[发明专利]基于粒子群算法的车身侧围结构多工况协同优化实现方法

权利要求书

1.一种基于改进粒子群优化的车身侧围结构多工况协同优化实现方法，其特征在于，包括以下步骤：

1)针对待处理优化的轿车的车身侧围结构，建立用于侧面碰撞工况的整车侧面有限元模型和用于刚度模态工况的白车身有限元模型，并对应进行侧面碰撞工况分析和刚度模态工况分析，并选取设计变量；

2)根据不同工况仿真分析的对应设计变量的个数进行采样，建立与之相对应的Kriging近似模型，并验证模型精度；

3)运用加强协同优化算法进行侧面碰撞工况和刚度模态工况间耦合关系的构建；

4)针对侧面碰撞工况和刚度模态工况，分别运用灵敏度分析和数据挖掘的方式，获得各自对应的主要设计变量和优化目标区域；

5)通过合理布置粒子群优化算法初始粒子种群，针对不同的工况，运用对应的改进粒子群优化策略，进行基于粒子群优化算法的寻优求解，最终得到车身侧围优化结构。

2.根据权利要求1所述的优化实现方法，其特征是，所述的近似模型为Kriging近似模型Kriging模型可由方程表示为：Y(x)＝G(x)+Z(x)，G(x)是x的函数，Z(x)是一个均值为0，方差为σ²的随机过程。

3.根据权利要求1所述的优化实现方法，其特征是，所述的验证模型精度，通过确定性系数R²判断，其中n为检验的样本点数，为样本点Kriging近似模型预测值，y_i为样本点的有限元计算值，为所有样本点仿真结果的平均值；当R²>0.9，则满足精度要求。

4.根据权利要求1所述的优化实现方法，其特征是，所述的步骤3，具体为：对系统级优化和子系统级优化结构进行了相应的修改，将各子系统间的约束模型进行相互共享；

所述的系统级优化是指：其中：z是同时考虑侧面碰撞工况和刚度模态工况的车身侧围结构优化系统赋予共享变量的目标值，x^*代表子系统优化过程中寻得的与系统级优化目标最接近的问题解；

所述的子系统级优化是指：不同侧面碰撞工况和刚度模态工况下的具体优化，即：其中：x为子系统独立的共享变量，x_L为局部变量，x_s＝[x,y]为共享变量(与多个子系统相关的)，y为耦合变量，s为松弛系数，保证子系统问题求解的可行性，z为参数，由系统级优化提供，作为子系统目标，λ_C为兼容性惩罚系数，λ_F为可行性惩罚系数，是问题目标的二次方程组模型；

所述的子系统间的约束模型是指：g⁽ⁱ⁾是子系统i的局部约束，是子系统j的线性约束模型。

5.根据权利要求1所述的优化实现方法，其特征是，所述的灵敏度分析，通过Sobol灵敏度分析方法实现，具体步骤包括：

步骤4.1、基于步骤2得到的Kriging近似模型，建立灵敏度分析目标值；

所述的灵敏度分析的目标值包括：侧面碰撞灵敏度分析目标值、车身刚度模态灵敏度分析目标值；

步骤4.2、运用灵敏度分析技术，分析每个碰撞工况中影响优化问题的主要变量，其中约束函数因子λ取值均为1；

步骤4.3、针对灵敏度分析获得的优化问题影响主要设计变量，进行数据挖掘，寻找问题在设计域内的优化区域。

6.根据权利要求1或5所述的优化实现方法，其特征是，所述的数据挖掘，运用分类与回归树数据挖掘技术针对可行的优化区域进行辨识。

7.根据权利要求1所述的优化实现方法，其特征是，所述的基于粒子群优化算法的寻优求解以粒子群算法为基础，根据和更新位置和速度，其中：c₁和c₂为学习因子或加速常数；rand()为介于(0,1)之间的随机数；和分别为粒子i在第k次迭代中第d维的速度和位置；是粒子i在第d维的个体极值位置；是群体在第d维的全局极值的位置。

8.根据权利要求1或7所述的优化实现方法，其特征是，所述的基于粒子群优化算法的寻优求解通过非静态惩罚函数法来处理约束优化问题，惩罚函数F(x)＝f(x)+h(k)H(x),x∈S，其中：f(x)为约束优化问题的初始目标函数；h(k)为惩罚修正值，k为当前的代数，H(x)为惩罚因子。

9.一种实现上述任一权利要求所述方法的系统，其特征在于，包括：有限元模型建立单元、工况分析与近似建模单元、协同优化单元以及粒子群优化单元，其中：有限元模型建立单元与工况分析相连将建立好的有限元模型进行工况载荷施加，工况分析后提取工况的响应数据建立每个工况的近似模型；工况分析与近似建模单元与协同优化单元相连，根据协同优化方法构建每个工况所对应的优化问题；协同优化单元与粒子群优化单元相连，并将优化目标和约束信息传递到粒子群优化单元，完成算法的优化运算，最后输出优化结果。