技术资讯

当前位置:主页 > 关于我们 > 技术资讯 >

如何利用Isight有限元仿真软件解决汽车轻量化优化

发布者:admin   发布时间: 2017-11-01 浏览次数:

  1、概述

 白车身轻量化已成为降低汽车企业成本的重要方向,它以满足性能要求或者降低车的某些性能指标为代价,提高材料利用率,实现减轻车身重量的目的。据统计,汽车每减轻其总重量的10%,燃油消耗量可降低6~8%,因此在满足安全法规和舒适性能要求的前提下,对车身结构进行轻量化设计具有十分重要的意义。白车身轻量化设计是一个多学科交叉的系统工程,是多学科综合权衡和优化的过程,包括刚度、模态、碰撞安全性等专业学科领域,各个学科或系统之间相互作用,相互影响,迫切需要进行多学科综合设计与优化。多学科优化方法(MDO,Multi-DisciplinaryOptimization)方法的主要思想是在复杂系统设计的整个过程中利用计算机网络技术来集成各个学科(子系统)的模型知识,应用有效的优化策略,获得系统的整体最优解,从而使研制出的产品更具有竞争力;同时,通过并行设计,缩短设计周期。

 2、多学科优化方法

 将多学科优化方法应用到白车身轻量化设计中,涉及到许多关键技术,包括:模型参数化、仿真流程集成自动化、优化算法和策略选择、高性能计算技术、可视化技术等。

 (1)白车身模型

 根据车身几何构造白车身有限元分析模型,包括刚度、模态、侧碰等多个分析学科。

 



图1白车身模型


 (2)多学科分析流程集成自动化

 通过Isight框架集成Nastran刚度和模态模型、Pam-Crash侧碰分析模型和Excel重量估算模型,如图2所示。

 



图2基于Isight实现的白车身多学科集成优化流程


 (3)多学科优化策略

 由于白车身多学科仿真计算时间较长,优化问题具有明显的非线性和不确定性,因此选择基于“试验设计-近似模型-全局优化”的混合优化策略搜索最优解,提高优化效率,其过程如下(如图3):

 a、通过试验设计(DOE,DesignofExperiment)方法进行抽样,用尽可能少的仿真获取设计变量与响应变量之间的规律和关系,通过方差分析方法,辨识对输出参数影响最关键的设计变量,从而有效缩小优化中设计变量的数量,降低优化的难度和时间开销。常用的试验设计方法包括正交数组和优化拉丁方。

 b、对试验设计获得样本库,运用近似模型方法,建立设计变量与响应变量之间的数学表达式,对响应函数进行平滑处理,降低“数值噪声”,有利于更快的收敛到全局最优点。常用的近似模型方法包括:响应面模型、克里格模型或神经网络。

 c、在近似模型上进行全局优化,避免落入局部优化解,常用的全局优化方法包括:自适应模拟退火、遗传算法、Pointer算法等。

 d、对近似模型获得的最优解进行多学科分析验证,如果误差较大,则增加新的样本点,构造更加可信的近似模型进行优化,直到获得满足设计目标的最优解。



图3白车身轻量化优化策略


 3、计算实例

 (1)优化工况和设计变量

 考虑三个学科对白车身性能的影响,包括:侧碰安全性能、弯曲刚度和扭转刚度、7阶和11阶模态3个学科的影响。选择对上述工况有较大影响且可以改进的白车身板厚和材料作为设计变量,根据制造部门的实际情况,定义设计变量的取值范围,共计42个设计变量,29个输出变量。

 根据设计部门的要求,考虑两种轻量化问题定义:

 a、仅考虑板厚和钢材料,设计变量包含板厚变量22个(4种离散取值)和20个钢材料变量(6个离散取值);

 b、考虑板厚、钢材料和去掉6个非功能件的可能性。在材料变量中增加塑料材料来表征该零件可以去掉,因此设计变量包含板厚变量22个(4种离散取值)、14个材料变量(6个离散取值)和6个材料变量(7个离散取值,包含塑料)。

 (2)优化目标和约束

 目标函数定义为白车身质量最小,定义的约束条件如表1。



表1约束条件


 (3)试验设计

 首先采用正交数组方法对实际可取水平生成刚度、模态、侧碰的样本矩阵,既可用于参数敏感度分析,也可用于建立近似模型的计算样本;再采用优化拉丁超立方的设计方法生成侧碰的样本矩阵,用于提高近似模型计算精度,部分设计变量的DOE矩阵如表2和表3所示。



表2正交试验设计矩阵



表3优化拉丁超立方设计试验矩阵


 (4)近似建模

 根据设计变量和优化工况的特点,刚度、模态近似模型选用径向基神经网络模型(RBF),侧碰近似模型选用二阶逐次替换的响应面模型(Stepwise-RSM)。为确定近似模型的精度,对其进行了随机抽取样本点的误差分析方法,结果表明所建立的近似模型满足工程开发的精度要求,图4、图5和表4分别是某些输出指标的误差分析结果,刚度、模态近似模型的误差都小于2%,侧碰近似模型的误差能控制在15%以内。



图4刚度、模态部分指标真值-预测值



图5侧碰部分指标真值-预测值



表4近似模型部分输出指标误差结果

 
(5)优化结果

 该优化问题中的设计变量(尺寸、材料牌号)都是离散变量,输出指标与设计变量有线性关系也有非线性关系,因此选择了自适应模拟退火算法(ASA)。经过验证,白车身弯曲刚度、扭转刚度、模态值和侧碰安全性能满足要求的状态下,白车身质量大幅降低。其中方案1减重15.7kg,占白车身质量的3.74%;方案2去同时再去掉4个钣金件,减重17.2kg,占白车身质量的4.1%。

 4、总结

 白车身轻量化设计是一个多学科交叉的系统工程,各个学科或系统之间相互作用,相互影响,通过多学科优化方法(MDO,Multi-DisciplinaryOptimization)能够有效地利用计算机网络技术集成各个学科(子系统)的模型和流程,应用“试验设计-近似模型-全局优化”的优化策略,能够有效获得系统的整体最优解,同时缩短设计周期,对白车身的开发具有指导性意义。


如有CAE业务的需要请联系电话:13723451508,咨询QQ:215370757

本文出自深圳有限元科技有限公司cae软件专业网站:http://www.feaworks.org 转载请注明

 

 

 

 

如有CAE业务的需要请联系电话:13723451508,咨询QQ:215370757
本文出自深圳有限元科技有限公司cae软件专业网站:http://www.feaworks.org 转载请注明

分享到:
相关文章
没了政府的高额补贴,比亚迪等新能车企业该如何突破? CAE在连接器插拔力分析中的应用
CAE在连接器插拔力分析中的应用 连接器创新发展,需走好这一步
我国新能源汽车:“发展速度”以牺牲 “发展质量”为 中兴危机对中国制造发展的启示