基于组合优化策略的白车身轻量化设计

乔鑫，夏天，刘莹



基于组合优化策略的白车身轻量化设计

乔鑫，夏天，刘莹

（华晨汽车工程研究院，辽宁 沈阳 110141）

以某SUV车型为研究对象，对白车身进行轻量化设计。建立了整车有限元模型，选取关键零件的板厚作为设计变量，以整车模态、刚度、NVH及碰撞性能为优化约束条件，以质量为目标，建立各项性能指标的径向基神经网络近似模型，采用多岛遗传算法及山单纯型法相结合的优化策略对白车身进行多学科联合优化，在保证各项性能满足要求的前提下，使白车身重量降低了9.7kg。

轻量化；多学科优化；近似模型；多岛遗传算法；下山单纯型法

前言

轻量化是汽车发展的重要方向。研究显示，若汽车整车重量降低10%，燃油效率可提高6%-8%；其次轻量化可提升汽车的主动安全性能、提高加速性能、制动性能、操作性能以及乘坐舒适性等性能[1]。白车身结构的优化设计是汽车轻量化的重要手段之一。通过结构的优化设计，能够实现整车重量的降低以及整体性能的提升。然而白车身是一个综合的工程结构，其设计涵盖多个学科领域，如果单一研究某一学科或某一性能的优化，则忽略了整个系统内各个学科的相互影响，这种设计方法只能获得局部最优解，可能失去系统最优解，而且设计周期长、成本高。因此，汽车的轻量化设计需要多学科设计优化（Multidisciplinary design optimization, MDO）方法。国外大型汽车公司已经把MDO应用于汽车结构设计当中[2-4]，近年来，国内也已经广泛的开展白车身的多学科联合优化工作[5-11]。

本文综合考虑了白车身的模态、刚度、NVH以及碰撞性能，对白车身进行多学科联合优化，在保证结构满足各学科性能要求的前提下，实现了白车身的轻量化设计。

1 相关模型及优化方案

1.1 多学科优化数学模型

多学科优化的数学表达式为：

式中：为设计变量；(,())为目标函数；g(,())为不等式约束条件，为不等式约束的总数；h(,())为等式约束条件，为等式约束的总数；()为状态方程。

为了提高优化效率，本文采用近似模型来代替有限元模型，对近似模型进行优化；同时，为了避免优化结果落入局部解，选择全局法与直接法相结合的方式来获得最终的最优解。优化流程如下图所示。

图1 白车身多学科联合优化流程

1.2 优化的拉丁超立方试验设计

优化的拉丁超立方设计改进了随机拉丁超立方设计的均匀性，使因子和响应的拟合更加精确真实，样本能够覆盖整个设计空间，具有较强的稳健性以及非常好的空间填充性和均匀性。图2为随机拉丁超立方与优化的拉丁超立方算法采样对比。

图2 二因素试验设计对比示意图

1.3 径向基神经网络模型

RBF神经网络模型具有很强的逼近复杂非线性函数的能力和较强的容错能力，20世纪80年代成功的应用于组合优化问题，如今已经被广泛地应用到函数逼近、模式识别、图像处理与计算机视觉、信号处理、时间序列、医药控制、军事系统以及优化。

2 分析工况概述

本文研究对象为国产某自主品牌研发项目SUV车型，通过考察白车身刚度性能、模态性能、NVH性能以及整车的碰撞安全性能来实现白车身的轻量化。其中刚度工况、模态及动刚度工况采用Nastran计算，碰撞工况采用LS-DYNA计算。图3为初始设计阶段各工况计算结果。

图3 各工况初始结果

3 变量、约束与优化目标

3.1 优化变量

根据白车身的结构特征，本文选取了白车身的30个零件的厚度作为设计变量，如下图所示。另外，为满足工艺要求，白车身左右对称件用同一变量表示。

图4 取作设计变量的车身零件

由于钣金的厚度只能取到一系列规定的厚度值，无法取到连续值，因此变量取值是离散的，如下表所示。

表1 变量及其取值范围

3.2 优化约束与目标

优化目标为白车身质量最小，优化约束及初始设计阶段结果见下表。

表2 约束及其初始值

*注：动刚度工况共416个输出指标，由于指标过多，在isight中通过脚本语言为指标设置一个综合变量OptFlagAve，只有当所有指标满足要求时，OptFlagAve才满足要求（OptFlagAve=1）。

4 试验设计

本文采用优化拉丁超立方设计方法生成各工况的样本矩阵，各工况的样本数量如表3所示。

表3 各工况样本数量

5 近似模型

本文选择径向基神经网络算法建立各响应的近似模型。图5中为各个工况任意选择的两个变量与响应之间函数关系的3D显示。从图中可以看出各响应与设计变量之间的非线性程度。

近似模型的精度通常用复相关系数（2）作为检验指标，一般认为2＞0.9时，近似模型的精度可以接受。图6为各工况近似模型的误差分析结果，其中模态、刚度、质量的2值均大于0.9，说明这些指标的近似模型能够很好的代替有限元模型；在动刚度的416个响应中，有38个近似模型的2值小于0.9，其中最大误差为7.9%；碰撞的18个响应中，有10个近似模型的2值在0.9以下，其中有5个近似模型的误差大于10%，最大误差为17%。究其原因，碰撞本身为高度非线性的物理过程，钣金厚度变量与侵入量及侵入速度间的非线性关系比较强烈，因此近似模型误差较大。如果进一步提高近似模型精度，需要继续增加样本点，考虑到计算效率，决定接受已有的近似模型，在此基础上进行下一步的优化分析。

图5 近似模型3D显示

a）门槛弯曲刚度 b） 中通道弯曲刚度

c）扭转刚度 d）弯曲模态

e）扭转模态 f）质量

g）动刚度某一响应 h）侧碰工况某一响应

图6 近似模型误差分析

6 优化结果及验证

本文首先采用多岛遗传算法获取全局初步优化解，基于初步优化解，采用下山单纯型法进一步获得最终优化解。多岛遗传算法子群规模设置为20，岛数设置为10，进化代数设置为10；下山单纯型法Simplex尺寸设置为0.5，最大迭代次数设置为40。基于isight的优化流程如下图所示。

图7 基于isight的多学科优化流程

下表为白车身优化设计结果。从表中可见，白车身重量由446.074kg下降为436.35kg，重量下降了9.7kg，降低了2.17%。白车身各工况性能指标均有变化，但其优化结果仍满足设计要求。表5是优化前后各钣金厚度对比。

7 结论

本文建立了某国产品牌自主研发的SUV车型的有限元模型，分析了白车身的刚度、模态、动刚度性能及整车的侧碰性能，在保证各性能满足目标要求的前提下，采用多学科联合优化方法，对白车身进行了轻量化设计。优化结果显示，白车身质量降低了9.7kg，比原始方案减重2.17%，取得了较好的优化效果。

表4 优化结果对比

表5 优化前后板厚对比

[1] 俞凌琳.中国汽车轻量化调查[J].中国民营科技与经济,2009,11:33 -34.

[2] Sobieszczanski-sobieski J, Kodiyalam S, Yang R Y. Optimization of Car Body under Constraints of Noise, Vibration, and Harshness (NVH), and Crash[J]. Structural and Multidisciplinary Optimization, 2001, 2(4):295-306.

[3] Yildiz A R, Solanki K N. Multi-objective optimization of vehicle crashworthiness using a new particle swarm based approach[J]. Int J Adv Manuf Technol, 2012, 59: 367-376.

[4] Duddeck F, Mile E R. Multidisciplinary optimization of car bodies[J]. Structural and Multidisciplinary Optimization, 2008, 35(4):375-389.

[5] 陈鑫,胡翠松,宁厚于,等. SUV白车身隐式参数化建模及多性能优化轻量化[J].吉林大学学报(工学版), 2016,46（6）:1780-1785.

[6] 王岩,陈无畏,谢有浩,等. 多目标遗传算法在车身动态性能优化中的应用[J].汽车工程,2017,39（11）:1298-1304.

[7] 左文杰,陈继顺,李亦文,等.刚度,强度与频率约束下的白车身板厚尺寸优化[J].汽车工程, 2017,39（2）:145-149.

[8] 尹安东,许靖,曹诚.基于全局响应面法的电动轿车白车身多目标 优化[J].合肥工业大学学报（自然科学版）.2015,38(12):1607- 1611.

[9] 王震虎,周巧英,刘开勇,等.基于响应面模型的白车身多目标轻量化设计[J].中国机械工程, 2018,29（1）:75-81.

[10] 王登峰,蔡珂芳,马明辉,等. 基于隐式参数化模型的白车身轻量化设计[J].汽车工程, 2018,40（5）:610-616.

[11] 黄焕军,张博文,吴光强,等.基于组合代理模型的车身多学科设计优化[J].汽车工程,2016,38（9）:1107-1113.

Body-in-White Lightweight Based on Strategy of Combinatorial Optimization

Qiao Xin, Xia Tian, Liu Ying

（Brilliance Automotive Engineering Research Institute, Liaoning Shenyang 110141）

This paper takes a SUV as the study object, and the lightweight design of the body-in-white is conducted. First, a finite element model of the SUV is established, and the thickness of key parts is selected as the design variables; the mass is taken as the object; and the constraints include the performance of mode, stiffness, NVH and side impact. Then the Radial basis function approximate models are established for every performance. Finally, optimization is performed using the combination of Multi-Island Genetic Algorithm and Downhill Simplex Algorithm. Results show that the mass of BIW can be reduced by 9.7kg while keeping its performance.

lightweight; multidisciplinary optimization; approximate model; Multi-Island Genetic Algorithm; Dow- nhill Simplex Algorithm

A

1671-7988(2018)18-112-05

U462

A

1671-7988(2018)18-112-05

CLC NO.: U462

乔鑫（1979-），男，高级工程师，硕士，就职于华晨汽车工程研究院，主要研究方向：汽车结构CAE。

10.16638/j.cnki.1671-7988.2018.18.038