基于粒子群优化算法的轿车车身轻量化结构的实现方法技术

一种基于粒子群优化算法的轿车车身轻量化结构的实现方法，通过对指定的轿车车身进行高精度有限元建模及碰撞工况仿真分析，对得到的40％正面偏置碰撞仿真模型在优化问题设计域内进行采样，建立Kriging近似模型并采用确定性系数进行精度验证，得到高精度Kriging近似模型；通过数据挖掘技术识别违反程度较低的约束域，并通过粒子群优化算法得到优化结果，圆整到工程值，通过通过有限元仿真计算验证是否满足碰撞工况要求，得到优化后的碰撞工况车身轻量化设计结构；本发明专利技术工作高效，并可提供高精度的车身轻量化设计近似模型。

【技术实现步骤摘要】

本专利技术涉及的是一种轿车车身结构设计领域的技术，具体是一种基于粒子群优化算法的轿车车身轻量化结构的实现方法。
技术介绍
随着全球能源短缺和环境污染的日益严重，安全、节能、环保成为当今汽车工业的主题。据统计，汽车每减重10％，油耗可降低6～8％，排放量减少5～6％。车身轻量化设计成为节能减排的重要途径。并且，汽车安全性对降低交通事故死亡率至关重要，碰撞安全性是现代汽车车身设计的重要考量因素。基于碰撞工况性能指标的轿车车身结构轻量化设计是现代汽车设计的重要方向。考虑到碰撞工况仿真时间成本高，在基于碰撞工况性能指标的车身优化设计中，近似模型往往用来替代仿真模型，进而执行优化计算。但是由于汽车碰撞问题非线性程度强以及问题维度高的特点，优化算法的选择和运用是达成优化求解的重要影响因素之一。粒子群算法是R.Eberhart和J.Kennedy在1995年的会议《TheSixthInternationalSymposiumonMicroMachineandHumanScience》中提出，因其相对简单的算法思想，快速的算法收敛效率以及相对强大的优化计算能力，粒子群优化算法在汽车工业得到了广泛的应用。虽然粒子群优化算法具有较强的寻优能力，与进化算法类似，其优化过程受到过早收敛问题的影响。经过对现有技术文献的检索发现，粒子种群个体间离散程度的降低是影响其收敛过快的重要因素之一。随着优化过程的进行，粒子群逐渐向当代寻得的局部最优点集中，降低了粒子群算法全局搜索能力，进而造成了过早收敛现象的产生。Ratnaweera等在《IEEETransactiononEvolutionaryComputation》2004年8期中提出运用速度突变指针增加新一代粒子群位置之间的离散程度；Sun等在会议《InternationalConferenceonSimulatedEvolutionandLearning》2006年提出运用突变指针增加粒子种群在优化过程中的多样性，当粒子之间的离散程度降低到一定阈值时，激活突变指针，增加粒子之间的多样性；Zhao等在期刊《AppliedSoftComputing》2010年10期中针对过早收敛问题提出运用扰动更新策略，改变全局解的位置，提升粒子群的多样性程度。Yildiz等在期刊《JournalofAutomobileEngineering》2012年226期中开发混合粒子群算法，运用免疫算法中受体编辑机制增加粒子群之间的多样性；Tang等在期刊《EngineeringApplicationofArtificialIntelligence》2015年37期提出运用自适应多样性保持机制和精英学习策略提升粒子群之间的多样性。粒子群多样性是影响算法优化收敛过程的重要因素之一，如何在寻优过程中合理保证粒子种群之间的离散程度，是缓解粒子群优化算法过早收敛问题的重要途径，针对考虑碰撞问题的车身轻量化设计问题，如何在寻优过程中保持种群多样性的同时提高优化效率和精度，是将粒子群优化算法应用到工程实际中的关键。Kriging模型是一种无偏估计模型，效率高，响应预测速度快，可重复性高，在工程结构优化设计中得到了广泛的应用。经过对现有技术的检索发现，中国专利文献号CN103699938A，公开日2014.4.2，公开了一种含抽水蓄能电站的电力系统发电计划制定方法，包括以下步骤：首先制定检修计划，获取电力系统负荷曲线；然后在负荷平衡、机组出力与爬坡限制、系统旋转备用和抽水蓄能电站库容约束条件下，以调度周期内所有火电机组的发电成本与启停费用之和最小为目标建立模型，用混沌控制的基本粒子群算法求解，输出全局极值(调度方案)和对应的目标函数值。但该技术采用粒子群基本算法，在迭代过程中仅对迭代次数进行判定后输出，无法解决停滞状态下对粒子群全局最优位置的影响，存在一定偏差。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出一种基于粒子群优化算法的轿车车身轻量化结构的实现方法，结合粒子初始种群分布和速度重置公式，优化粒子群算法，应用于轿车车身轻量化设计，高效优化求解，克服了碰撞工况强非线性和高维度带来的优化困难，提高车身轻量化设计问题的优化效率。本专利技术是通过以下技术方案实现的：本专利技术通过对指定的轿车车身进行高精度有限元建模及碰撞工况仿真分析，对得到的40％正面偏置碰撞仿真模型在优化问题设计域内进行采样，建立Kriging近似模型并采用确定性系数进行精度验证，得到高精度Kriging近似模型；通过数据挖掘技术识别违反程度较低的约束域，设定初始种群并基于初始种群运行粒子群优化算法，获得优化结果，圆整到工程值，通过有限元仿真计算验证是否满足碰撞工况要求，得到优化后的碰撞工况车身轻量化设计结构。所述的仿真分析是指：根据安全要求，选取碰撞工况的性能指标和设计变量，设定仿真时间，得到40％正面偏置碰撞仿真模型。所述的性能指标包括：左侧B柱最大加速度、A柱最大后向变形量、左侧搁脚板最大侵入量和右侧搁脚板最大侵入量。所述的设计变量为21个与40％正面偏置碰撞最相关的车身前部的21个板厚。所述的采样采用最优拉丁超立方试验设计方法。所述的确定性系数R2的计算公式为：其中：yi为样本点的有限元计算值，为样本点Kriging近似模型预测值，为所有样本点仿真结果的平均值，n为检验的样本点数。所述的精度验证是指：为提高确定性系数而对Kriging近似模型进行重构。所述的重构是指：采用基于期望改进准则(ExpectedImprovedCriterion,EI)的序列采样方法，优化计算各性能指标所对应的期望改进函数值，以期望改进函数的最大值点作为新增样本点，构造高精度Kriging近似模型。所述的期望改进函数EI(x)的计算公式为：其中：ymin为样本中响应的最小值，和Φ(x)分别为标准正态分布的概率密度函数和累积分布函数，和σ(x)分别为Kriging近似模型在x点处的预测均值和预测均方差。所述的粒子群优化算法包括：步骤a)设置算法参数，产生粒子群优化算法的初始种群：一部分初始种群运用最优拉丁超立方采样方法产生于整个设计域；另一部分产生于数据挖掘技术所辨识的约束违反程度较低的区域，两部分数量相同。步骤b)计算粒子群对应的目标函数值，根据优化目标进行排序，选择全局最优位置和局部最优位置；并根据标准粒子群算法的速度更新公式和位置更新公式，对所有粒子进行速度更新和位置更新。步骤c)如果粒子群优化算法流程在一个适应度值处停滞超过5代，则对该处适应度值的位置进行速度本文档来自技高网...

【技术保护点】
一种基于粒子群优化算法的轿车车身轻量化结构的实现方法，其特征在于，通过对指定的轿车车身进行高精度有限元建模及碰撞工况仿真分析，对得到的40％正面偏置碰撞仿真模型在优化问题设计域内进行采样，建立Kriging近似模型并采用确定性系数进行精度验证，得到高精度Kriging近似模型；通过数据挖掘技术识别违反程度较低的约束域，设定初始种群并基于初始种群运行粒子群优化算法，获得优化结果，圆整到工程值，通过通过有限元仿真计算验证是否满足碰撞工况要求，得到优化后的碰撞工况车身轻量化设计结构。

【技术特征摘要】
1.一种基于粒子群优化算法的轿车车身轻量化结构的实现方法，其特征在于，通过对指定
的轿车车身进行高精度有限元建模及碰撞工况仿真分析，对得到的40％正面偏置碰撞仿真模型
在优化问题设计域内进行采样，建立Kriging近似模型并采用确定性系数进行精度验证，得到
高精度Kriging近似模型；通过数据挖掘技术识别违反程度较低的约束域，设定初始种群并基
于初始种群运行粒子群优化算法，获得优化结果，圆整到工程值，通过通过有限元仿真计算验
证是否满足碰撞工况要求，得到优化后的碰撞工况车身轻量化设计结构。
2.根据权利要求1所述的实现方法，其特征是，所述的仿真分析是指：根据安全要求，
选取碰撞工况的性能指标和设计变量，设定仿真时间，得到40％正面偏置碰撞仿真模型；
所述的性能指标包括：左侧B柱最大加速度、A柱最大后向变形量、左侧搁脚板最大侵入
量和右侧搁脚板最大侵入量；
所述的设计变量为21个与40％正面偏置碰撞最相关的车身前部的21个板厚。
3.根据权利要求1所述的实现方法，其特征是，所述的确定性系数R2的计算公式为：
其中：yi为样本点的有限元计算值，为样本点Kriging近似模型预测值，
为所有样本点仿真结果的平均值，n为检验的样本点数。
4.根据权利要求1所述的实现方法，其特征是，所述的精度验证是指：为提高确定性系
数而对Kriging近似模型进行重构；
所述的重构是指：采用基于期望改进准则的序列采样方法，计算各性能指标的期望改进函
数，以期望改进函数的最大值点作为新增样本点，构造高精度Kriging近似模型。
5.根据权利要求4所述的实现方法，其特征是，所述的期望改进函数为：
其中：...

【专利技术属性】
技术研发人员：朱平，刘钊，陈卫，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31