某型純電動轎車碰撞安全優(yōu)化設(shè)計方法及應(yīng)用研究.pdf

1、純電動轎車已成為汽車產(chǎn)業(yè)的重要發(fā)展方向，由此帶來的諸多道路交通事故對其安全性能提出了越來越嚴(yán)格的要求。車身結(jié)構(gòu)作為影響汽車碰撞安全的重要因素，其耐撞性能的好壞直接關(guān)系到車內(nèi)乘員的傷害程度，故針對其進(jìn)行優(yōu)化設(shè)計具有重要價值。然而，傳統(tǒng)的確定性優(yōu)化設(shè)計僅將設(shè)計變量視為固定值，并未考慮到設(shè)計變量的不確定性帶來的影響。當(dāng)工程實際中的大量不確定性因素導(dǎo)致設(shè)計變量產(chǎn)生波動時，所獲得的確定性優(yōu)化方案通常無法得到保障，因此需要進(jìn)行不確定優(yōu)化設(shè)計?；谏?/p>

2、述原因，本文采用確定性優(yōu)化設(shè)計及不確定性優(yōu)化設(shè)計（包含可靠性優(yōu)化設(shè)計、穩(wěn)健性優(yōu)化設(shè)計）方法，對某純電動轎車的碰撞安全性能進(jìn)行優(yōu)化。
　　本文首先對車身結(jié)構(gòu)耐撞性的研究現(xiàn)狀進(jìn)行了分析，隨后建立了某純電動轎車40％前部偏置碰撞的仿真模型，并對該模型進(jìn)行了試驗驗證。結(jié)果表明:仿真結(jié)果與試驗結(jié)果的吻合程度較高，可以使用該模型代替實車試驗進(jìn)行優(yōu)化設(shè)計。
　　在所建立的仿真模型的基礎(chǔ)上，本文進(jìn)行了結(jié)構(gòu)耐撞性的確定性優(yōu)化設(shè)計。為了提升近似

3、模型的預(yù)測精度，本文使用最小二乘支持向量回歸(Least squares support vector regression，LSSVR)模型來擬合設(shè)計變量與輸出響應(yīng)之問的關(guān)系，同時使用粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)來優(yōu)化LSSVR模型的參數(shù)。隨后，本文使用非支配排序遺傳算法Ⅱ(Non-dominated Sorting Genetic Algorithm-Ⅱ，NSGA-Ⅱ)進(jìn)行優(yōu)化設(shè)計

4、，優(yōu)化結(jié)果表明:相比于初始設(shè)計，關(guān)鍵件的質(zhì)量降低了10.44％，吸能提升了3.84％，同時車身的峰值減速度和防火墻侵入量也滿足了設(shè)計要求。
　　基于確定性優(yōu)化方案，本文進(jìn)一步討論了設(shè)計變量的不確定性對優(yōu)化結(jié)果的影響。為了提升系統(tǒng)的可靠性及穩(wěn)健性，本文采用可靠性優(yōu)化及穩(wěn)健性優(yōu)化方法對該轎車的車身結(jié)構(gòu)進(jìn)行不確定性優(yōu)化設(shè)計。通過比較不同的可靠度/穩(wěn)健度要求以及不同類型的穩(wěn)健性優(yōu)化模型所獲得的設(shè)計方案，本文從中選擇出最適宜作為工程應(yīng)用的最