导读:在全球节能减排的大背景下,汽车轻量化已然成为传统车型及新能源汽车发展的重要趋势,整车质量越大能耗就越多。
据科学研究发现,当整车重量降低5%,能源消耗将减少3%-4%,汽车尾气排放将减少2%-3%。因此对传统汽车、纯电动汽车的轻量化要求迫在眉睫。
目前汽车轻量化设计的实现主要有三种途径:
(1)结构轻量化,如拓扑、尺寸、形貌及结构多目标优化等技术手段。
(2)材料轻量化,如铝合金、镁合金、碳纤维等轻质材料。
(3)工艺轻量化,如多材料之间的胶接、焊接等工艺。
整个轻量化设计中需综合考虑汽车性能与重量之间的匹配,本文主要从结构轻量化的角度出发,采用结构参数化及多目标优化的方法实现车身结构性能与重量之间的合理匹配。
1:车身结构多目标优化概述
目前常见的车身按照材料区分由全钢、全铝、钢铝混合等材料组成形式,其结构信息可分为厚度、材料、断面尺寸及结构位置四个方面,而车身结构性能主要考虑车身碰撞、NVH及结构耐久三方面性能。
早期结构多目标优化主要针对结构的材料和厚度,通过灵敏度分析和多目标设计的方法匹配结构性能与重量,并未考虑车身结构断面尺寸及结构位置这两方面信息对性能与重量匹配的影响,后期随着结构参数化工具的普及,车身结构断面尺寸及结构位置等信息也逐步成为了多目标优化设计的考虑因素,下面简述下结构参数化与多目标优化设计的流程。
2:结构参数化
目前结构参数化可选择的工具很多,如ANSA-Morph、HyperMorph、Scuptor、Meshworks及SFE-Concept等工具,如下图1所示。
图1 结构参数化工具图示(ANSA-Morph、HyperMorph、Scuptor、Meshworks、SFE-Concept)
结构参数化工具需根据具体的结构参数化问题选择,对于复杂的车身焊接总成结构,SFE-Concept结构参数化工具可很好实现复杂板壳搭接结构的参数化,如下图2所示
图2 车身结构参数化模型
3:多目标优化
白车身结构多目标优化设计主要是合理的匹配结构性能与结构重量,并且多目标优化主要是与参数化的结构联合的仿真,其流程主要包括结构参数化、试验设计(DOE)、近似模型、多目标优化四个过程,如下图3所示。
图3 车身结构多目标优化设计流程
3.1试验设计(DOE)
试验设计的方法有很多,包含全因子、正交、超拉丁方、优化超拉丁方设计,白车身结构多目标优化仿真中主要是针对车身结构参数化模型的厚度、材料、断面形状及结构位置等设计变量的所有组合进行抽样计算,计算抽样组合下的白车身结构性能,如碰撞、NVH及结构耐久相关性能,如下图4所示。
图4 结构参数化试验设计
3.2 近似模型
常用的近似模型种类有响应面、神经网络、正交多项式、克里格等,其本质上是系统输入与输出之间的数学关系,在白车身结构多目标优化中,根据试验设计中的设计变量的组合(结构厚度、材料、断面及结构位置变量)和与之对应输出(碰撞、NVH、结构耐久)等性能响应之间的数学关系,如下图5所示。
图5 近似模型
3.3 多目标优化
在上一小节3.2中已经得到结构设计变量与性能响应之间的数学关系,即近似模型,结构的多目标优化需在此基础上开展,多目标数学优化方法很多,常用的有遗传算法(NSGA-II、NCGA、AMGA)、粒子群算法等。下面可根据近似模型以结构性能或重量为约束和目标,对设计变量进行多目标优化,如下图6所示。
图6 多目标优化设计
多目标优化后结果是含有多个设计变量与结构性能、重量之间的优化解集,工程应用中可根据实际技术限制从优化解集中选择优化方案,如下图7所示。
图7 多目标优化结果
4:总结
- 使用结构参数化工具与优化设计工具的联合仿真可以实现包含结构断面尺寸及结构位置的车身结构多目标优化;
- 试验设计是对车身结构设计变量的抽样仿真;
- 近似模型是一种输入与输出之间的数学关系,多目标优化设计是在此基础上的优化仿真;
5:公开课《车身参数化建模及多目标优化技术》
为了让大家更加充分理解汽车轻量化设计的思路和方法,仿真秀特别邀请到了中汽研(天津)汽车工程研究院有限公司工程师武振江老师,于2020年6月9日晚7点为大家带来《车身参数化建模及多目标优化技术》免费公开课。
报名请私信小编哦