[发明专利]一种电动客车骨架的高维多目标优化设计方法在审
申请号: | 202210077857.8 | 申请日: | 2022-01-24 |
公开(公告)号: | CN114510781A | 公开(公告)日: | 2022-05-17 |
发明(设计)人: | 张步云;邹康;李泽威 | 申请(专利权)人: | 江苏大学 |
主分类号: | G06F30/15 | 分类号: | G06F30/15;G06F30/23;G06F111/04;G06F111/06;G06F119/14 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 电动 客车 骨架 多目标 优化 设计 方法 | ||
1.一种电动客车骨架的高维多目标优化设计方法,其特征在于,包括:
S1:建立用于优化分析的客车骨架有限元模型;
S2:对所述客车骨架有限元模型进行基础性能分析、模态分析以及整车骨架侧面碰撞分析,所述基础性能分析包括水平弯曲工况、极限扭转工况、紧急制动工况和紧急转弯工况的静力分析;
S3:以客车骨架部件的位置、功能以及厚度为分组方式,将客车骨架分为若干组;
S4:将整车侧面碰撞时的驾驶员处加速度、中门附近座椅处加速度以及低阶模态频率设定为优化约束,将整车质量、极限扭转工况最大变形以及侧碰侵入量设为优化目标,将步骤S3中客车骨架分组的设计变量厚度作为优化变量;
S5:根据步骤S3中客车骨架分组设计变量对驾驶员处侧面碰撞加速度、整车侧面碰撞侵入量、一阶模态频率、整车质量以及整车静力分析最大变形这五个优化响应的线性主效应图,筛选出对响应的灵敏度值超过一定数值的变量作为后续的优化变量;
S6:通过试验设计方法对筛选后的变量进行试验设计;
S7:对S6中的采样数据,通过近似模型拟合质量、扭转工况的应力、一阶模态频率、驾驶员处加速度以及中门座椅处加速度的近似模型,通过决定系数R2检验模型的精度;
S8:建立数学优化模型,采用多目标优化算法进行最终优化;
S9:从优化后的数据中筛选出一组符合要求的数据,将优化后的变量圆整后重新导入有限元模型,再与最初模型相比较,判断优化效果。
2.根据权利要求1所述的电动客车骨架的高维多目标优化设计方法,其特征在于:所述客车骨架有限元模型中车身外框骨架采用的材料是Q235结构钢,车架以及地板骨架采用的材料是Qste700tm结构钢。
3.根据权利要求1所述的电动客车骨架的高维多目标优化设计方法,其特征在于:步骤S2中侧面碰撞仿真分析中来车的速度为40km/h。
4.根据权利要求1所述的电动客车骨架的高维多目标优化设计方法,其特征在于:步骤S3中客车的外框骨架、车架、地板骨架共分为50组,对应的步骤S4中的优化变量为50个。
5.根据权利要求1所述的电动客车骨架的高维多目标优化设计方法,其特征在于:步骤S6中采用的试验设计方法为拉丁超立方试验设计方法。
6.根据权利要求1所述的电动客车骨架的高维多目标优化设计方法,其特征在于:步骤S7中采用的近似模型拟合方法为径向基神经网络进行拟合。
7.根据权利要求1所述的电动客车骨架的高维多目标优化设计方法,其特征在于:步骤S7具体步骤如下:
正面碰撞驾驶员处加速度、侧翻质心加速度与整车正面碰撞吸能、侧翻侵入量以及整车质量用径向基神经网络(RBF)方法进行拟合,通过决定系数R2检验RBF模型的精度,即
式中yi为设计空间的真实响应值,为响应均值差的平方和,为代理模型的计算值。
8.根据权利要求1所述的汽车骨架多目标优化方法,其特征在于:步骤S8中采用的多目标优化算法为NSGA-III型算法。
9.根据权利要求1所述的电动客车骨架的高维多目标优化设计方法,其特征在于:S8中建立的优化数学模型为:
式中x为设计变量,m为整车质量,S为骨架变形最大值,w为侧碰侵入量,f1,f2为客车骨架一阶和二阶模态,G(x)为侧碰中门座椅处最大加速度,U(x)为侧碰驾驶员座椅处最大加速度,G0(x),U0(x)为侧面碰撞中门座椅和驾驶员座椅最大加速度的初始值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210077857.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:航线规划方法、装置及电子设备
- 下一篇:立式连铸铸坯的加热补缩方法及装置