拉丁超立方试验设计_【技术帖】考虑稳健性的汽车结构耐撞性优化设计

［摘要］ 本文中基于C-NCAP中40%重叠度的偏置碰撞工况对某轿车进行结构耐撞性优化。为提高输出响应的预测精度，使用基于粒子群算法优化的支持向量回归模型来拟合设计变量与输出响应之间的关系，并利用非支配排序多目标遗传算法Ⅱ获得该优化问题的Pareto前沿。在确定性优化的基础上，并考虑产品性能在不确定因素影响下的波动，对其进行稳健性优化设计。最后，对优化结果进行有限元仿真验证。结果表明：优化后，结构质量减轻，耐撞性能明显提升，同时保障了稳定的产品性能。

关键词：40%重叠度的偏置碰撞；轻量化；PSO-SVR近似模型；稳健性；优化设计

前言

随着计算机技术的不断进步和碰撞仿真精度的不断提高，有限元仿真与实车试验相结合的方法在汽车安全设计中得到了广泛应用［1-2］。然而，单次碰撞仿真通常需要消耗大量时间，对计算资源提出了较高的要求。而优化算法又是一个反复迭代的过程，在单次优化中需要调用大量的仿真结果来满足算法的迭代需求。为解决这一问题，需要建立一个能够代表实际碰撞过程的高精度近似模型。近年来，支持向量回归(support vector regression，SVR)模型以其能够有效拟合小样本、高维度、高度非线性试验数据的能力，引起了工程设计人员的广泛关注［3-4］。然而，由于SVR模型中存在大量不确定性参数，其不同的设定往往会极大程度地影响所构建模型的预测精度，因此对SVR模型的参数进行合理选择尤为重要。本文中使用粒子群算法(particle swarm optimization，PSO)对SVR模型的参数进行寻优，构建了基于粒子群算法优化的支持向量回归(PSO-SVR)模型，实现了对结构耐撞性响应的高精度预测。

近年来，稳健性优化设计方法由于具有能够有效地减小产品性能的波动、大幅提高系统稳健性的优点，逐渐被人们所重视［5-6］。本文中在确定性优化结果的基础上，将稳健性优化方法运用到该汽车的车身结构耐撞性优化问题中，并对不同的稳健度要求所获得的设计方案进行对比，最终获得了适用于工程实际的优化解。

使用基于PSO-SVR近似模型的稳健性优化方法，对某汽车进行40%偏置碰撞工况下的结构耐撞性优化设计。优化流程主要包括：最优拉丁超立方试验设计、PSO-SVR近似模型的构建及精度验证、非支配排序多目标遗传算法Ⅱ(NSGA-Ⅱ)迭代和稳健性优化设计。最后，将所获得的优化方案进行了仿真验证。结果表明：经过本文的稳健性优化设计后，整车的结构耐撞性得到提升，车身质量减轻，同时保证了稳定的产品性能。

1 汽车结构耐撞性问题描述

1.1 整车40%重叠度的偏置碰撞仿真建模与试验验证

为研究某车型在40%重叠度偏置碰撞工况下的结构耐撞性问题，建立了整车和可变形壁障的有限元模型。为检验该模型精度，将仿真结果与实车碰撞的试验结果进行比对，其车身变形示意图如图1所示。可以看出，二者车身变形部位和变形模式基本相同，运动姿态基本一致。

仿真与试验结果的车身B柱下方减速度曲线对比如图2所示。由图可知，两者车身B柱下方的减速度变化趋势基本吻合，峰值大致相等。根据工程经验可以判断，该仿真模型的精度较高，可以用于后续的结构耐撞性优化设计。

1.2 设计变量、优化目标与约束

图1 仿真与试验结果的车身变形示意图

图2 车身B柱下方减速度对比

结构耐撞性输出响应的初始设计值和优化目