[發(fā)明專利]一種轉向系統(tǒng)結構的多目標設計方法

有效

• 申請?zhí)枺?/td>: 201610644312.5
• 申請日: 2016-08-05
• 公開（公告）號: CN106326527B
• 公開（公告）日: 2019-06-25
• 發(fā)明（設計）人: 周冠;趙萬忠;王春燕
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 張婷婷

本發(fā)明公開了一種轉向系統(tǒng)結構的多目標設計方法，在對轉向系統(tǒng)結構進行多目標設計時，以轉向系統(tǒng)中各部分結構加強板的厚度及材料種類作為設計變量，通過最優(yōu)拉丁方實驗方法生成初始點分別建立轉向系統(tǒng)的克里金代理模型、徑向基函數代理模型和二階多項式響應面代理模型，利用重點局部區(qū)域更新方法和階段采樣策略來選取樣本點和更新迭代近似模型，同時針對不同的設計目標對樣本點進行排序，對樣本點進行耦合從而產生不同設計解集并進行選擇，最后應用滿意度函數進行設計解集選取和驗證。本發(fā)明通過對近似模型和樣本點組的合理設計能夠在轉向系統(tǒng)結構設計中顯著提升結構設計的效率和精度，從而有效提高轉向系統(tǒng)結構的性能和降低其生產成本。

技術領域

本發(fā)明屬于汽車轉向系統(tǒng)技術領域，具體涉及一種轉向系統(tǒng)結構的多目標設計方法。

背景技術

轉向系統(tǒng)是汽車的重要組成部分，由于直接與駕駛員接觸，轉向系統(tǒng)的性能表現將直接影響駕駛員的安全及主觀感覺。在汽車正面碰撞過程中，轉向系統(tǒng)中轉向管柱和方向盤等零部件向后運動，駕駛員則由于慣性產生向前的運動，因此轉向系統(tǒng)結構能量吸收的好壞對汽車的被動安全性具有重要影響。在汽車怠速過程中，轉向系統(tǒng)的一階固有模態(tài)容易與發(fā)動機的二階激勵頻率重合從而引起方向盤的共振，因此轉向系統(tǒng)設計過程中應使其一階模態(tài)避開發(fā)動機的激勵頻率。轉向系統(tǒng)結構的重量對于汽車的生產成本和汽車的油耗水平亦具有重要影響，因此設計過程中要嚴格控制。綜上所述，轉向系統(tǒng)設計的好壞對于整車的被動安全。舒適性、成本和油耗水平等均具有重要影響。

傳統(tǒng)汽車轉向系統(tǒng)結構設計過程中主要依靠設計經驗來進行設計，轉向系統(tǒng)的性能和成本等較難達到最優(yōu)。為提高汽車的性能，單目標優(yōu)化設計方法被引入轉向系統(tǒng)結構設計中，使轉向系統(tǒng)的性能得到了顯著提升，但是不同目標的最優(yōu)解之間存在沖突，需要設計者在不同的設計方案間進行妥協(xié)和根據經驗進行選擇。為在各個目標之間取得較好的平衡，不同多目標優(yōu)化設計方法被開發(fā)用于轉向系統(tǒng)結構的設計，盡管優(yōu)化過程提供的多目標設計解集為轉向同喜的設計提供了多樣的選擇性，但是存在著優(yōu)化效率較低，較難找到全局最優(yōu)點及不能提供精確的多目標解集等缺點，難以較快實現轉向系統(tǒng)的多目標優(yōu)化設計從而到達轉向系統(tǒng)性能和成本的完美融合。

發(fā)明內容

發(fā)明目的：為了克服現有技術中轉向系統(tǒng)結構優(yōu)化設計的優(yōu)化效率較低，較難找到全局最優(yōu)點及不能提供精確的多目標解集等不足，提出了一種轉向系統(tǒng)結構的多目標設計方法，可廣泛應用于傳統(tǒng)和電動汽車轉向系統(tǒng)的設計中。

技術方案：為實現上述目的，本發(fā)明采用的技術方案為：

一種轉向系統(tǒng)結構的多目標設計方法，包括以下設計步驟：

1)選取轉向系統(tǒng)中各部分結構加強板的厚度及材料種類作為優(yōu)化設計變量，應用最優(yōu)拉丁方實驗方法生成m個初始樣本點，其中，m＝(n+1)(n+2)/2，n為設計變量的個數，并建立轉向系統(tǒng)結構的有限元模型并計算初始樣本點的響應，獲得m組初始樣本點組；

2)運用所述有限元模型計算樣本點組分別建立轉向系統(tǒng)結構的性能代理模型，包括克里金代理模型f(x)、徑向基函數代理模型g(x)和二階多項式響應面代理模型h(x)；

3)在當前設計區(qū)間內利用最優(yōu)拉丁方實驗方法生成n個代理模型計算樣本點，應用所述性能代理模型分別計算代理模型計算樣本點，獲得代理模型計算樣本點組；在生成代理模型計算樣本點時采用階段采樣策略來選取樣本點；

4)將所述代理模型計算樣本點組按照相應對應的目標函數值進行升序排列，其中針對目標函數t將克里金代理模型f(x)獲得的樣本點組放入集合A_t，徑向基函數代理模型g(x)獲得的樣本點組放入集合B_t，二階多項式響應面代理模型h(x)獲得的樣本點組放入集合C_t；