遗传算法优化rbf神经网络自校正控制的初值_【技术帖】轻量化设计中的NVH性能自动优化方法...

摘 要：噪声、振动与声振粗糙度 (Noise，Vibration and Harshness，NVH)性能的自动优化是实现多学科联合优化的基础条件。以白车身模型的零件厚度作为设计变量，以针对动刚度性能进行轻量化优化为例，阐述了在轻量化设计过程中通过椭圆基函数神经网络建立近似模型，并使用Hooke-Jeeves 模式搜索优化算法，进行NVH性能自动优化的方法。最终在保持原动刚度性能的基础上实现减轻质量5.99 kg，为证明研究结果的真实性，在表1中公开了原始数据。该自动优化方法的准确度及效果表明，其可以应用于考虑NVH性能的多学科联合优化过程，弥补了NVH学科只能考虑模态性能的不足，该方法的进一步研究可借助SFE Concept软件进行几何变量的NVH性能自动优化。

关键词：轻量化；NVH优化；动刚度优化；多学科优化；iSIGHT

汽车轻量化设计是一个重要的研究方向，在汽车轻量化研究过程中，会给众多性能的优化带来更多的困难和要求，在满足同样或更好的性能指标的同时还要减轻质量，因此多学科联合优化显得更加重要。

目前多学科联合优化设计已被广泛应用在汽车设计领域，最具代表性的是兼顾车身刚度、模态、碰撞性能的轻量化设计。但多数关于轻量化和多学科联合优化的文献，在对NVH性能的自动优化过程中，只考虑了模态这一单一指标，并未考虑动刚度、噪声传递函数(Noise Transfer Function，NTF)和振 动传 递函 数 (Vibration Transfer Function，VTF)等性能指标。研究表明，在自动优化过程中，如果只考虑刚度和模态性能，可大幅减轻车身质量；如果只考虑各种碰撞性能，轻量化的效果下降，但可以通过材料优化提升其效果；如果只考虑动刚度、NTF、VTF等NVH性能，轻量化效果会大打折扣。因此，轻量化设计过程中，NVH性能指标成为短板，需要进行自动化的全局优化。

以某白车身模型的零件厚度为设计变量，以针对动刚度性能进行轻量化优化为例，介绍了在轻量化设计过程中的NVH性能自动优化方法。NTF与VTF性能的自动优化方法与之相同，只是作为约束条件的响应点数量不同，因此不再累述。该方法可与车身模态、刚度等其它性能的自动优化流程联合使用，实现多学科联合优化并减轻质量。

1 模型描述

白车身动刚度分析模型中共有32个不同位置的加载点，如图1所示，每个加载点分别施加x、y、z三个方向的1～250 Hz激励，读取每个方向激励下所对应的加载点在加载方向上的响应，则每个模型状态会有96条曲线作为考察指标。

如果对NTF和VTF进行分析，需要读取每个方向激励下多个测量点在x、y、z三个方向上的响应，则每个模型状态下作为考察指标的曲线将会更多。

图1 分析模型

2 结果评估准则

NVH性能自动化优化需要以合理、可行的评估准则为基础。将每条曲线在50～250 Hz范围内分成4段，每段的平均值作为一个评价指标，则分析白车身动刚度时将有384个数值评价指标。