基于代理模型的汽车结构安全多目标优化的研究报告

提出基于自适应径向基函数的多目标优化方法。该方法通过遗传拉丁超立方实验设计、径向基函数和隔代映射遗传算法等技术,系统地评价代理模型。采用改进的贪婪算法挑选最后迭代步中的测试点到最终样本空间,获得整个设计域上的自适应径向基函数模型。该方法被应用于车身薄壁构件耐撞性多目标优化设计中,快速地找到了多组设计方案,较好地平衡了薄壁构碰撞过程中的吸能量和碰撞力。提出基于智能布点技术的微型多目标遗传算法。该算法采用加强径向基函数构建全局代理模型,再运用高效的微型多目标遗传算法进行近似优化。并根据优化结果信息进行智能布点,反馈到设计空间进而不断地更新代理模型,使实验设计过程和近似优化过程形成闭环的过程,提高了优化效率。该方法被应用于某重型商用车驾驶室动态特性优化中,获得大量支配优化前的设计方案使驾驶室动态特性更好并且质量更轻。提出基于信赖域模型管理的优化方法。该方法将在整个设计空间上的复杂优化问题,转化为一系列信赖域上的近似多目标优化问题。通过每个信赖域上的优化结果,确定信赖度和下代域的中心、半径。进而不断地缩放、平移信赖域,来保证获得与真实模型一致的非支配解。该方法被应用于某车门结构优化实际中,通过匹配关键部件的厚度,很好地平衡了车门的各项动静态特性指标。结合信赖域和智能布点技术,用来处理信赖域模型管理需要多次重采样导致效率低下的问题。通过样本遗传策略,遗传落在下代信赖域空间上的样本,减少实验设计样本个数从而提高效率。通过遗传智能布点策略,根据距离比较原则从非支配解外部解集中挑选部分到信赖域空间,提高关键区域代理模型的精度从而加快收敛。该方法被成功应用于基于耐撞性和模态特性的轿车车身结构轻量化设计中,解决了汽车结构安全中的多目标优化问题。

温成形钢及其汽车安全结构件的成形技术

以一种新型具有低奥氏体化温度和高淬透性的第三代汽车钢0.1C-5Mn冷轧板为原材料,按照与热成形基本一致的工艺流程,成功试制出温成形零件。结果表明：温成形钢板的加热温度比传统热成形温度低100-150℃;温成形模具较热成形模具简化;温成形工艺成本更低、效率更高。温成形后的零件尺寸精度高、形状复杂,对在温成形后的零件上截取的试样进行板拉伸试验,试样的抗拉强度不小于1.3 GPa,且伸长率大于12%,说明其力学性能尤其是塑性优于以22Mn B5钢为原料的热成形零件。研究表明,温成形钢及其汽车安全结构件可逐步替代、升级传统22Mn B5热成形钢汽车安全结构件。