- · 《时代汽车》栏目设置[05/29]
- · 《时代汽车》收稿方向[05/29]
- · 《时代汽车》投稿方式[05/29]
- · 《时代汽车》征稿要求[05/29]
- · 《时代汽车》刊物宗旨[05/29]
汽车前纵梁吸能盒结构耐撞性多目标优化(2)
作者:网站采编关键词:
摘要:2 吸能盒结构优化设计 2.1 设计变量的选择 前纵梁吸能盒的结构如图3,吸能盒由厚度为2.5 mm、材料为Q235的两个U型薄壁结构组成,总长为393.5 mm,共存在1
2 吸能盒结构优化设计
2.1 设计变量的选择
前纵梁吸能盒的结构如图3,吸能盒由厚度为2.5 mm、材料为Q235的两个U型薄壁结构组成,总长为393.5 mm,共存在10个形状结构相同的诱导槽,诱导槽之间的间距均为10 mm。
(a)吸能盒所处位置(b)吸能盒侧面壁形状(c)吸能盒截面形状图3 吸能盒结构示意图Fig.3 Structure of crash box
吸能盒主要通过溃缩变形的方式吸能,而诱导槽的存在控制着碰撞发生后吸能盒的变形模式。为了探究诱导槽的分布方式对吸能盒的吸能能力的影响,本文的诱导槽之间为非均匀分布,并以第一个诱导槽与吸能盒最前段之间的距离X1、各诱导槽之间的间距X2、X3、X4、X5、X6、X7、X8、X9、X10(见图4)为设计变量,进行吸能盒吸能特性研究。
图4 设计变量示意图Fig.4 Design variables
2.2 样本点选取
试验设计方法(Design of Experiments,DOE)是如何安排实验和分析实验数据的数理统计的方法,主要包括全因子设计、部分因子设计、拉丁超立方采样、Hammersley采样等[14]。由于Hammersley采样能在K维超立方体上取得很好的均匀分布,适用于响应面为高度非线性的情况。本文采用Hammersley方法进行采样,以各诱导槽之间的间距为设计变量,考虑到吸能盒本身的长度、诱导槽所占用的空间以及后期加工所需空间等,对各变量设置的约束如下:X1处于[25,40]之间;X2、X3、X4、X5、X6、X7、X8、X9、X10处于[8,14]之间。
在整车正面碰撞过程中,通常把吸能量作为考察吸能装置效率的评价标准。此外,B柱加速度和最大刚性墙反力也是需要关注的重点。因此,本文将吸能盒最大吸能量E、整车B柱加速度a、最大刚性墙反力F作为响应,综合考虑吸能盒的吸能性能。在试验设计中,根据设计变量的个数,确定实验次数为66次,进行样本点的选取。并将所得到的样本参数,引入原模型,带入LS-DYNA软件中,进行计算,得到所需响应结果。
将66组设计变量的样本参数与其模型计算所得的输出响应进行整理,得样本点如表2。
表2 样本点数据Tab.2 Data of design samples样本组X1/mmX2/mmX3/mmX4/mmX5/mmX6/mmX7/mmX8/mmX9/mmX10/mmE/kJa/gF/..........75…..........93
2.3 代理模型构建
由于整车正面碰撞模型的计算需要大量时间,如果直接对有限元仿真模型进行优化,耗时耗力。为提高工作效率,以试验设计所得出的样本参数为基础构建近似代理模型,该模型无需使用有限元仿真模型进行计算就能得出响应的预估值。
常用的近似模型有多项式响应面、Kriging、径向基函数和支持向量回归等,其中,Kriging法适用于高度非线性响应数据的建模[15],采用无偏插值的方式,即所构建的模型经过所有样本点;而径向基函数表示形式简单,有着拟合高阶的非线性问题的能力。因此,本文采用Kriging法构建最大吸能量E和最大刚性墙反力F的近似模型,并采用径向基法构建车身最大加速度a的近似模型。使用重新通过Hammersley试验设计所得到的10个样本点及其响应,来检验近似模型的精度,表3为检验所用样本点的各项数据。
表3 检验所用样本点Tab.3 Data of sample points used for checking样本组X1/mmX2/mmX3/mmX4/mmX5/mmX6/mmX7/mmX8/mmX9/mmX10/.......
最终得到的检验结果见表4。由表4可知,吸能盒最大吸能量E、B柱最大加速度a、刚性墙最大反力F的最大预测误差分别为2.98%、9.82%、5.71%,均小于10%,误差在可接受范围内,认为近似模型有效,可进行下一步优化设计。
表4 近似模型误差Tab.4 Accuracy of surrogate models样本组E/kJa/gF/kN预测解数值解误差/%预测解数值解误差/%预测解数值解误差/%.31-1...232......29-2....64-3....75-0....80-2....41-0....525....89-4....321.09
2.4 多目标优化设计
充分考虑吸能盒最大吸能量、B柱加速度峰值以及最大刚性墙反力这些性能指标,采用第二代非劣排序遗传算法(NSGA-Ⅱ)对得到的近似模型进行多目标优化设计。
优化的数学模型如下:
式中:E(x)为前纵梁吸能盒的最大吸能量;a(x)为整车B柱加速度峰值;F(x)为刚性墙最大反力;X1表示吸能盒侧壁各诱导槽之间的间距,X1分布[25,40]之间,X2、X3、X4、X5、X6、X7、X8、X9、X10分布于[8,14]之间。
使用Isight软件构建多目标优化数学模型,并使用第二代非劣排序遗传算法(NSGA-Ⅱ)进行优化求解,分析流程,如图5所示。
图5 优化分析流程图Fig.5 Optimization and analysis flow diagram
经过6 801次迭代,优化得到Pareto前沿。出于对乘客安全性的考虑,本文优先满足对整车B柱加速度峰值的优化,再去考虑增大吸能盒最大吸能量与降低刚性墙最大反力。据此,在Pareto前沿中选取一个最符合条件的满意解,X1、X2、X3、X4、X5、X6、X7、X8、X9、X10的具体数值分别为33.33、8.75、8.34、9.66、9.52、9.76、12.99、8.73、13.60、11.35。
文章来源:《时代汽车》 网址: http://www.sdqczz.cn/qikandaodu/2021/0708/2233.html
上一篇:大数据时代下的汽车精准营销策略
下一篇:自动化技术在汽车机械控制系统中的应用探析