亚洲日产无码中文字幕|欧美日韩国产在线|亚洲欧美午夜精品一区二区三区|亚洲国产综合勉费视频

精密儀器

基于反饋多目標(biāo)優(yōu)化方法的背門輕量化設(shè)計(jì)

摘 要:利用多目標(biāo)優(yōu)化方法進(jìn)行背門的輕量化設(shè)計(jì),提出優(yōu)化過(guò)程中的材料成本控制方法,以及包含離散和連續(xù)變量的試驗(yàn)設(shè)計(jì)方法。將反饋機(jī)制應(yīng)用于近似模型的構(gòu)建過(guò)程,搭建了一套適應(yīng)性強(qiáng)、擬合和預(yù)測(cè)精度高的參數(shù)優(yōu)化流程。經(jīng)過(guò)優(yōu)化,提出了兩組背門優(yōu)化方案,在基本不降低力學(xué)性能、同時(shí)材料成本不大幅提高的前提下,分別實(shí)現(xiàn)了4.12 kg和7.64 kg的減重。

關(guān)鍵詞:多目標(biāo)優(yōu)化;汽車背門;輕量化;多材料


隨著我國(guó)汽車工業(yè)不斷發(fā)展,節(jié)能和環(huán)保已經(jīng)成為汽車研發(fā)的主要發(fā)展方向,而輕量化技術(shù)是實(shí)現(xiàn)節(jié)能環(huán)保的重要途徑[1]。多材料混合的多學(xué)科多目標(biāo)優(yōu)化設(shè)計(jì),可以充分發(fā)揮各種輕質(zhì)材料的優(yōu)勢(shì)、最大程度地滿足輕量化要求。但多材料一體化設(shè)計(jì)屬于復(fù)雜非線性優(yōu)化問(wèn)題,目前仍處在起步階段[2]。

汽車背門屬于車身大型覆蓋件,在車身質(zhì)量中具有很高占比。使用多目標(biāo)優(yōu)化方法對(duì)其進(jìn)行輕量化研究,不僅可以減少車身質(zhì)量,實(shí)現(xiàn)節(jié)能減排,同時(shí)提高汽車動(dòng)力性和安全性,而且可以作為整車輕量化的參考依據(jù),提高新車型開發(fā)效率,降低開發(fā)成本,實(shí)現(xiàn)企業(yè)競(jìng)爭(zhēng)力的提升[3]。

1 優(yōu)化目標(biāo)與約束

1.1 多材料背門成本計(jì)算方法

汽車企業(yè)逐漸將輕量化研究目標(biāo)放在了輕量化材料的使用上。輕量化材料包括高強(qiáng)度鋼、鋁合金、鎂合金以及復(fù)合材料等。鋁合金是白車身中應(yīng)用較多的輕量化材料,其密度只有鋼材的三分之一,擠壓成型性能好、耐腐蝕性強(qiáng)、且易于回收[4]的特性使之成為適用于汽車零部件的材料。鎂合金的密度約為鋼材的23%,若在車身中使用鎂合金,可以比全鋁車身進(jìn)一步降低20%的質(zhì)量[5]。此外,鎂合金的電解能耗較低,成型性好,有很大的應(yīng)用潛力。

筆者主要采用了低碳鋼、鋁合金和鎂合金這3種材料進(jìn)行汽車背門的輕量化設(shè)計(jì),其材料屬性如表1所示。


表1 材料屬性參數(shù)

image.png


輕質(zhì)材料雖然能夠?qū)崿F(xiàn)車身的有效減重,但若考慮材料價(jià)格,單一的輕質(zhì)材料車身相比普通低碳鋼車身需要更高的材料成本。因此,通過(guò)將鋼材和其他輕量化材料組合使用,構(gòu)建多材料車身,可實(shí)現(xiàn)減重和成本的最佳權(quán)衡。多材料設(shè)計(jì)是指將合適的材料用于合適的部位,以充分發(fā)揮各種材料的優(yōu)勢(shì),實(shí)現(xiàn)最經(jīng)濟(jì)的輕量化效果[6]。

筆者將材料和零件厚度同時(shí)考慮為設(shè)計(jì)變量,建立優(yōu)化數(shù)學(xué)模型,用多目標(biāo)算法進(jìn)行優(yōu)化設(shè)計(jì)。為了保證優(yōu)化方案的經(jīng)濟(jì)可行性,同時(shí)對(duì)成本進(jìn)行控制。汽車零部件的整體成本包括管理成本和制造成本。由于管理成本隨企業(yè)管理模式的不同而存在差異,制造成本需要對(duì)材料費(fèi)用、加工費(fèi)用和模具分?jǐn)傎M(fèi)用等進(jìn)行綜合考量,很難進(jìn)行統(tǒng)一計(jì)算。因此僅將占制造成本六成以上的材料成本作為優(yōu)化指標(biāo)[7]。

計(jì)算材料成本時(shí),需要獲取每個(gè)零件的質(zhì)量。在傳統(tǒng)的基于有限元計(jì)算的多目標(biāo)優(yōu)化問(wèn)題中,無(wú)法通過(guò)有限元結(jié)果文件獲得各個(gè)零件的質(zhì)量。為了解決這個(gè)問(wèn)題,筆者通過(guò)構(gòu)建外部函數(shù)的方式進(jìn)行材料成本計(jì)算。材料成本計(jì)算公式如下:


image.png

式中:Mi為第i個(gè)零件的質(zhì)量;pi為第i個(gè)零件的單價(jià); ρi為第i個(gè)零件的密度;ti為第i個(gè)零件的厚度;ci為第i個(gè)零件的展開面積。


1.2 背門結(jié)構(gòu)性能指標(biāo)

采用有限單元法評(píng)估汽車背門結(jié)構(gòu)的性能,采用平均尺寸為10 mm的四邊形單元進(jìn)行網(wǎng)格離散。背門約束模態(tài)分析時(shí)的工況如圖1所示。


image.png

圖1 背門模態(tài)工況設(shè)置


側(cè)向剛度分析時(shí),邊界條件設(shè)置如圖2所示。

image.png

圖2 背門側(cè)向剛度工況設(shè)置


背門下壓剛度分析工況設(shè)置如圖3所示。

image.png

圖3 下壓剛度工況設(shè)置


過(guò)開剛度工況設(shè)置方法如圖4所示。

image.png

圖4 過(guò)開剛度工況設(shè)置


對(duì)背門模型進(jìn)行抗凹性能分析時(shí),其邊界條件設(shè)置如圖5所示。

image.png

圖5 背門抗凹工況設(shè)置


1.3 背門初始狀態(tài)計(jì)算

在汽車背門優(yōu)化設(shè)計(jì)中,分別導(dǎo)入上述5個(gè)有限元計(jì)算模型,以及式(1)的材料成本計(jì)算模型。其中,過(guò)開剛度、側(cè)向剛度、模態(tài)和下壓剛度模型為線性分析,利用Hyperwork/Optistruct作為求解器;抗凹剛度模型中,涉及接觸非線性、材料非線性,因此利用Abaqus作為求解器;而成本計(jì)算函數(shù)為數(shù)學(xué)運(yùn)算,采用Excel作為求解器。由于優(yōu)化求解過(guò)程需要使用3種求解器進(jìn)行協(xié)同運(yùn)算,而Abaqus并未集成于Hyperstudy中,因此需要在軟件中注冊(cè)求解器腳本,并指定Abaqus計(jì)算程序路徑。

首先運(yùn)行一次初始狀態(tài)計(jì)算,提取出各響應(yīng)值,如表2所示。


表2 初始響應(yīng)值

image.png

2 優(yōu)化算法和近似模型的確定

厚度-材料協(xié)同多目標(biāo)優(yōu)化問(wèn)題非線性程度高,其求解存在一定困難,且同時(shí)存在連續(xù)變量和離散變量,尋優(yōu)過(guò)程中容易陷入局部最優(yōu)。此外,由于該問(wèn)題沒(méi)有解析形式,使得求解過(guò)程耗時(shí)很長(zhǎng),而多個(gè)目標(biāo)的同時(shí)優(yōu)化,又令求解難度進(jìn)一步提高[7]。

針對(duì)復(fù)雜的非線性優(yōu)化問(wèn)題,遺傳算法具有其獨(dú)特的優(yōu)勢(shì)[8]。它可以對(duì)整個(gè)變量空間進(jìn)行搜索,避免傳統(tǒng)梯度算法陷入局部最優(yōu)的缺陷。

徑向基神經(jīng)網(wǎng)絡(luò)模型可對(duì)復(fù)雜非線性問(wèn)題進(jìn)行有效擬合,且具有較好的預(yù)測(cè)能力,因此選用徑向基神經(jīng)網(wǎng)絡(luò)模型來(lái)進(jìn)行真實(shí)問(wèn)題的替代[9]。


3 基于試驗(yàn)設(shè)計(jì)的變量確定

3.1 材料變量的試驗(yàn)設(shè)計(jì)方法

在背門結(jié)構(gòu)優(yōu)化時(shí),優(yōu)化對(duì)象僅針對(duì)沖壓鈑金件。背門包含的主要板件如圖6所示。背門中共包含10個(gè)部件,因此含有10個(gè)厚度變量,分別定義為t1~t10。內(nèi)板的3個(gè)組件應(yīng)控制為同一種材料,故模型中含有8個(gè)材料變量,分別定義為m1~m8。其中,厚度變量為連續(xù)變量,定義上限為2.5 mm,下限為0.5 mm;材料為離散變量,備選材料為低碳鋼、鋁合金、鎂合金。


image.png

圖6 背門主要板件結(jié)構(gòu)


為了建立準(zhǔn)確的近似模型,必須提供充足可靠的樣本點(diǎn)數(shù)據(jù)。哈姆斯雷試驗(yàn)設(shè)計(jì)方法具有優(yōu)秀的空間填充能力,是在工程中被廣泛應(yīng)用的DOE(design of experiment)方法。


3.2 優(yōu)化變量篩選

常用的非線性變量篩選方法包括線性主效應(yīng)法和方差分析法,筆者綜合使用兩種方法進(jìn)行變量篩選。結(jié)果如表3所示。


表3 篩選變量

image.png

由表3可知兩種篩選方法存在一定差異,為了避免篩選方法的不同造成的影響,采用保守的變量篩選方法,對(duì)使用兩種方法選取的變量取并集。最終確認(rèn)選擇以下10個(gè)變量作為下一步的優(yōu)化變量:t1、t2、t3、t4、t8、t9、m1、m2、m3、m8。


4 基于反饋的多目標(biāo)優(yōu)化

4.1 反饋優(yōu)化流程介紹

傳統(tǒng)優(yōu)化和基于反饋的優(yōu)化流程分別如圖7和圖8所示。所提出的基于反饋的優(yōu)化流程,在完成一次傳統(tǒng)的優(yōu)化流程之后,對(duì)優(yōu)化得到的最優(yōu)解進(jìn)行預(yù)測(cè)精度的判斷,并在最優(yōu)值及其附近位置增加樣本點(diǎn),這樣可以利用更少的樣本點(diǎn)在最優(yōu)值位置獲得最佳的預(yù)測(cè)精度。


image.png

圖7 傳統(tǒng)優(yōu)化

image.png

圖8 基于反饋的優(yōu)化


4.2 背門初次優(yōu)化

對(duì)于大多數(shù)的n變量響應(yīng)面擬合,推薦的樣本點(diǎn)數(shù)量為(n+1)(n+2)。經(jīng)過(guò)變量篩選,最終確認(rèn)將10個(gè)變量作為優(yōu)化變量,因此在進(jìn)行初次DOE設(shè)計(jì)時(shí),樣本點(diǎn)規(guī)模為(10+1)(10+2)=132。

采用包含離散變量的哈姆斯雷DOE方法定義樣本規(guī)模為132的試驗(yàn)矩陣,并在Hyperstudy平臺(tái)上,將這132個(gè)樣本方案提交求解器計(jì)算。

樣本計(jì)算完成后,選取適用于復(fù)雜非線性問(wèn)題的徑向基函數(shù)模型作為近似模型構(gòu)建方法。

基于近似模型,采用多目標(biāo)遺傳算法進(jìn)行全局尋優(yōu)。經(jīng)過(guò)45次迭代、種群規(guī)模達(dá)到6 114個(gè)樣本之后,遺傳算法達(dá)到收斂,結(jié)果如圖9所示。

固安县| 塔城市| 鹤山市| 潼关县| 镇沅| 江都市| 钟山县| 铁岭县| 陈巴尔虎旗| 山丹县| 斗六市| 鸡东县| 萍乡市| 蛟河市| 兴安县| 环江| 文安县| 繁昌县| 合阳县| 吴桥县| 普格县| 娱乐| 蒙山县| 炉霍县| 安庆市| 蓬溪县| 万载县| 新化县| 松桃| 永德县| 南江县| 修文县| 昭苏县| 浦北县| 海兴县| 镇雄县| 绵阳市| 六枝特区| 星座| 阳曲县| 深州市|