基于隐式参数化的车身多学科轻量化设计

2020-07-04 02:53孙辉闫高峰葛绪坤吴泽勋王德远童邦荣
计算机辅助工程 2020年2期
关键词:白车身灵敏度轻量化

孙辉 闫高峰 葛绪坤 吴泽勋 王德远 童邦荣

摘要:为实现整车综合性能的快速方案验证和优化设计,在新车型设计阶段构建车身隐式参数化模型,并对其进行模态、刚度和安全等综合性能计算,验证参数化模型的有效性。基于灵敏度分析、试验设计(design of experiments,DOE)方法和近似模型优化等策略,对某白车身进行多学科轻量化设计。优化设计结果表明,白车身的模态、刚度和安全性能均满足设计要求。

关键词:隐式参数化;白车身;灵敏度;多学科优化;轻量化

中图分类号:TP391.92;U462.3文献标志码:B

0 引言

在新车型项目开发早期,如何快速对车身进行多种拓扑设计方案的预研分析并确定优化方案,实现仿真驱动设计,已成为汽车企业的核心竞争力之一。在车身快速优化方面,诸多学者研究基于隐式参数化建模结合多学科集成优化的设计方法,并取得一定的成果。但是,在车身集成优化策略方面,先基于灵敏度分析对整车优化变量进行批量、高效筛选,再综合考虑安全性能、NVH性能和刚度性能等要素进行多学科集成优化的研究较少。

借鉴现有研究基础,在某电动汽车新车型设计阶段引入隐式参数化建模技术,对车身进行隐式参数化逆向建模,并将悬架、动力总成和电池包总成等的有限元模型与整车模型耦合,研究车身弯曲扭转刚度、模态性能和碰撞安全等多方面内容;以“试验设计一近似模型一优化设计”为优化策略,基于灵敏度分析和多学科优化法,对车身尺寸和截面形状进行集成优化,并评估优化方案的有效性。

1 隐式参数化建模

1.1 隐式参数化技术

传统显式建模技术面向零件层面进行设计,利用复杂的结构参数而非数学描述实现模型的建立和修改,因此难以实现复杂装配关系的设计,当优化过程中参数变化较大时,极易造成零部件间连接关系失效,导致模型错误。

隐式参数化技术面向整体系统进行设计,结构模型由数学关系定义,其几何结构一般分为基点、基线和截面3种类型,可通过调整基点的位置、控制基线的曲率、优化基准截面的形状等控制模型,通过MAP拓扑关系实现零部件之间的连接。当模型中的任何参数,如位置、大小和形状等发生变化时,与其相关的所有几何参数及其连接关系均同步变化,并可同步生成满足网格质量要求的有限元模型,确保模型的连续性和连接的可靠性。

1.2 隐式参数化建模

为实现模型快速优化,避免数据之间的往复转换,基于隐式参数化建模软件SFE Concept建立某目标车型隐式参数化白车身模型:首先建立白车身发动机舱、前地板总成、后地板总成、侧围、顶盖和风窗玻璃等子系统参数化模型,然后利用MAP映射关系连接封装各子系统模块,最后通过接头连接装配白车身参数化模型。最终建立的白车身参数化模型见图1。

2 参数化模型验证

2.1 参数化车身模态刚度性能验证

将建立的隐式参数化模型与已验证的有限元模型进行模态性能和刚度性能对比,见表1。参数化模型与有限元模型车身l阶扭转频率的误差仅为0.50%,扭转刚度的误差仅为0.85%。结合表1其他数据可知,车身参数化模型与有限元模型的误差可控制在5%以内,说明精度满足要求,可以作为后续优化的输入条件。由表1可知,地板的模态均小于企业目标值50Hz,不满足要求,原因是该车型为电动汽车,车身底部需要布置电池包,因而车身地板需整体抬高,导致中通道高度减小,须在后续工作中进行優化。

2.2 参数化车身碰撞安全性能验证

进行参数化车身安全性能评估时,将车身模型和子系统模型(如底盘、电池包总成、动力系统和开闭部件等)组合在一起,耦合成整车模型并进行配重校核。根据新车评级规程C-NCAP进行100%正碰安全性能仿真分析,对比供给函数均衡(supplyfunction equilibrium,SFE)模型仿真结果,考察整车碰撞性能、评估加速度等关键指标。

在正碰模拟中,有限元模型前围板动态最大侵入量为95mm,SFE模型的分析结果为99mm,误差为1.1%;有限元模型的最大加速度为39.5g,SFE模型的最大加速度分析值为40.9g,误差为3.5%:两者均在有效误差范围内。正碰模拟的加速度曲线对比见图2。SFE参数模型的正碰分析结果与有限元模型的结果基本一致,证明所建立的参数模型具有较好的一致性。

3 多学科集成优化

车身的轻量化是集设计、材料和制造技术等多方面于一体的复杂多系统性工程,应综合考虑车身的各种性能,如车身模态频率、弯曲和扭转刚度,以及车辆的安全性能等,是多学科集成优化设计过程。

首先,对车身整体结构进行厚度相关灵敏度分析,快速筛选对车身性能不敏感和对质量比较敏感的零部件;然后,基于试验设计(design ofexperiments,DOE)方法建立近似模型,对近似模型寻优,得到满足不同工况条件的可行优化方案。车身整体结构优化流程见图3。

3.1 灵敏度分析

在对车身进行多学科轻量化优化时,合理选取设计变量可有效缩小变量选取范围、提高计算效率。在进行DOE采样前,先采用相对灵敏度分析对白车身进行变量批量筛选,从而快速确定车身轻量化零部件及其设计变量。变量选取须去除地板、前围板、侧围、顶盖等具有固定厚度的钣金件,以及各种线束、管路支架等对质量贡献量较小的结构件。

根据所选变量对车身进行灵敏度分析,其目标函数和约束的数学表达式为

式中f(m)为白车身的质量f0(Mt)、f0(Mb)、f0(St)和f0(Sb)分别为车身扭转模态频率、弯曲模态频率、扭转刚度和弯曲刚度的初始值f(Mt)、f(Mb)、f(St)和f(Sb)分别为车身扭转模态、弯曲模态、扭转刚度和弯曲刚度;xi为设计变量。

以设计中的165个车身板厚为初始设计变量,对其进行模态和刚度灵敏度分析。在此基础上,计算得到相应的相对灵敏度分析结果。灵敏度贡献量后20位的零部件筛选结果见图4,从中选取对性能不敏感的前48个设计变量(共计零件88个)。

根据灵敏度分析结果和工程经验,将车身碰撞优化变量划分为安全件部分和非安全件部分,分别进行优化,零部件的具体划分结果见图5和6。

3.2 白车身多学科集成轻量化

3.2.1 试验设计(DOE)方法

DOE方法是以概率论和数理统计为理论基础,在整个设计空间中选取有限个能反映整个设计空间特性的样本点的设计方法。为分析参数对性能的影响趋势,评估参数的最佳取值方案,采用优化拉丁法制定DOE矩阵,分别计算车身刚度、模态和安全性能;基于响应面方法(response surface methodology,RSM)构建近似模型,进而以非支配遗传算法为优化算法进行寻优。

3.2.2 模态刚度优化

考虑到该车型前期模态刚度性能验证时地板模态不达标,根据灵敏度分析结果、中通道截面尺寸和人机要求,在SFE中将中通道名向截面变量范围设置为0-23mm,其余非安全件厚度变量增减范围为±20%,对刚度和模态性能采用优化拉丁法进行采样,共200个样本点,对每个变量取5个水平进行研究,非安全件试验设计计算流程和响应面优化流程分别见图7和8。

综合考虑所有性能和变量最佳水平组合方式,以白车身质量最小、扭转刚度最大和地板模态最大为多目标优化函数,基于响应面寻优得到非安全件部分厚度优化结果,见图9。将中通道截面Z向抬高21mm,变化前、后中通道截面形状对比见图10,优化前、后车身结构性能对比见表2。由此可知,参数化模型非安全件优化后整车质量减小6.4kg,轻量化率为1.9%,且模态性能和刚度性能等均满足设计要求。

3.2.3 碰撞安全性能优化

在进行碰撞模型计算时,安全件的厚度变量增减范围设置为±15%。采用离散取值的正交数组设计方法,對每个变量取3个水平进行研究,正碰样本点为40个。以安全件质量最低、前围板侵入量最小为目标函数,以刚度模态性能和安全性能不小于基准模型为约束条件,对安全件进行优化并对优化结果进行验证。碰撞安全性DOE计算流程见图11。车身部分安全件厚度优化结果见图12。

优化后正碰工况车身前围板的最大入侵量为108mm,整车加速度为40g,100%正碰加速度曲线对比见图13。安全件质量共减小4.5kg,同时其各项性能均达到目标要求。

4 优化设计性能验证

为验证整车优化方案的可行性,将参数化模型综合优化方案代人有限元模型中,并对其综合性能进行分析,刚度和模态的优化结果对比见表3。由此可知:优化后的车身质量减小10.9kg,轻量化率为3.2%,1阶扭转模态频率提高2.7%,扭转刚度提高3.6%;弯曲模态频率降低2.2%,弯曲刚度降低6.7%,但仍均满足目标要求。通过进一步的验证可知,优化方案可满足安全目标要求,与SFE模型优化结果基本吻合,具体性能结果不再详细阐述。

5 结束语

基于隐式参数化、模块化等建模方法建立某电动汽车新车型白车身的全参数化模型,验证白车身的刚度、模态和安全性能,并与已经验证的有限元相关模型进行对比。通过灵敏度分析对整车优化变量进行批量筛选,基于DOE、近似建模和工程经验优化等多种组合的优化策略,对白车身进行轻量化设计。优化后白车身质量减小10.9kg,轻量化率达3.2%,且车身整体性能均满足要求。因此,基于隐式参数化技术的多学科集成优化可在车型开发过程中加快优化速度,实现仿真驱动设计。

猜你喜欢
白车身灵敏度轻量化
前列腺癌应用动态增强MRI联合DWI的诊断效果分析
瑞典Floby公司推出轻量化铝制制动盘
一种轻量化自卸半挂车结构设计
一种轻量化自卸半挂车结构设计
硬点成组技术在白车身结构设计中的研究
企业生产中点焊飞溅的影响因素
阻力系数为定值时弹道参数对气动参数灵敏度分析
增强CT在结肠肿瘤诊断中的灵敏度与特异度研究
除了核心技术的缺失,成本控制也是自主品牌实现轻量化的一大难点
数值越高,音箱越好?走出灵敏度与信噪比的误区