基于NSGA-Ⅱ混合灵敏度分析的白车身轻量化优化设计

针对白车身的轻量化问题,提出了一种基于混合灵敏度分析的参数化优化方法。通过有限元仿真,标定白车身的弯扭刚度及模态性能。以试验设计分析零件厚度相对白车身弯扭刚度及模态的灵敏度,确定并筛选出对白车身刚度及模态性能影响不大的零件。将零件厚度作为多目标优化的设计变量,以白车身质量最小化、弯扭刚度最大化为优化目标,模态性能为约束条件构建多目标优化设计函数。基于NSGA-II遗传算法,进行白车身结构的轻量化优化设计。经Isight优化求解仿真,优化所选零件的厚度,轻量化设计了白车身结构。轻量化设计后的白车身性能仿真结果表明,其刚度及模态性能得到保证的前提下,白车身质量减轻了5.7%。     

基于代理模型的低速电动车车架多目标优化

为进行低速电动车车架的轻量化研究,采用有限元分析软件HyperMesh建立低速电动车车架有限元模型,并进行模态、强度和弯扭刚度分析。结合径向基神经网络(RBF)代理模型和粒子群优化算法,综合考虑质量、模态、强度和弯扭刚度等性能指标,对低速电动车车架进行轻量化多目标优化。结果表明,低速电动车车架质量降低了27.6 kg,同时其1阶模态频率、强度和弯扭刚度均满足设计要求,取得了较好的轻量化效果。     

基于灵敏度分析的白车身结构轻量化设计

建立了白车身有限元模型,并用模态实验验证了模型的正确性,利用有限元法分析了该模型一阶扭转模态频率灵敏度和车身质量灵敏度,选取相对灵敏度绝对值较大的车身板件作为轻量化设计变量,以白车身质量为优化目标、一阶扭转模态频率为状态变量进行优化,优化后白车身质量降低10.5kg.     

白车身基于灵敏度分析减重优化技术

建立某SUV车型白车身的有限元模型并分析计算车身刚度及其模态,在此基础上分析板厚对对白车身弯扭组合工况的灵敏度,找出影响车身结构特性的关键结构,对板厚进行优化分析,实现车身轻量化设计。优化结果显示:通过车身刚度灵敏度分析及其板厚优化,可实现车身的减重优化,为车身的优化设计提供参考。     

白车身典型截面及轻量化设计

白车身典型截面的设计直接影响着整个白车身各项性能,在概念设计阶段,传统方法对如何设计典型截面具体尺寸可以提升白车身弯扭刚度、模态性能没有明确方向,对提升性能同时控制车身质量也没有系统研究。通过对标杆车白车身不同位置的典型截面设置几何参数,得到不同参数截面下白车身弯扭刚度、模态及质量的灵敏度结果,进而根据灵敏度结果,经过多轮多目标优化,提升弯扭刚度、模态,降低车身质量,在概念阶段给典型截面尺寸设计提供量化指导方向。该方法已经应用于传祺系列车型的开发应用中,实现了典型截面设计指导和减重降本的效果。     

逐次替换响应面商用车驾驶室轻量化设计

采用SFE-concept建立驾驶室白车身隐式参数化模型,并对弯曲刚度和扭转刚度进行求解分析。通过灵敏度分析筛选出14个车身零部件的厚度、形状和位置作为设计变量;采用最优超拉丁方试验设计方法构建样本数据;对比分析响应面与逐次替换响应面近似模型的拟合精度,得出逐次替换响应面的拟合精度更高;采用粒子群算法,以质车身量最小为目标,约束静态弯扭刚度,进行优化设计,并对优化后结果进行验证,结果表明:在车身静态刚度性能基本保持不变的基础上,白车身质量下降17 kg,轻量化率为5.49%。     

基于灵敏度分析的商用车驾驶室白车身轻量化设计

为了提高商用车前期设计阶段的工作效率,在商用车白车身设计的概念阶段引入隐式参数化建模思想。使用SFE-CONCEPT软件建立某商用车驾驶室白车身隐式参数化模型并对该模型进行实验设计分析,录入白车身63个零/部件的厚度数据作为设计变量的筛选基础,分析其对模态、刚度和质量的灵敏度,并定义相对灵敏度,选出对质量影响较大的零/部件进行优化。获得了白车身弯曲刚度和扭转刚度分别降低了1.9%和1.5%,白车身1阶弯曲模态和1阶扭转模态频率分别提高了7.2%和6.5%,车身质量减轻了18 kg,轻量率达6.06%的优化结果,有效地实现了轻量化目标。     

基于单位质量灵敏度的重卡驾驶室白车身轻量化研究

建立某重卡驾驶室白车身的轻量化有限元模型,并对其进行了有效性验证。选取车身上有优化空间的钣金件作为设计区域,以设计区域质量最小作为优化目标。在保证车身刚度和模态性能指标的前提下,提出一种能量化性能指标对轻量化程度的单位质量灵敏度方法,用此方法优化钣金件的厚度大小并进行修正。最后,通过模态、刚度以及碰撞安全等性能指标验证优化后的数据。结果表明:轻量化后的驾驶室总质量降低了14.1 kg,所考察的性能均有所提高,满足设计要求,实现了对驾驶室白车身质量的优化,减少制造成本。     

概念设计阶段基于混合元模型的纯电动铝合金汽车车身轻量化优化设计

在汽车车身概念设计阶段,针对轻量化设计及优化白车身刚度问题,建立了某款纯电动铝合金汽车车身骨架基于真实接头的简化力学模型。运用灵敏度分析筛选出灵敏度较大部件,然后利用元模型的优化方法(hybrid and adaptive meta-modeling method,HAM)对灵敏度较大部件进行截面厚度优化,使优化目标车身质量得到了降低,同时改善了车身的模态和刚度,根据研究的数据制造了电动车车身。     

基于灵敏度分析的商用车白车身轻量化研究

对某商用车白车身进行模态、弯曲刚度及扭转刚度有限元分析。然后对该白车身总成构件进行灵敏度分析,以确定优化设计变量,在保证白车身模态及刚度性能不比优化前降低的前提下,以白车身总质量最小为优化目标。通过优化,使该白车身总成质量降低约5.1%,同时固有频率及刚度性能也有略有提升,达到了轻量化效果。     

基于Pareto挖掘的白车身侧碰安全件轻量化优化设计

为提高白车身轻量化优化效果,提出了熵权灰色关联分析法用于挖掘非支配Pareto解集中的最优解。建立了白车身及整车侧碰有限元模型,通过实车侧碰试验验证了所建模型的准确性。以侧碰安全件料厚为设计变量,综合考虑白车身弯扭刚度、振动频率等基本静-动态性能及侧碰安全性能,构建径向基函数神经网络结合Kriging（RBFNN-Kriging）混合近似模型并联合第二代非支配排序遗传算法（NSGA-Ⅱ算法）进行了多目标优化。最后,提出了熵权灰色关联分析法计算所有非支配Pareto解的灰色关联度,并以此为评价指标进行多目标决策。优化决策结果表明：在满足白车身性能设计基线的要求下,白车身侧碰安全件质量减小了2.68 kg,取得了较好的轻量化效果。     

基于多目标优化的钢-铝混合轻量化车架设计

以国产某SUV车架为研究对象,建立了车架有限元模型,对车架进行弯曲刚度、扭转刚度分析,并进行模态分析和模态试验,验证模型的有效性。利用正交试验法确定了材料轻量化部件,并将这些部件的钢材料替换成铝合金,得到钢-铝混合轻量化车架。针对钢-铝混合轻量化车架刚度和模态性能的减弱问题,采用基于折中规划法的多目标形貌优化方法对部件进行优化改进,提高了车架的刚度和模态性能。设计结果表明,使用钢、铝材料结合多目标优化方法设计的钢-铝混合轻量化车架相比原钢质车架在保证一定的刚度和模态性能条件下,质量减轻了6.7kg。     

基于弯曲刚度和扭转刚度的白车身优化分析

随着全球能源的日益紧缺和和制造成本增加,汽车轻量化设计已经成为汽车制造商的主流设计。为了降低白车身的重量,提出了基于刚度灵敏度的方法来实现减重。以处在开发的中后期的某款车为例,利用有限元软件Nastran进行了计算和分析。综合质量灵敏度、刚度灵敏度和优化板件的数量,提出了两种优化方案。并考虑到汽车处在的开发阶段、成本以及整车性能,选取了最佳的优化方案,在不降低汽车性能或者性能降低较小的情况下,实现了车辆的轻量化。最后对优化方案的选用原则和要求进行了总结。     

基于稳健性多目标优化的微客尾门轻量化设计

针对微客尾门结构的轻量化设计问题,提出了一种基于稳健性多目标优化的尾门轻量化设计方法。首先通过灵敏度分析方法筛选出了对尾门性能贡献量较大的尾门零件厚度作为设计变量,并建立了尾门各个工况响应的近似模型,其次以尾门扭转刚度、下垂刚度、尾门前三阶模态频率和抗凹分析点为约束条件,以尾门质量最小和第一阶模态频率最大和弯曲刚度位移量最小为目标,利用NSGA-Ⅱ算法对尾门进行了多目标优化,通过蒙特卡洛模拟技术对尾门进行了6σ质量水平和可靠度分析,并进行了6σ稳健性多目标优化。最终结果表明:优化设计后尾门结构在满足各性能要求的情况下实现了轻量化,质量减轻了2.28 kg,且弯曲刚度和第一阶模态得到提高;同时尾门结构各工况性能的稳健性也得到改善,达到6σ质量水平。     

白车身多学科轻量化优化设计应用

在白车身开发早期阶段引入结构轻量化思想,建立隐式全参数化白车身模型,通过多学科优化过程,找到白车身零件形状、尺寸、位置与厚度等各参数之间的最佳组合,以及满足系统各项性能要求的重量最优解,使白车身轻量化设计的潜能得到最大程度的发挥。根据白车身自身性能的特点对其分成不同的优化区域分别进行不同工况的优化,从而合理地安排设计变量和样本点数量,并对由试验设计得到的近似模型进行多学科的轻量化优化设计,有效地控制分析与优化时间,给车身设计提供指导。最终得到的白车身方案减重12 kg,减重率达到4.5%。同时利用方差分析方法,对各设计变量对性能的贡献量与主效应进行分析,掌握设计变量对刚度,模态、被动安全性能以及重量的影响规律。     

小型电动汽车车架的设计与轻量化改进

车架作为电动汽车的主要承载结构,其强度和刚度在汽车总体设计中起着非常重要的作用,车架的轻量化研究也具有重要意义。以小型电动汽车为研究对象,设计一款车架,建立有限元模型,分析其在弯曲和扭转2种工况下的应力和变形,并对车架进行模态分析;根据分析结果,以轻量化为目标对车架进行优化,运用截面尺寸优化方法,通过改变梁的横截面面积和改变车架体积,最终实现车架的轻量化。结果表明,车架质量较初步设计减少了10.6%,强度和刚度均符合要求,车架的轻量化目标基本完成。     

汽车轻量化之白车身减重

白车身减重作为汽车轻量化设计过程中的重要环节之一,是在保证车身刚度、NVH、碰撞安全、强度耐久等重要车身性能指标的前提下,对车身重量与成本进行的最优化设计过程。通过一款车型减重实例,介绍了几种有效的白车身减重方法。     

New methodology for light weight solutions to improve BIW structural performance using bulk head optimization

Body-in-white (BIW) is the Car body with welded sheet metal parts painted in white. Automobile companies were trying to optimize mass and improve performance with optimal mass addition. In many automotive industries many BIW designs due to aggressive mass optimization, there is a need to have smart solutions to improve BIW structure performance with very little mass increase. In this paper, a new technique of identifying the optimized internal reinforcements in the BIW at conceptual BIW design phase using Deign of experiments and Multi-objective optimization has been investigated. The paper focus on the Bending and torsion stiffness load cases to evaluate the BIW performance. Bulk head designs were designed at the major joints like A-pillar, B-pillar, C-pillar and rocker and their optimal locations to improve stiffness with minimum mass increase were identified using Design of experiments and multi objective techniques. The research shows that the optimized Bulk head design locations using the DOE technique has improved the overall BIW stiffness performance by 3.9% with 1.2% of mass addition in the BIW.     

基于协同优化和多目标遗传算法的车身结构多学科优化设计

在汽车车身结构NVH和侧面碰撞安全性研究中,实施多学科多目标优化的可行性设计。通过试验设计制定试验方案并进行数据采样,构建考虑整车侧撞安全性、白车身模态、静态弯曲刚度、扭转刚度和轻量化等性能的响应面近似模型,然后对车身结构分别进行确定性和可靠性轻量化单目标设计。最后,运用多目标遗传算法结合多学科协同优化对车身结构进行多目标优化设计,获取Pareto最优化解集。研究结果表明:可靠性优化设计较确定性优化设计而言,能考虑产品设计和生产过程中的不确定性因素,保证产品稳健性;车身结构的多目标优化设计全面考虑了车身结构轻量化、NVH和碰撞安全性能等多学科之间的耦合和解耦;设计者可按需选择其满意的优化结果,这将大幅缩减产品开发周期、降低产品开发成本。     

基于结构优化的客车骨架轻量化设计研究

建立了某大型客车车身骨架FE模型,获取了自由模态参数以及静态弯曲和扭转工况下的刚度和强度特性。基于分析结果,对车身骨架结构形式进行了改进。利用优化设计方法,建立了以客车薄壁梁厚度为设计变量,车身总体积和表征车身刚度的状态量为响应的优化模型。通过对影响车身轻量化和力学性能指标构件的灵敏度分析,筛选了设计变量,重新建立了以车身骨架总体积最小为目标的优化模型,得到了轻量化效果明显的优化方案。最后对轻量化模型进行典型工况分析,与初始模型进行了对比,验证了优化方案的可行性。