某自卸车车厢的多目标尺寸优化

针对某公司的自卸车车厢研究,为了降低车厢的制造成本,故对其进行结构轻量化的研究和探索。使用HyperMesh软件对车厢的三维模型进行有限元建模,并对其有限元模型进行静态和动态特性分析,其结果均满足设计目标,并具有一定的优化空间。但由于车厢设计变量较多,故引入改进灵敏度分析的方法从38组设计变量中筛选出6组关键设计变量。使用哈默斯雷采样法进行200次采样,使用最小二乘法和径向基函数生成响应面搭建近似模型,然后以车厢的应力、位移为约束条件,以质量最小和第6阶模态频率最大为优化目标,使用多目标遗传算法(multi objective genetic algorithm,MOGA)对参数化近似模型进行优化。优化后的结果表明,在保证其车厢静态和动态结构性能的同时,最终优化结果减重0.705 t,减重率10.34%,减重效果明显。

径向基函数近似模型在车门轻量化中的应用

为了降低重量,这里进行汽车前门轻量化研究。首先对汽车前门的模态、刚度进行分析,以确保其性能满足要求。然后利用试验设计对钣金件进行筛选,选出对输出响应影响较大的钣金件作为设计变量,应用哈默斯雷采样法采集样本点构建径向基函数近似模型,再用拉丁超立方采样法验证所建模型的准确性,最后在近似模型的基础上,利用遗传算法进行优化计算。结果表明:在前门的模态、刚度都满足目标要求的情况下,前门质量降低了15.65%,并且大大缩短优化时间。