基于径向基函数神经网络模型的车门结构多目标优化

王凯迪，李迪，冷杨松，李孟迪，徐家川，姜宁

(1.山东理工大学 交通与车辆工程学院, 山东 淄博 255049；(2.临沂科技职业学院 汽车工程学院，山东 临沂 276000)

近年来，为了满足节能减排的需要，车身轻量化成为汽车行业的研究热点。而车门作为车身的重要组成部分，具有一定的轻量化潜力。当然，车门的轻量化必须在满足车门刚度和模态性能的前提下进行。车门刚度主要有侧向刚度和垂向刚度，刚度不足会导致车门边角处变形量过大，从而引起车门卡死、密封性不足等问题。而车门的模态性能主要对车身的噪声、振动特性影响比较大。对此许多专家学者在车门多目标优化设计等方面展开了广泛研究。李军等[1]采用RBF神经网络近似模型法和多目标遗传算法，考虑了扭转刚度、侧向刚度、下沉刚度及模态等多种工况，对车门进行了多目标优化。朱茂桃等[2]应用Kriging近似模型法和序列二次规划法对车门进行轻量化设计，结果表明减重后的车门刚度和模态性能均满足要求。易辉成[3]采用二阶响应面模型和多目标遗传算法在保证车门垂直刚度、一阶固有频率满足要求的前提下，对车门进行了轻量化设计。同时为了提高优化效率，优化过程中往往通过灵敏度分析来筛选设计变量，使得设计变量的选取更加科学[4]。陈国定等[5]提出了相对灵敏度的概念，并在白车身结构优化中利用相对灵敏度选取了设计变量，结果表明优化设计中考虑相对灵敏度的作用，可使设计变量的选取更准确。……