基于高斯过程采样收集车身结构数据集,采用全连接神经网络模型构建了车身结构网络模型,通过将车身各部件参数输入训练好的网络模型,实时得到车身整体性能的结果。最后,将数据驱动计算与移动渐近线算法结合,快速实现考虑质量、弯曲刚度和扭转刚度的车身结构多目标优化设计。通过与有限元实例对比,计算结果的误差在允许范围内,优化计算时间大为缩短,轻量化率达到了7.4%。由此表明基于数据驱动的车身结构优化设计方法对于汽车概念设计阶段提高效率是有效的。