整车侧面碰可靠性优化设计..docVIP

整车侧面碰撞可靠性优化设计B.D. Youn, K.K. Choi, R.-J. Yang, L. Gu摘要随着强大的计算机的出现，车辆安全问题最近已经通过使用电脑计算 车辆的耐撞性的方法而得以解决。在削减成本和在研发新汽车时间上得到了进展。汽车设计需要多学科的交互设计优化加上一个计算防撞性分析的计算。然而,基于仿真的优化生成确定优化设计。经常推至设计约束边界的极限,在建模中允许偏差极小。模拟的不确定性,和制造不完美。因此，对于可能导致不可靠的设计的最佳确定，不考虑不确定性可能导致不可靠的设计。所以需要Reliability-BasedDesign优化(RBDO)。最近发展的RBDO允许概率约束评估有两个替代方法:使用可靠性指标的方法(RIA)和性能测量方法(PMA)。PMA的使用混合平均值(HMV)方法证明是健壮的和高效的RBDO过程,而RIA收益率则对一些问题不稳定。本文提出了一种应用程序为RBDO的PMA和HMV的耐撞性一个大规模的汽车侧面碰撞。它显示RBDO对于获得一个可靠性优化设计。所提出的方法是非常有效的 关键词:不确定性,可靠性优化,防撞性、性能测量方法,混合平均值法命名法 X随机参数;X= [X1,X2, ...,Xn]T X实现x,x =(x1,x2,……,xn)T U独立标准正态随机参数;U= [U1, U2, ...,Un]T; U表示u，u =[u1,u2,……、)T Μ意味着随机参数X,μ=[μ1,μ2,…,μn]T D设计参数;d =[d1、d2……,dn]T dL, dU下界和上界的设计参数d P(?)概率函数 fX(x)联合概率密度函数(JPDF)的随机参数 Φ(?)标准正态累积分布函数(CDF)Φ(?) FG(?)CDF的性能函数G(X)；FG(g) =P(G(X) g) Βs安全可靠性指标;βs =?Φ?1(Pf)=Φ??1(FG(g)) Βt目标可靠性指标 G(X)性能函数,如果G(X) 0设计考虑为“失败”概率约束的可靠性指标方法(RIA)概率约束的性能测量方法(PMA) u?β=βt最可能的点(MPP)在一阶逆可靠性分析上MPP使用(高级)平均值法PMAMPP使用共轭平均值法PMAMPP使用混合平均值法在PMA N性能函数的规范化的最速下降方向 Ζ标准性能函数的类型G(X) DSA设计灵敏度分析。1介绍计算分析车辆的耐撞性的影响已成为能满足企业和政府开发一个新产品，降低成本和缩短时间的碰撞安全需的一个强大的和有效的工具。今天,非线性有限元(FE)的事故分析代码成功模拟了许多实验室车辆事故事件,能够设计汽车符合为正面碰撞、侧面碰撞、屋顶粉碎、室内头的影响,做安全指导方针。然而,由于全球市场的竞争日益激烈,优化设计系统推出使用多学科设计优化失败边界鉴定技术,由于模拟的不确定性和制造的缺陷，只能在很窄公差范围内建模。因此,最优设计的确定没有得任何考虑，这些不确定性可能导致不可靠的设计。考虑到增加计算能力,有的是最近开发的,不确定性的存在可以写在可靠性优化设计里(RBDO)。在RBDO模型中、概率约束可以被确定在两个不同的方法:可靠性指数方法(RIA)和性能测量方法(PMA)。在最初的RBDO努力发展下,RIA实施通过定义一个概率约束作为可靠性指标(参考4)。 然而,它被发现RIA收敛很慢,甚至无法收敛,对于许多问题，在很大程度上表现不活跃或违反约束。为了缓解这种RBDO困难,PMA介绍了在一阶方程内通过求解逆问题的可靠性方法(FORM)(参考12)。这是证明它的强大，PMA更有效。 因为它是比一个最小化受制于复杂的简单的成本函数约束(参考2)更容易减少成本的复杂函数。其仅受到一个简单的球面约束与一个已知的距离约束(换句话说,可靠性指数)随后,一个强大的和高效的混合中值(HMV)方法已经开发成一个数值解反问题(参考2)。 PMA的HMV方法效率已被证明很高,,它适应于利用共轭中值(CMV)方法(参考2)或先进中值(amv)方法(参考14)在概率约束评估RBDO期间。碰撞仿真给崩溃的基础安全设计工程师一个机会，让他们有机会去探索更多可以与硬件设计的替代。CAE优化一直是一个做研究车辆安全可行性的软件(参考15)。 基于最优拉丁超立方抽样(LHS),Sudjianto等人证明通过使用多元自适应回归样条曲线用以模拟计算密集的CAE模型一个有效的计算程序(MARS)(参考11)。 调查防撞性机架问题同时使用响应面方法和大量并行编程(标准 1999)。比较了计算精度和有效性采取基本安全的方法去优化大型系统(参考16)。 RBDO车辆耐撞性是企图利用蒙特卡罗模拟(MCS)方法介绍使用车辆RBDO PMA防撞性,处理车辆安全评定分数与人类的安全问题。让其在全球得到广泛响应(参考16)。因为全球响应曲