基于隐式参数化的车身多学科轻量化设计

为实现整车综合性能的快速方案验证和优化设计,在新车型设计阶段构建车身隐式参数化模型,并对其进行模态、刚度和安全等综合性能计算,验证参数化模型的有效性。基于灵敏度分析、试验设计（design of experiments, DOE）方法和近似模型优化等策略,对某白车身进行多学科轻量化设计。优化设计结果表明,白车身的模态、刚度和安全性能均满足设计要求。     

基于隐式参数化的白车身建模方法

针对利用传统方法进行新车型概念设计时,需要在大量待选方案的基础上分别建立CAD模型和CAE模型,耗费大量人力和时间的问题,介绍车身隐式参数化建模的基本构成元素和高级构成元素、多层面建模技术和映射连接技术,以及基于隐式参数化的车身建模思路;对某车型前部白车身进行隐式参数化建模;对参数化模型与原有限元模型进行碰撞仿真分析和对比,结果表明用隐式参数化建模方法进行车型概念开发可行,能实现早期开发中车辆结构性能的快速评估.     

多目标轻量化的白车身隐式参数数值模拟

普通方法构建的白车身多目标轻量化设计模型存在精准度低、优化效果差的问题.通过隐式参数数值模拟方法,先对白车身构建隐式参数化模型,再通过非安全件轻量化优化设计和正面碰撞安全件轻量化优化设计实现白车身多目标轻量化.通过对该方法的性能优化验证及对比实验发现,经过多次迭代后,上述方法构建的白车身模型的精准度均大于90％,优化变...     

参数化白车身结构轻量化多目标优化

利用SFE Concept建立某轿车白车身的参数化模型,采用有限元法对白车身的静态弯曲和扭转刚度、主要低阶模态进行分析,并将仿真结果与试验结果进行对比。将参数化白车身与动力总成、底盘、闭合件连接后,仿真分析整车正面100%碰撞安全性能并验证有限元模型的有效性。提出通过相对灵敏度分析确定白车身非安全件设计变量的方法,采用最优拉丁超立方方法生成样本点,基于径向基神经网络方法拟合近似模型,以白车身非安全件和正碰安全件为轻量化对象,通过第二代非劣排序遗传算法对白车身进行多目标优化设计。结果表明：在白车身静态弯曲刚度降低3.60%、静态扭转刚度降低3.91%、一阶弯曲模态固有频率降低0.09%、一阶扭转模态固有频率上升1.26%、正碰安全性能基本不变的情况下,白车身质量减少24.17 kg,减重7.42%,轻量化效果显著。     

基于网格优化的隐式曲面自适应多边形化

隐式曲面多边形化是隐式曲面绘制的一种常用算法.基于网格优化的隐式曲面快速自适应多边形化算法,首先用多边形化算法生成一个粗糙的初始网格,再利用网格优化方法从网格顶点位置、规则性和网格法向三个方面对粗糙网格进行调整,最后根据网格的局部曲率用多边形细分策略细分优化后的网格.实验结果表明,该算法在网格生成速度和网格规则性上都胜于Marching Cubes的多边形化算法,恢复的隐式曲面能较好地反映形状特征.     

基于近似模型的车身气动外形优化

以英国汽车工业研究协会(Motor Industry Research Association,MIRA)阶背模型为基本模型,用参数化建模方法建立其纵向对称面的二维模型.运用优化拉丁超立方方法对每组参数化方案生成600组样本点;将MATLAB与Gambit结合,自动快速生成其网格模型;用FLUENT计算每个样本点的气动阻力.建立径向基神经网络(Radial Basis Function Neural Network,RBFNN)近似模型,以阻力最小为优化目标,采用多岛遗传算法优化外形参数;对优化后的结果进行数值模拟,结果表明阻力减少31.9%.三维验证结果表明:二维优化结果不能完全代表三维结果,直接进行三维优化设计的效果更好.     

一类三次隐式代数曲面参数化研究

在CAGD中隐式曲面和参数曲面作为曲面的两种表示形式各有其内在的优点 ,多年来如何有效地实现二者的相互转换一直是CAGD的一个热点问题 对一类GC1拼接两个二次曲面的三次混合代数曲面进行了研究 ,提出一种基于同轴平面束与代数曲面相交的几何化参数化方法 与传统参数化方法相比 ,该方法结构直观且具有可使三次代数曲面位于 [0 ,1]× [0 ,1]参数区间内 ,以及曲面的边界位于等参数线上等特点 ,利用这种参数曲面可以方便地实现机器作图和各种操作 实验结果验证了方法的有效性     

隐式曲面快速多边形化

隐式曲面多边形化是隐式曲面绘制的常用算法。该文提出了一个隐式曲面快速多边形化算法。首先用Bloo-menthal的多边形化算法生成一个粗糙的初始网格,再进行网格优化提高网格规则性,最后用多边形细分策略细分优化后的网格。实验结果表明,该算法在网格生成速度和网格规则性上都胜于Bloomenthal的多边形化算法。     

平面有理曲线几何连续隐式化的优化方法

文中提出了平面有理曲线隐式化的优化方法,证明了隐式方程的系数实际上是一个这二次型的极小解向量,或是一个齐次线性方程的非平凡解。鉴于隐式方程的复杂性和实际中的近似计算,文中还提出了用低次隐式方程来逼近有理曲线的近似隐式化优化方法,由于加上了端点处的插值性和ＧＣ＾１连续性,最后得到的隐式方程是ＧＣ＾１连续的。数值例子说明这种近似隐式化方法的效果是不错的。     

基于GPU的高质量隐式曲面四边形化

为了从隐式曲面快速抽取高质量的四边形网格,提出一种基于GPU的高质量隐式曲面四边形化方法.该方法分为初始网格抽取和网格优化2个阶段.利用GPU的并行性能,首先快速抽取一个粗糙的四边形网格,然后对该网格的几何（顶点位置、法向）和规整性（顶点分布、邻接关系）两方面进行迭代优化.实验结果表明,文中方法极大地提高了隐式曲面四边形化的效率,并且能得到高质量的四边形网格.     

基于目标分解方法的复杂系统优化设计

解析目标分解方法(Analytical Target Cascading,ATC)是一种新型的处理复杂产品及工程设计问题的系统化方法.通过构建层次化的多级优化设计架构,将系统级的设计目标依次分解至相应的子系统层和零部件层.每层的优化设计问题是最小化分解得到的设计目标的偏差问题,并以此实现系统之间的兼容,从而保证系统设计的一致性和高效性.采用Isight优化软件构建ATC的多学科优化设计仿真平台,分别以数值优化案例和工程设计案例充分说明ATC的有效性.     

基于多模型拓扑优化方法的车身结构概念设计

为获得最优的初始设计方案,在车身概念设计阶段对车身结构进行拓扑优化。车身结构性能指标综合考虑整体刚度、局部动态刚度和碰撞性能,采用多模型优化(multi-model optimization,MMO)方法解决此类复杂工况的拓扑优化问题,通过调节设计空间和设置参数,获得车身最优载荷路径。根据拓扑优化结果初步形成车身框架结构,可为后期详细设计提供参考。     

某大兆瓦风电机组主机架多阶段多目标优化

为解决大兆瓦风电机组主机架研发难度大、周期长的问题,采用贯穿主机架全生命周期的多阶段多目标优化方法进行研发设计.在概念设计阶段侧重于获得主机架初始构型,以机架材料分布为设计变量,以材料体积为约束条件,以各工况极限强度为目标进行拓扑优化;在详细设计阶段侧重于机架的轻量化,以主机架结构尺寸为设计变量,以疲劳性能为约束条件,...     

基于响应面法的汽车前防撞梁轻量化分析

将原来的汽车前防撞横梁材料替换成超高强度钢后,在确保低速碰撞性能基础上,利用响应面法进行轻量化分析.建立前防撞梁有限元模型,用LS-DYNA进行低速碰撞仿真.在此基础上以横梁和吸能盒的厚度作为变量进行试验设计.构建各项碰撞性能的2阶多项式响应面模型,并验证模型的有效性.以质量和吸能作为优化目标,建立多目标优化模型.与原设计相比,求出的优化方案在保证低速碰撞性能的基础上实现前防撞梁减重36%.     

基于Isight的电动汽车动力性燃油经济性优化

针对电动汽车动力性与燃油经济性优化目标矛盾的问题,基于Isight软件集成的第二代非劣排序遗传算法(NSGA-II)算法用MATLAB软件编写程序,采用Isight直接集成MATLAB程序并进行多目标优化.优化结果表明:基于Isight软件自带的NSGA-II算法,可明显改善电动汽车动力性、经济性.     

基于概念设计的框架车身多目标优化系统

为实现概念设计阶段车身结构和性能的快速优化,构建多工况、多目标优化系统FVO,其中包括车身几何建模、有限元分析、结构优化等。该系统可以快速建立参数化框架车身几何模型,自动生成满足多工况要求的高精度有限元模型,利用多目标优化算法对车身的梁和板结构进行多工况优化计算,为用户提供满足众多约束条件的优化设计方案。在阐述FVO系统整体结构和具体方法的基础上,通过简单设计实例证明系统的有效性和准确性。     

深度学习二维人体姿态估计方法综述

人体姿态估计是计算机视觉中的一项重要任务。传统的姿态估计方法存在难以实现复杂场景下分离目标和背景、易受人为设定先验信息影响、效率过低等问题。随着人工智能技术的发展,深度学习技术日趋成熟,基于深度学习的人体姿态估计方法的精确率和速度等性能均优于传统的人体姿态估计方法。近年来,作为三维人体姿态估计的基础,二维人体姿态估计模型在解决拥挤和遮挡方面取得了长足进步,但大多数网络模型采用的是层数过多的卷积神经网络（convolutional neural network,CNN）模型,对网络速度产生了很大影响。基于部署在边缘侧的实际应用需求,二维人体姿态估计网络的轻量化成为研究热点,且具有潜在的创新应用价值。根据基于深度学习的二维人体姿态估计模型的发展历程和优化趋势,可将其分为单人姿态估计、多人姿态估计以及轻量级人体姿态估计3类。本文对各类人体姿态估计采用的不同卷积神经网络模型进行总结,对各类神经网络模型的特点进行分析,对各类估计方法的性能进行比较。虽然深度卷积神经网络（deep convolutional neural network, DCNN）模型的结构设计越来越多元化,但是各类深度学习网络模型在处理人体姿态估计任务时,仍具有一定的局限性。本文对二维人体姿态估计模型采用的技术方法及其存在的问题进行深入讨论,并给出了未来可能的研究方向。     

基于UM的磁浮列车-轨道梁耦合振动仿真程序开发

基于大型通用多体动力学仿真分析平台Universal Mechanism(UM),开发用于磁浮列车 轨道梁耦合振动仿真的专用程序UM Maglev,其中：磁浮列车设置为多刚体模型,弹簧和阻尼器的刚度和阻尼视为线性或非线性力元;轨道梁设置为三维铁木辛柯梁模型,或从外部有限元软件导入模态分析结果;轨道线路包含平面和纵断面曲线、超高和轨面随机不平顺;悬浮和导向系统控制采用PID模型;多体动力学系统微分 代数方程求解采用Park刚性稳定法。该程序可用于考察磁浮列车的曲线通过性能、运行平稳性和乘坐舒适度,研究悬浮/导向气隙与磁浮控制系统参数优化,分析轨道梁在动态电磁力作用下的振动响应。