- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于RSM与RBF的车身多目标轻量化应用研究
周挺,刘莹,乔鑫
华晨汽车工程研究院
摘要:本文以某自主品牌SUV白车身为研究对象,通过Isight为优化平台,搭建了白车身模态、弯曲刚度与扭转刚度的多目标轻量化优化的仿真分析模型。通过优化超拉丁方法设计试验,响应面法(RSM)和径向基神经网络(RBF)分别进行近似模型的计算,最后以Pointer
方法全局优化。在保证精度的条件下,降低计算成本。在保证性能的前提下,减重6.11kg。
关键词:Isight;优化拉丁超立方;响应面模型;径向基神经网络
1.引言
随着世界各国节能减排方面的法规与标准日益严格,各大汽车企业对于汽车的轻量化发
展越发重视,而白车身轻量化就是其中重要的一环。轻量化的车身既能减少材料的消耗又降
低了油耗成本与排放污染,因此在满足要求的条件下,车身减重有着十分重要的意义。
目前基于Isight进行白车身多目标轻量化的优化方法已经应用于整车开发当中,但是在应用中如何设计实验样本数量,如何选取近似模型计算方法等还没有明确的结论,本文重点研究了在轻量化计算过程中,如何选取实验样本数量与近似模型的选取等方面,对白车身轻
量化方法应用具有一定的指导意义。
2.应用实例
2.1优化仿真过程描述
针对某自主SUV白车身(如图1)进行轻量化设计,以Isight软件作为优化平台,通过料厚的改变,达到在白车身的弯曲、扭转刚度及模态都满足要求的同时,降低车的重量。
图1.某SUV白车身.
2018SIMULIA中国区用户大会1
车身的质量表示为各料厚变量的函数:
F(x)=f(x1,x2…x?)(1)
车身弯曲、扭转刚度与模态表示为料厚变量的函数:
g?(x)=g?(x1,x2…x?)(2)
以g?(x)≥n?为约束条件,以minf(x)为目标进行优化。
其中x1,x2…x?为各部件料厚,f(x)为车身质量,g?(x)分别为车身弯曲、扭转刚度值
和模态值,n?为其对应的各目标值。
2.2实验设计
首先对白车身的模态、弯曲刚度与扭转刚度分别设计试验,如图2为弯曲刚度的实验设计。
图2.弯曲刚度的实验设计.
在模态的计算过程中,为避免由于料厚改变而造成局部模态的干扰,加入模态追踪脚本,
进而保证模态选取的准确性与一致性。
试验样本的选取使用OptimalLatinHypercubeDesign(优化拉丁超立方)进行选取,该方法使试验点尽量均匀的分布在设计空间,使因子和响应的拟合更加精确真实。样本数量选取分别为2n+1、n*(n-1)/2、n*(n+1)/2等三种经验设计个数(n为料厚变量个数)。本
实例选取了11个料厚变量,因此样本数量分别为23、55、66。
弯曲刚度与扭转刚度使用模态实验设计中的料厚样本,保持同样本数量的数据一致性。
2.3近似模型与全局优化
将三种性能计算得到的结果放入同一表格中进行近似模型的生成并计算。如图3为基于近似模型的优化计算。
图3.基于近似模型的优化计算.
2018SIMULIA中国区用户大会2
近似模型的生成方法分别使用响应面模型(RSM)与径向基神经网络(RBF)进行计算,响应面模型利用多项式函数拟合设计空间,可以拟合复杂的响应关系,径向基神经网络具有逼近复杂非线性函数的能力,本实例将分别计算验证其对于本优化的精确性。
全局优化选用Pointer算法,它是由Isight提供的集成了四种优化算法(线性单纯法、序列二次规划法、最速下降法和遗传算法)的最优的优化策略,其将根据优化问题的不同自动组合算法,为工程师带来极大方便。
3.结果分析及结论
3.1计算结果
经过计算,在满足性能要求的同时,通过11个变量的料厚增减,重量降低6.11Kg。优
化前后的质量与性能如表1所示。
表1.优化前后质量与性能.
优化前优化后
质量(kg)409.08402.97
模态(Hz)36.336.3
弯曲刚度(N/mm)2347923263
扭转刚度(N/mm)2456024132
中通道刚度(N/mm)51955092
3.2误差对比分析
三种样本数量与两种近似模型方法分别组合进行优化计算,得到了同一优化方案,将所
得优化方案带入CAE模型中,得到各性能值,通过计算得出三种样本数量基于RBF与RSM
的计算结果误差,如表2、3、4所示。
表2.23个样本基于RBF与RSM下的误差.
RSMRBF
质量误差(%)-4.5E-058.3E-06
模态误差(%)0.000370.0022
弯曲刚度误差(%)0.4
您可能关注的文档
- 基于OptiSLang的涡轮叶片多学科冷却设计优化方法研究.docx
- 基于LS-DYNA的7075铝合金汽车保险杠碰撞仿真分析.docx
- 基于LBM的翼型后扰流板对汽车尾流影响的探究.docx
- 基于Isight主镜组件结构参数优化分析.docx
- 基于Sculptor网格变形和Isight混合优化策略气道优化.docx
- 基于Isight研究阻尼对频响的影响.docx
- 基于Python语言的起落架有限元快速分析方法.docx
- 基于Python脚本的汽轮机长叶片振动应力自动分析程序.docx
- 基于HFSS-modeFRONTIER联合仿真的放射噪声优化.docx
- 基于nCode的前横向稳定杆应变疲劳分析(NASTRAN+Ncode).docx
文档评论(0)