[發(fā)明專利]基于粒子群算法的車身側(cè)圍結(jié)構(gòu)多工況協(xié)同優(yōu)化實(shí)現(xiàn)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611046486.8
• 申請(qǐng)日: 2016-11-23
• 公開（公告）號(hào): CN106650016A
• 公開（公告）日: 2017-05-10
• 發(fā)明（設(shè)計(jì)）人: 劉釗;朱平;李晗
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50
• 代理公司: 上海交達(dá)專利事務(wù)所31201
• 代理人: 王毓理,王錫麟

1.一種基于改進(jìn)粒子群優(yōu)化的車身側(cè)圍結(jié)構(gòu)多工況協(xié)同優(yōu)化實(shí)現(xiàn)方法，其特征在于，包括以下步驟：

1)針對(duì)待處理優(yōu)化的轎車的車身側(cè)圍結(jié)構(gòu)，建立用于側(cè)面碰撞工況的整車側(cè)面有限元模型和用于剛度模態(tài)工況的白車身有限元模型，并對(duì)應(yīng)進(jìn)行側(cè)面碰撞工況分析和剛度模態(tài)工況分析，并選取設(shè)計(jì)變量；

2)根據(jù)不同工況仿真分析的對(duì)應(yīng)設(shè)計(jì)變量的個(gè)數(shù)進(jìn)行采樣，建立與之相對(duì)應(yīng)的Kriging近似模型，并驗(yàn)證模型精度；

3)運(yùn)用加強(qiáng)協(xié)同優(yōu)化算法進(jìn)行側(cè)面碰撞工況和剛度模態(tài)工況間耦合關(guān)系的構(gòu)建；

4)針對(duì)側(cè)面碰撞工況和剛度模態(tài)工況，分別運(yùn)用靈敏度分析和數(shù)據(jù)挖掘的方式，獲得各自對(duì)應(yīng)的主要設(shè)計(jì)變量和優(yōu)化目標(biāo)區(qū)域；

5)通過(guò)合理布置粒子群優(yōu)化算法初始粒子種群，針對(duì)不同的工況，運(yùn)用對(duì)應(yīng)的改進(jìn)粒子群優(yōu)化策略，進(jìn)行基于粒子群優(yōu)化算法的尋優(yōu)求解，最終得到車身側(cè)圍優(yōu)化結(jié)構(gòu)。

2.根據(jù)權(quán)利要求1所述的優(yōu)化實(shí)現(xiàn)方法，其特征是，所述的近似模型為Kriging近似模型Kriging模型可由方程表示為：Y(x)＝G(x)+Z(x)，G(x)是x的函數(shù)，Z(x)是一個(gè)均值為0，方差為σ²的隨機(jī)過(guò)程。

3.根據(jù)權(quán)利要求1所述的優(yōu)化實(shí)現(xiàn)方法，其特征是，所述的驗(yàn)證模型精度，通過(guò)確定性系數(shù)R²判斷，其中n為檢驗(yàn)的樣本點(diǎn)數(shù)，為樣本點(diǎn)Kriging近似模型預(yù)測(cè)值，y_i為樣本點(diǎn)的有限元計(jì)算值，為所有樣本點(diǎn)仿真結(jié)果的平均值；當(dāng)R²>0.9，則滿足精度要求。

4.根據(jù)權(quán)利要求1所述的優(yōu)化實(shí)現(xiàn)方法，其特征是，所述的步驟3，具體為：對(duì)系統(tǒng)級(jí)優(yōu)化和子系統(tǒng)級(jí)優(yōu)化結(jié)構(gòu)進(jìn)行了相應(yīng)的修改，將各子系統(tǒng)間的約束模型進(jìn)行相互共享；

所述的系統(tǒng)級(jí)優(yōu)化是指：其中：z是同時(shí)考慮側(cè)面碰撞工況和剛度模態(tài)工況的車身側(cè)圍結(jié)構(gòu)優(yōu)化系統(tǒng)賦予共享變量的目標(biāo)值，x^*代表子系統(tǒng)優(yōu)化過(guò)程中尋得的與系統(tǒng)級(jí)優(yōu)化目標(biāo)最接近的問(wèn)題解；

所述的子系統(tǒng)級(jí)優(yōu)化是指：不同側(cè)面碰撞工況和剛度模態(tài)工況下的具體優(yōu)化，即：其中：x為子系統(tǒng)獨(dú)立的共享變量，x_L為局部變量，x_s＝[x,y]為共享變量(與多個(gè)子系統(tǒng)相關(guān)的)，y為耦合變量，s為松弛系數(shù)，保證子系統(tǒng)問(wèn)題求解的可行性，z為參數(shù)，由系統(tǒng)級(jí)優(yōu)化提供，作為子系統(tǒng)目標(biāo)，λ_C為兼容性懲罰系數(shù)，λ_F為可行性懲罰系數(shù)，是問(wèn)題目標(biāo)的二次方程組模型；

所述的子系統(tǒng)間的約束模型是指：g⁽ⁱ⁾是子系統(tǒng)i的局部約束，是子系統(tǒng)j的線性約束模型。

5.根據(jù)權(quán)利要求1所述的優(yōu)化實(shí)現(xiàn)方法，其特征是，所述的靈敏度分析，通過(guò)Sobol靈敏度分析方法實(shí)現(xiàn)，具體步驟包括：

步驟4.1、基于步驟2得到的Kriging近似模型，建立靈敏度分析目標(biāo)值；

所述的靈敏度分析的目標(biāo)值包括：側(cè)面碰撞靈敏度分析目標(biāo)值、車身剛度模態(tài)靈敏度分析目標(biāo)值；

步驟4.2、運(yùn)用靈敏度分析技術(shù)，分析每個(gè)碰撞工況中影響優(yōu)化問(wèn)題的主要變量，其中約束函數(shù)因子λ取值均為1；

步驟4.3、針對(duì)靈敏度分析獲得的優(yōu)化問(wèn)題影響主要設(shè)計(jì)變量，進(jìn)行數(shù)據(jù)挖掘，尋找問(wèn)題在設(shè)計(jì)域內(nèi)的優(yōu)化區(qū)域。

6.根據(jù)權(quán)利要求1或5所述的優(yōu)化實(shí)現(xiàn)方法，其特征是，所述的數(shù)據(jù)挖掘，運(yùn)用分類與回歸樹數(shù)據(jù)挖掘技術(shù)針對(duì)可行的優(yōu)化區(qū)域進(jìn)行辨識(shí)。

7.根據(jù)權(quán)利要求1所述的優(yōu)化實(shí)現(xiàn)方法，其特征是，所述的基于粒子群優(yōu)化算法的尋優(yōu)求解以粒子群算法為基礎(chǔ)，根據(jù)和更新位置和速度，其中：c₁和c₂為學(xué)習(xí)因子或加速常數(shù)；rand()為介于(0,1)之間的隨機(jī)數(shù)；和分別為粒子i在第k次迭代中第d維的速度和位置；是粒子i在第d維的個(gè)體極值位置；是群體在第d維的全局極值的位置。

8.根據(jù)權(quán)利要求1或7所述的優(yōu)化實(shí)現(xiàn)方法，其特征是，所述的基于粒子群優(yōu)化算法的尋優(yōu)求解通過(guò)非靜態(tài)懲罰函數(shù)法來(lái)處理約束優(yōu)化問(wèn)題，懲罰函數(shù)F(x)＝f(x)+h(k)H(x),x∈S，其中：f(x)為約束優(yōu)化問(wèn)題的初始目標(biāo)函數(shù)；h(k)為懲罰修正值，k為當(dāng)前的代數(shù)，H(x)為懲罰因子。

9.一種實(shí)現(xiàn)上述任一權(quán)利要求所述方法的系統(tǒng)，其特征在于，包括：有限元模型建立單元、工況分析與近似建模單元、協(xié)同優(yōu)化單元以及粒子群優(yōu)化單元，其中：有限元模型建立單元與工況分析相連將建立好的有限元模型進(jìn)行工況載荷施加，工況分析后提取工況的響應(yīng)數(shù)據(jù)建立每個(gè)工況的近似模型；工況分析與近似建模單元與協(xié)同優(yōu)化單元相連，根據(jù)協(xié)同優(yōu)化方法構(gòu)建每個(gè)工況所對(duì)應(yīng)的優(yōu)化問(wèn)題；協(xié)同優(yōu)化單元與粒子群優(yōu)化單元相連，并將優(yōu)化目標(biāo)和約束信息傳遞到粒子群優(yōu)化單元，完成算法的優(yōu)化運(yùn)算，最后輸出優(yōu)化結(jié)果。