基于粒子群優(yōu)化算法的車(chē)輛保險(xiǎn)杠結(jié)構(gòu)優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及的是一種車(chē)輛保險(xiǎn)杠結(jié)構(gòu)設(shè)計(jì)領(lǐng)域的技術(shù)，具體是一種基于粒子群優(yōu) 化算法的車(chē)輛保險(xiǎn)杠結(jié)構(gòu)優(yōu)化方法。
【背景技術(shù)】
[0002] 耐撞性是汽車(chē)設(shè)計(jì)中重要的考慮因素。大部分的碰撞事故中，保險(xiǎn)杠系統(tǒng)首當(dāng)其 沖，并在一定程度上對(duì)車(chē)身零部件和乘客起到保護(hù)作用。因此保險(xiǎn)杠系統(tǒng)需要具備足夠高 的剛強(qiáng)度以及碰撞吸能效率。碳纖維復(fù)合材料因其較高的比強(qiáng)度、比剛度和碰撞吸能效率 被廣泛的運(yùn)用到輕量化結(jié)構(gòu)設(shè)計(jì)領(lǐng)域，因此碳纖維復(fù)合材料保險(xiǎn)桿逐漸被開(kāi)發(fā)并運(yùn)用到整 車(chē)結(jié)構(gòu)集成中。
[0003] 但是碳纖維復(fù)合材料的非線性特性，以及諸多考核工況與設(shè)計(jì)變量使得保險(xiǎn)杠結(jié) 構(gòu)優(yōu)化困難，且保險(xiǎn)杠設(shè)計(jì)流程中并沒(méi)有優(yōu)化過(guò)程。這些都為保險(xiǎn)杠結(jié)構(gòu)的優(yōu)化設(shè)計(jì)帶來(lái) 了較大的挑戰(zhàn)。
[0004] 保險(xiǎn)杠設(shè)計(jì)中需要考慮到其強(qiáng)度性能以及碰撞性能要求，時(shí)間計(jì)算成本較高，近 似模型往往用來(lái)替代仿真模型，進(jìn)而執(zhí)行優(yōu)化計(jì)算。由于保險(xiǎn)杠碰撞問(wèn)題非線性程度強(qiáng)以 及多工況考核約束條件多，優(yōu)化算法的選擇和運(yùn)用是達(dá)成結(jié)構(gòu)尋優(yōu)的重要影響因素之一。 粒子優(yōu)化群算法（PS0)是R.Eberhart和J.Kennedy在1995年的會(huì)議The Sixth International Symposium on Micro Machine and Human Science中提出，其原理來(lái)自于 群體中的社會(huì)協(xié)作行為，例如魚(yú)群、鳥(niǎo)群等。因其相對(duì)簡(jiǎn)單的算法思想，快速的算法收斂效 率以及相對(duì)強(qiáng)大的優(yōu)化計(jì)算能力，粒子群優(yōu)化算法在諸如航空航天、汽車(chē)工業(yè)、船舶工業(yè)、 能源產(chǎn)業(yè)等科學(xué)領(lǐng)域得到了廣泛的應(yīng)用。
[0005] 雖然粒子群優(yōu)化算法具有較強(qiáng)的尋優(yōu)能力，與進(jìn)化算法類(lèi)似，其優(yōu)化過(guò)程受到早 熟收斂問(wèn)題的影響。所謂的早熟收斂問(wèn)題，是指算法尋優(yōu)過(guò)程中將局部最優(yōu)解尋得而無(wú)法 求出全局最優(yōu)解，在高維和多峰值的問(wèn)題中，早熟收斂現(xiàn)象尤其嚴(yán)重。有必要針對(duì)粒子群算 法早熟收斂的問(wèn)題，深入研究算法尋優(yōu)與收斂的具體流程，通過(guò)對(duì)算法本身的改進(jìn)，提高算 法優(yōu)化計(jì)算能力和效率。
[0006]造成粒子群優(yōu)化算法早熟收斂現(xiàn)象的原因之一是初始種群在問(wèn)題設(shè)計(jì)空間中的 分布不合理，換言之，初始粒子群在設(shè)計(jì)域中的分布無(wú)法覆蓋到全局最優(yōu)解，或者全局最優(yōu) 解的附近的區(qū)域，粒子群在尋優(yōu)過(guò)程中無(wú)法得到優(yōu)化解信息，卻受到局部最優(yōu)解的影響而 收斂到局部最優(yōu)解，造成粒子群優(yōu)化算法的早熟收斂現(xiàn)象。
[0007]經(jīng)過(guò)對(duì)現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，中國(guó)專(zhuān)利文獻(xiàn)號(hào)CN103472731A，公開(kāi)日為2013年12 月25日，公開(kāi)了一種電網(wǎng)小信號(hào)穩(wěn)定性分析并參數(shù)協(xié)調(diào)整定的方法，其步驟為:建立需要參 數(shù)優(yōu)化設(shè)計(jì)的微電網(wǎng)的數(shù)學(xué)模型，包括網(wǎng)絡(luò)及符合小信號(hào)模型和逆變器小信號(hào)模型；用根 軌跡法先確定微電網(wǎng)中的各個(gè)參數(shù)，作為粒子群算法的初始值;通過(guò)特征值進(jìn)行靈敏度分 析，確定主導(dǎo)參數(shù);確定各參數(shù)的取值范圍或各參數(shù)間的數(shù)學(xué)關(guān)系，作為運(yùn)用粒子群算法求 解過(guò)程的約束條件；確定初值、需要優(yōu)化的參數(shù)和約束條件，利用粒子群算法進(jìn)行參數(shù)優(yōu) 化，協(xié)調(diào)整定。但該技術(shù)僅運(yùn)用了靈敏度分析，沒(méi)有針對(duì)優(yōu)化目標(biāo)進(jìn)行粒子位置的合理布 置，無(wú)法應(yīng)用于保險(xiǎn)杠的結(jié)構(gòu)優(yōu)化過(guò)程中。
[0008] 中國(guó)專(zhuān)利文獻(xiàn)CN103646280A，公開(kāi)日為2014年03月19日，公開(kāi)了一種基于粒子群 算法的車(chē)輛懸架系統(tǒng)參數(shù)優(yōu)化方法，該技術(shù)根據(jù)不同車(chē)型或某一車(chē)型對(duì)懸架系統(tǒng)不同使用 性能的要求，折中考慮懸架參數(shù)優(yōu)化過(guò)程中的各種矛盾，采用搜索能力較強(qiáng)的粒子群算法 對(duì)懸架系統(tǒng)的參數(shù)進(jìn)行尋優(yōu)，建立作為尋優(yōu)判別標(biāo)準(zhǔn)的適應(yīng)度函數(shù)，得到粒子種群的歷史 全局最優(yōu)值，作為滿(mǎn)足所需求解的懸架系統(tǒng)參數(shù)。但該技術(shù)無(wú)法實(shí)現(xiàn)初始粒子群合理空間 分布，無(wú)法對(duì)車(chē)輛組件的結(jié)構(gòu)參數(shù)進(jìn)行優(yōu)化。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提出一種基于粒子群優(yōu)化算法的車(chē)輛保險(xiǎn) 杠結(jié)構(gòu)優(yōu)化方法。
[0010] 本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：
[0011]本發(fā)明包括以下步驟：
[0012] 1)對(duì)保險(xiǎn)杠建模，并進(jìn)行強(qiáng)度工況和低速碰撞工況仿真分析，得到仿真模型，在優(yōu) 化設(shè)計(jì)域內(nèi)進(jìn)行采樣，建立近似模型；
[0013] 2)基于近似模型，運(yùn)用懲罰函數(shù)法構(gòu)造目標(biāo)函數(shù)，采用Sobol指標(biāo)的全局靈敏度分 析，對(duì)目標(biāo)函數(shù)進(jìn)行靈敏度分析，計(jì)算設(shè)計(jì)變量的綜合靈敏度指標(biāo)，獲取主要變量；
[0014] 3)運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)優(yōu)化設(shè)計(jì)域識(shí)別得到增補(bǔ)區(qū)域；
[0015] 4)在優(yōu)化設(shè)計(jì)域及增補(bǔ)區(qū)域中進(jìn)行采樣，運(yùn)行粒子群優(yōu)化算法得到優(yōu)化結(jié)果后， 圓整到工程值得到保險(xiǎn)杠優(yōu)化結(jié)構(gòu)。
[0016] 所述的近似模型為Kriging近似模型，采用確定性系數(shù)R2評(píng)價(jià)其預(yù)測(cè)精度，得到高 f(v-yf 精度Kriging近似模型，確定性系數(shù)~ \,，其中:yi為樣本點(diǎn)的有限元計(jì)算值，戈+ Σ())-ν? ι=1 為樣本點(diǎn)Kriging近似模型預(yù)測(cè)值，I為所有樣本點(diǎn)仿真結(jié)果的平均值，η為檢驗(yàn)的樣本點(diǎn) 數(shù)。
[0017] 所述的目標(biāo)函數(shù)為Y〇bject，其中：= + ，if。^0山= Oelse fi = Ci，Ci為約束函數(shù)，nc為約束函數(shù)個(gè)數(shù)，Ym為保險(xiǎn)杜整體質(zhì)量，h為懲罰因子。
[0018] 所述的設(shè)計(jì)變量包括:五個(gè)厚度變量，兩個(gè)寬度變量和兩個(gè)弧度變量。
[0019] 所述的綜合靈敏度指標(biāo)C通過(guò)全局靈敏度指標(biāo)81疊加獲得，其中：， /-2 氣...4 = 1 < L < 左，局部方_
!
[0020] 所述的識(shí)別，具體步驟包括：
[0021] 1)設(shè)置粒子群數(shù)量P、采樣比例系數(shù)Sf、增補(bǔ)系數(shù)
[0022] 2)根據(jù)例子群數(shù)量P、采樣比例系數(shù)sf，運(yùn)用最優(yōu)拉丁超立方試驗(yàn)設(shè)計(jì)方法進(jìn)行部 分采樣，并計(jì)算目標(biāo)函數(shù)值；
[0023] 3)根據(jù)增補(bǔ)系數(shù)t。判斷每個(gè)粒子類(lèi)別，獲得增補(bǔ)區(qū)域。
[0024] 所述的采樣比例系數(shù)Sf，其取值范圍為0 < Sf < 1，增補(bǔ)系數(shù)的取值范圍為0 < tc <1。
[0025] 所述的增補(bǔ)區(qū)域中進(jìn)行采樣的粒子數(shù)目為/1=(^~/^/.)$(/^(1-\))，其中:_戈 Μ 表問(wèn)題維度，k代表第i個(gè)增補(bǔ)空間變量j維的范圍，1??代表第i個(gè)增補(bǔ)空間的超體積，VS ：./=! 代表子空間總體積。 技術(shù)效果
[0026] 與現(xiàn)有技術(shù)相比，本發(fā)明通過(guò)靈敏度分析技術(shù)辨識(shí)影響優(yōu)化問(wèn)題即保險(xiǎn)杠輕量化 的主因，進(jìn)而運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)優(yōu)化設(shè)計(jì)域進(jìn)行劃分，將更多的粒子分布在優(yōu)化增補(bǔ)區(qū) 域，指導(dǎo)粒子初始種群在設(shè)計(jì)域中的分布，應(yīng)用到碳纖維復(fù)合材料保險(xiǎn)杠結(jié)構(gòu)優(yōu)化中，克服 了碰撞工況強(qiáng)非線性以及考核工況多帶來(lái)的優(yōu)化困難，提高碳纖維復(fù)合材料保險(xiǎn)桿結(jié)構(gòu)優(yōu) 化的效率。
【附圖說(shuō)明】
[0027]圖1為本發(fā)明流程示意圖；
[0028]圖2為保險(xiǎn)杠有限元模型；
[0029] 圖3為保險(xiǎn)杠強(qiáng)度工況仿真模型；
[0030] 圖4為保險(xiǎn)杠低速碰撞工況仿真模型；
[0031 ] 圖5為設(shè)計(jì)變量Χχ、Χ2、X3、X4、X6、X7、Xs分布示意圖；
[0032]圖6為設(shè)計(jì)變量Χ5、Χ9分布示意圖。
【具體實(shí)施方式】
[0033]下面對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行 實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施 例。 實(shí)施例1
[0034]如圖1所示，本實(shí)施例的具體步驟包括：
[0035] 步驟1、采用Hypermesh為前處理軟件平臺(tái)，以LS-DYNA和ABAQUS為求解器，對(duì)碳纖 維復(fù)合材料保險(xiǎn)杠進(jìn)行有限元建模，并進(jìn)行強(qiáng)度工況仿真分析和低速碰撞工況仿真分析， 得到保險(xiǎn)杠的有限元模型、強(qiáng)度分析仿真模型以及低速碰撞分析仿真模型。
[0036] 如圖2所示，所述的碳纖維復(fù)合材料保險(xiǎn)杜的有限元模型包括85000個(gè)單元，30000 個(gè)節(jié)點(diǎn)，其中包含10000個(gè)殼單元，750000個(gè)四面體實(shí)體單元，10000個(gè)殼單元中三角形單元 103個(gè)（1.03%)證明模型精度可靠。
[0037] 如圖3所示，所述的仿真分析是指，根據(jù)碳纖維保險(xiǎn)杠強(qiáng)度要求和低速碰撞安全要 求，選取工況性能指標(biāo)，設(shè)定仿真時(shí)間，得到保險(xiǎn)杠的強(qiáng)度分析仿真模型和低速碰撞分析仿 真模型。
[0038]所述的性能指標(biāo)包括:六種強(qiáng)度工況下（如表1所示)保險(xiǎn)杠強(qiáng)度因子、低速碰撞工 況下最大侵入量、低速碰撞工況下峰值碰撞力。所述的強(qiáng)度因子為仿真計(jì)算的最大應(yīng)力與 材料承載極限應(yīng)力的比值。
[0039] 表1六種強(qiáng)度工況
[0040]如圖4所示，所述的強(qiáng)度工況仿真分析是指，根據(jù)保險(xiǎn)杠拖鉤部位強(qiáng)度要求，施加 方向不同大小為整車(chē)重量一半的拉力，選取強(qiáng)度工況的性能指標(biāo)和設(shè)計(jì)變量，如表2所示， 設(shè)定仿真時(shí)間，得到保險(xiǎn)桿強(qiáng)度分析仿真模型。
[0041]所述的低速碰撞工況仿真分析是指，保險(xiǎn)杠以4.25km/h的速度與可變形壁障發(fā)生 碰撞，選取低速碰撞工況性能指標(biāo)和設(shè)計(jì)變量，設(shè)定仿真時(shí)間，得到保險(xiǎn)杠低速碰撞分析仿 真模型。
[0042]如圖5、6所示，五個(gè)厚度變量Xi、X2、X3、X4和X5，其代表圖中標(biāo)出位置處的材料厚度； 兩個(gè)寬度變量Χ6和X?，其為圖中所標(biāo)出處的長(zhǎng)度;兩個(gè)弧度變量χ8、χ9，其為χ8、χ 9處的曲面的 弧度。
[0043] 表2不同工況的性能指標(biāo)和設(shè)計(jì)變量
[0044] 步驟2、針對(duì)步驟1中的強(qiáng)度分析仿真模型和低速碰撞分析仿真模型在優(yōu)化設(shè)計(jì)域 內(nèi)通過(guò)最優(yōu)拉丁超立方試驗(yàn)設(shè)計(jì)方法進(jìn)行采樣，通過(guò)仿真計(jì)算得到樣本點(diǎn)數(shù)據(jù)建立 Kriging近似模型，并采用確定性系數(shù)R2評(píng)價(jià)其預(yù)測(cè)精度，進(jìn)行精度驗(yàn)證，滿(mǎn)足精度則進(jìn)行 下一步，不滿(mǎn)足則從新進(jìn)行采樣以及仿真計(jì)算。 y (v - v
[0045] 所述的確定性系數(shù)夂2 =1-1"1"1-，其中：yi為樣本點(diǎn)的有限元計(jì)算值，A為樣本 Σ(.ν,-ν,)- i=.\ 點(diǎn)Kriging近似模型預(yù)測(cè)值，另為所有樣本點(diǎn)仿真結(jié)果的平均值，η為檢驗(yàn)的樣本點(diǎn)數(shù)。
[0046] 所述的確定性系數(shù)越大，Kriging近似模型的精度越高，如表3所示，當(dāng)確定性系數(shù) R2達(dá)到0.9000以上，可認(rèn)為近似模型的精度滿(mǎn)足進(jìn)一步優(yōu)化的要求。如不滿(mǎn)足增加采樣點(diǎn) 提高近似建模精度。
[0047] 表3 Kriging近似模型精度
[0048] 步驟3、采用靈敏度分析技術(shù)對(duì)建立的目標(biāo)函