版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、2010年(第32卷)第12期汽車工程AutomotiveEngineering2010(Vol.32)No.122010225為提高低速碰撞性能的轎車保險杠吸能盒結構優(yōu)化原稿收到日期為2009年11月3日修改稿收到日期為2010年3月3日。孫成智曹廣軍王光耀(上海汽車集團股份有限公司技術中心上海201804)[摘要]建立了吸能盒低速碰撞性能的評價模型提出了一種集成有限元模擬和序列響應面法的優(yōu)化方法。為保證優(yōu)化過程的收斂采用信賴域模型管
2、理策略來調(diào)整設計空間。與傳統(tǒng)的基于梯度的優(yōu)化方法相比該方法計算量小結果準確。最后給出了某轎車后保險杠吸能盒結構優(yōu)化實例驗證了該方法的可靠性。關鍵詞:低速碰撞吸能盒結構優(yōu)化序列響應面法StructuralOptimizationofCarBumperCrashBoxforImprovingLowspeedCrashPerformanceSunChengzhiCaoGuangjun&WangGuangyaoSAICMotorTechnica
3、lCenterShanghai201804[Abstract]Amodelforevaluatingthelowspeedcrashperformanceofcrashboxissetupandanoptimizationtechniqueintegratingfiniteelementsimulationandsequentialresponsesurfacemethodisproposed.Toassureconvergencein
4、simulationthetrustregionmodelmanagementstrategyisadoptedtoadjustdesignspaces.Comparedwithtraditionalgradientbasedoptimizationmethodtheproposedtechniquecangetaccurateresultswithmuchlesscomputationaleffort.Finallyarealcase
5、ofoptimizationoncrashboxstructurefortherearbumperofacarisgivenverifyingthereliabilityofthetechniqueproposed.Keywords:lowspeedcrashcrashboxstructuraloptimizationsequentialresponsesurfacemethod前言吸能盒安裝在轎車前縱梁(或后縱梁)與保險杠橫梁之間在發(fā)
6、生碰撞時通過吸能盒的塑性變形來吸收低速碰撞所產(chǎn)生的能量盡可能保護車身的主要框梁結構不受損壞以降低車輛修復成本。如何設計合理的吸能盒結構使之在低速碰撞時能發(fā)生合理的軸向潰縮而吸收較多的碰撞能量同時要具有質(zhì)量輕、軸向壓潰力小的優(yōu)點一直是汽車防撞橫梁的設計熱點[13]。但是由于吸能盒的軸向潰縮是一個復雜的非線性過程潰縮過程吸收的變形能量和最大軸向力與吸能盒的結構、材料之間的關系難以用一個確定的數(shù)學公式來表達往往須要通過非線性有限元分析來獲得且
7、有限元計算時間較長使傳統(tǒng)的優(yōu)化方法無法應用[4]。隨著CAE技術的發(fā)展碰撞過程的計算機模擬被廣泛應用于各類轎車的開發(fā)。但分析時間仍然較長因為碰撞過程的優(yōu)化須要經(jīng)多次迭代計算才能獲得最優(yōu)結果每次迭代須要調(diào)用多次計算機模擬。為了解決這一問題采用近似模型來替代耗時的計算機模擬已被工程界廣泛應用[5]。產(chǎn)生近似模型有許多方法其中響應面法(RSM)一直受研究人員的關注。響應面法是采用實驗設計對指定的設計點集合進行實驗得到目標函數(shù)和約束函數(shù)的響應面
8、模型來預測非實驗點的響應值。在計算機實驗非常耗時的情況下既要減少優(yōu)化設計的實驗次數(shù)以保證總體優(yōu)化時間的要求又要確保近似模型的精度。但采用二次多項式回歸模型來近似高次的目標函數(shù)往往會帶來較大的誤差[6]。因此本文中提出了一種基于計算機模擬的優(yōu)化方法它集成了轎車碰撞計算機模擬和序列響應面法為保證優(yōu)化過程的收斂應用信2010(Vol.32)No.12孫成智等:為提高低速碰撞性能的轎車保險杠吸能盒結構優(yōu)化1095ρk=[f(xk)f(xk1)]
9、[f(xk)f(xk1)](5)每一步優(yōu)化迭代之后信賴域半徑按如下規(guī)則改變。(1)ρk≤0近似模型不精確廢除k次迭代最優(yōu)點xk*使xk1c=xkc(xkc為k次迭代信賴域中心點)信賴域半徑收縮至原來的14以進一步提高近似模型的精度。(2)00.75且‖xk1*xkc‖0.75且‖xk1*xkc‖=Δk近似模型精確且xk*位于信賴域以內(nèi)xk1c=xk*將信賴域半徑擴大1倍。2.4終止準則在基于模擬的優(yōu)化過程中如果某次目標函數(shù)的相對變化小于
10、ε1或所有設計變量的上、下邊界之差小于ε2則優(yōu)化搜索過程結束。優(yōu)化終止準則為(f(k)f(k1))f(k)ε1(k=1…n)或xiLxiU≤ε2(i=1…n)其中ε1、ε2為一較小值由設計者給定?;谛蛄许憫娴挠邢拊獌?yōu)化流程框圖見圖2。3算法驗證為了驗證算法的可靠性選擇高階多項式函數(shù)[10]對提出的算法進行檢驗高階多項式函數(shù)見式(6)表1為優(yōu)化結果和理論最優(yōu)值的比較。結果表明本文中提出的序列響應面算法比普通響應面法具有更高精度。f(x
11、1x2)=[1(x1x21)2(1914x13x2114x26x1x23x22)][30(2x13x2)2(1832x112x2148x236x1x227x22)]x2x2∈[22](6)表1高階多項式函數(shù)優(yōu)化結果比較優(yōu)化方法最優(yōu)設計最優(yōu)函數(shù)值理論解(01)3.0序列響應面法(0.010.99)3.11普通響應面法(1.80.67)412.8圖2基于序列響應面法優(yōu)化框圖4工程應用采用上述優(yōu)化方法確定某轎車后保險杠吸能盒的最佳結構以提高后
12、保險杠低速碰撞性能。按照RCAR(researchcouncilforautomobilerepairs)的規(guī)定低速碰撞實驗時剛性碰撞小車質(zhì)量為1400kg碰撞速度為16.0kmh。車輛與剛性小車重疊40%并成10夾角車輛配重后的質(zhì)量為1240kg再加上75kg的假人吸能盒材料為B340LA防撞橫梁材料為B340590DP??紤]在低速碰撞時除后保險杠系統(tǒng)外車身前部其它零部件基本不發(fā)生變形同時為了縮短計算時間將整車有限元模型進行簡化保留車
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 低速碰撞中保險杠吸能盒的結構優(yōu)化.pdf
- 轎車低速前碰撞保險杠系統(tǒng)改進研究.pdf
- 轎車吸能式保險杠吸能特性仿真研究.pdf
- 兼顧行人下肢保護與低速碰撞的保險杠吸能器研究.pdf
- 轎車保險杠吸能特性分析與試驗研究.pdf
- 汽車保險杠系統(tǒng)低速碰撞性能研究.pdf
- 吸能保險杠對于正碰的影響及結構的優(yōu)化.pdf
- 基于低速碰撞和行人保護的汽車保險杠性能優(yōu)化研究.pdf
- 綜合行人下肢保護和低速碰撞的保險杠性能研究.pdf
- 基于行人下肢保護與低速碰撞的前保險杠系統(tǒng)優(yōu)化設計.pdf
- 汽車保險杠橫梁碰撞仿真分析及其結構優(yōu)化.pdf
- 外文翻譯--轎車前保險杠
- 基于行人下肢碰撞安全保護的轎車前保險杠結構改進研究.pdf
- 汽車吸能式氣囊保險杠的設計與研究.pdf
- 緩沖吸能式保險杠的CAE分析及實驗驗證.pdf
- 汽車碰撞與前保險杠緩沖裝置性能研究.pdf
- 轎車后保險杠注塑件工藝參數(shù)優(yōu)化及再生率提高的研究.pdf
- 某汽車保險杠系統(tǒng)低速碰撞的動力特性分析與試驗.pdf
- 基于低速碰撞和行人腿部保護的前保險杠系統(tǒng)研究.pdf
- 碳纖維轎車保險杠橫梁的設計.pdf
評論
0/150
提交評論