优化设计方法在汽车设计中的对比探究.pdfVIP

优化设计方法在汽车设计中的对比研究 姜欣 陈勇 史国宏 江峰 （泛亚汽车技术中心有限公司，上海 201201） 摘要：本文结合在整车开发中的优化设计经验，对几种不同的优化设计方法进行了对比研究，获得了一些在汽车设计中的实 用性结论。对优化设计方法在工程中的应用有一定指导意义。 关键词 ：优化算法，汽车设计，近似模型，试验设计 引 言 随着国内汽车研发水平的提升，优化设计已经逐步应用到整车开发过程当中。但众多优化设计方法如何在工 程中合理的应用并没有一个明确的结论。针对上述问题，作者结合整车开发的工程实践，研究了几种常用的优化 设计方法的特点，并对不同优化设计方法作了对比研究，总结了一些在汽车设计过程中应用优化设计方面的经验， 对后期优化设计在汽车开发中的应用有一定指导意义。 1 试验设计 1.1 常用的试验设计方法 试验设计（DOE ）是进行优化工作的基础，在汽车设计优化问题中，常用的试验设计方法有正交试验（Orthogonal Array ）和优化的拉丁超立方（Optimal Symmetric Latin Hypercube ）。 正交试验（ 7 6 1 4 OA ）是通过应用正交表来安排试验样本，常用的有L (2 ), L (5 ), L (3 *2 )等。该方法保证了样 8 25 12 本在样本空间的均匀分布及正交性。是一个较为成熟的试验设计方法。所谓正交，即试验矩阵中的每一因素的每 个水平在实验的总次数中出现的次数相等，同时任意两个因素之间各种水平的搭配出现的有序数列中，每种数对 出现的次数相等。 iSIGHT 软件中可以支持最大4 水平，256 个样本点的正交试验。工程师也可以按照试验规则， 针对不同优化问题的特点定制正交试验矩阵。 优化的拉丁超立方（OSLH ）是在普通拉丁方试验基础上改进的一种试验设计方法，它增加了一些判断依据来 保证试验样本在设计空间中的均匀分布。主要包括最大最小距离判据（Maximin Distance Criterion ）、熵判据 （ Entropy Criterion ）、最小化L2 中心相位差判据（Centered L2 Discrepancy Criterion ）等。该方法是在相同样本水 平前提下所需试验次数最少的一种采样方法。但它牺牲了样本点的整齐可比性保证了样本水平的数量。在一些整 车优化过程中，依据该方法建立的近似模型在设计空间边缘精度较低，因此不利于优化结果可能在设计空间边缘 的问题。同时对于变量水平不相同的情况，该方法并不适用。 1.2 DOE 矩阵定义 试验设计主要目的就是要保证后期能够建立一个精确的近似模型。其矩阵大小主要取决于设计变量的个数。 通常情况下，建议样本个数至少为变量个数的三倍以上。针对不同变量存在不同水平的情况，比如既有尺寸变量 又有子系统配置形式作为变量的情况，通常采用正交试验方法。针对变量不多但水平较多，需要精确模拟单个变 量与输出指标之间关系的情况，建议采用优化的拉丁超立方作为试验设计矩阵。 如果后期额外增加样本点，两种 方法的近似模型精度都会有一定程度的提高。表 1 比较了某白车身刚度问题两种DOE方法的优化结果误差。 表 1 试验设计优化结果误差比较 Global Response Torsion FRT bending RR bending bending Mass Method Stiffness Stiffness Stiffness Stiffness OA 0.0972% -0.2