[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

说明书

技术领域

本发明涉及的是一种轿车车身侧围结构设计领域的技术，具体是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。

背景技术

随着时代的进步，科学技术的发展，人们对汽车工业的要求也越来越高，如缩短生产周期、扩大车辆使用范围等，给汽车行业的发展带来了很大的压力。由于现代汽车包含更多的功能和使用特性，车辆设计过程变得越来越复杂，需要研究的工况数目大大增加：除了传统的行驶动态性能、结构稳定性、防撞性能等工况之外，一些额外的工况如车身声学分析、电子兼容性等也纳入到了车辆开发中来。

车身侧面结构简单，在碰撞过程中，其结构的变化将直接影响到乘员舱内驾乘人员的生命安全，因此侧面碰撞工况是其设计时需要重点考虑的一个工况。同时侧围结构对整车的刚度模态变化影响较大，因此也需要在设计时进行重点考核，所以在车身侧围结构设计时需要同时考虑碰撞工况和车身刚度模态工况，是一个典型的多工况优化设计问题。

在其设计过程中，设计变量多、非线性程度强、工况间耦合关系复杂，常用的多工况优化策略以及优化算法无法有效寻得可行的优化解。因此需要考虑运用多工况综合优化设计的方法，将所有车身相关性能要求纳入一个整体的系统中，进而优化求解得到令人满意的结构设计结果。

多工况系统耦合结构与优化算法运用是多工况优化设计中两个非常关键的问题。

多工况系统耦合结构搭建决定主系统与子系统、以及各子系统之间的数据传递与耦合关系，对计算复杂度、寻优时间以及优化精度有着重大的影响。因此需要面向车身结构设计开发与之相适应的多工况系统结构，以期获得较好的优化效果。

多工况优化算法的运用很大程度上决定了寻优运算的效率和优化结果精度。在多工况优化设计中，每个工况都有自己的优化特点，为了更有效地进行寻优求解，需要考虑工况的优化特点，开发与各工况相适应的算法进行寻优求解。

多工况优化设计在汽车中的应用灵活，多结合近似建模方法，变量筛选方法、灵敏度分析方法等降低问题复杂程度。一体式优化方法运用较多，因其避免了工况间共享变量的处理问题，但是子工况自主性较差，无法针对各子系统工况特点进行相应的优化处理，基于两步式的多工况优化方法如协同优化算法有待研究。此外，优化算法选择单一，虽有提及优化算法求解问题，但是并未针对单独子系统工况进行考虑工况特点的优化运算。

发明内容

本发明针对现有技术无法实现对轿车车身进行多工况协同优化等缺陷，提出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，能够在保证轿车结构强度的同时显著降低重量。

本发明是通过以下技术方案实现的：

本发明包括以下步骤：

1)针对待处理优化的轿车的车身侧围结构，建立用于侧面碰撞指标的整车侧面有限元模型和用于刚度模态指标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；

所述的采样通过最优拉丁超立方采样方法完成。

所述的Kriging近似模型运用随机过程预测未知点的函数值，样本点通过高斯随机函数插值估计随机过程的趋势。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。

所述的精度验证通过确定性系数R²判断。若R²>0.9，则满足精度要求。

所述的确定性系数为：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。

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，即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。在一个子系统优化过程中，考虑到其余子系统对该子系统的影响，避免子系统级优化时为了寻找合适的共享变量造成的求解困难。

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：