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。

基于近似模型的非线性区间数优化方法及其应用

在不确定优化中,非线性区间数优化方法由于需要嵌套优化,造成计算效率低下而阻碍其应用于工程实际。本文提出了一种基于径向基函数近似模型的求解方法,以提高非线性区间数优化方法的计算效率。该方法利用拉丁超立方实验设计方法采样,建立目标函数和各约束的径向基函数近似模型。利用近似模型代替嵌套优化中的真实模型,再用非线性区间数优化方法进行求解,从而提高了非线性区间数优化方法的计算效率,使得该算法在工程应用方面成为可能。用一个测试函数验证了该方法的可行性,最后将方法应用于车身薄壁梁的耐撞性优化。

基于近似模型的大排量摩托车悬架系统平顺性优化分析

针对某运动型大排量摩托车行驶平顺性问题提出一种优化方案。通过摩托车在C级路面上的仿真分析得到表征摩托车行驶平顺性的俯仰振动与垂向振动加速度,并将以上两个指标峰值作为目标响应,采用最优拉丁超立方抽样方法对悬架系统的相关参数进行灵敏度分析与近似建模,基于分析结果采用径向基函数神经网络近似模型进行多目标优化。结果表明,优化后经实车验证,俯仰振动加速度峰值降低了17.21%,前、后车轮垂向振动加速度峰值分别降低8.11%和24.18%,改善了摩托车行驶平顺性以及验证了该优化方案的有效性。

铸铝一体化车门的多目标可靠性优化设计

为提升车门的轻量化水平与性能,采用“材料—结构—性能”一体化集成方法设计铸铝一体化车门。基于构建的铸铝一体化车门有限元模型,以车门的厚度为设计变量,采用径向基函数(radial basis function,RBF)神经网络近似模型和二阶响应面近似模型并分别结合二代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)、多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法以及多岛遗传算法(multi-island genetic algorithm,MIGA)对车门的下沉刚度工况位移、上扭转刚度工况位移、下扭转刚度工况位移、一阶弯曲模态频率、一阶扭转模态频率和质量进行确定性优化设计。在此基础上,考虑材料及加工制造等不确定性因素,对确定性优化解的质量水平进行6Sigma可靠性分析与优化。结果表明,二阶响应面近似模型与MOPSO算法的优化组合方案实现了车门的最佳轻量化,RBF神经网络近似模型与MOPSO算法的优化组合方案实现了车门下沉刚度工况位移的最小化。上述2种组合分别实现了车门轻量化与安全化的设计目标。研究结果可为车身零部件的优化设计提供参考。

汽车板料包边区间优化设计方法

将区间优化方法用于板料包边设计。针对影响板料包边后边界缩进比较大的几个参数,建立目标函数的径向基函数近似模型,用区间优化方法对近似模型进行不确定优化。汽车板料包边仿真中变形区域小导致有限元模型在变形区域的网格很小,模型计算时间较长;而近似模型计算效率高,提高了区间优化方法计算效率,使板料包边的优化设计成为可能,并且为生产中的汽车板料控制包边后的边界缩进提供了一种新的思路。

一种包边模边界缩进控制方法

将确定性优化方法用于板料包边设计。汽车板料包边仿真中变形区域小导致有限元模型在变形区域的网格很小,模型计算时间太长。本文针对影响板料包边后边界缩进较大的3个参数,建立目标函数的径向基函数近似模型,并用确定性优化方法对近似模型进行优化,近似模型计算效率高,提高了优化方法计算效率,使板料包边的优化设计成为可能,并为生产中的汽车板料控制包边后的边界缩进提供了一种新的思路。