[發明專利]基于徑向基神經網絡近似模型的發動機罩輕量化設計方法

有效

• 申請號: 202010589214.2
• 申請日: 2020-06-24
• 公開（公告）號: CN111797471B
• 公開（公告）日: 2022-10-28
• 發明（設計）人: 肖永富;曹正林;張雨;于保君;馬明輝;李鼎;楊少明;劉啟龍;于禮艷
• 申請（專利權）人: 中國第一汽車股份有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/23;G06N3/08
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 杜森垚

1.一種基于徑向基神經網絡近似模型的發動機罩輕量化設計方法，其特征在于，包含：

基于徑向基神經網絡RBF近似模型的多目標輕量化優化分析：建立發動機罩總成有限元模型，并完成發動機罩模態及剛度分析；建立基于徑向基RBF神經網絡的近似模型，并依據近似模型進行多目標優化；

所述基于徑向基神經網絡RBF近似模型的多目標輕量化優化分析包括：

1)建立發動機罩總成有限元模型，完成發動機罩性能分析；

2)選取發動機罩各鈑金件料厚作為設計變量，依據各鈑金件真實的料厚可變范圍，給定變量的變化范圍區間，變量設定為離散變量；

3)采用正交矩陣法選取變量試驗矩陣，輸出試驗矩陣下各變量對應的有限元模型，分析計算不同變量發動機罩對應的模態、側向剛度、中間約束扭轉剛度、邊約束扭轉剛度值；

4)依次提取發動機罩各變量對應的一階模態值、側向載荷位移值、中間約束載荷位移值、邊約束位移值，與變量值形成一一對應的數列矩陣；

5)依據數列矩陣建立基于徑向基RBF神經網絡的近似模型，依據近似模型，進行全局尋優，進行多目標優化，找到最優的變量組合方案；

發動機罩性能仿真驗證及優化：建立發動機罩全內飾精細化模型，并完成發動機罩關閉瞬態強度分析，根據強度分析結果對局部結構進行優化。

2.如權利要求1所述的一種基于徑向基神經網絡近似模型的發動機罩輕量化設計方法，其特征在于，所述步驟1)中，建立發動機罩總成有限元模型的步驟為：DOE試驗設計；樣本點模型生成；劃分有限元網格。

3.如權利要求2所述的一種基于徑向基神經網絡近似模型的發動機罩輕量化設計方法，其特征在于，所述DOE試驗設計中，矩陣樣本點選取采用正交矩陣法。

4.如權利要求1所述的一種基于徑向基神經網絡近似模型的發動機罩輕量化設計方法，其特征在于，所述步驟1)中，發動機罩性能分析包括：發動機罩模態、側向剛度、中間約束扭轉剛度、邊約束扭轉剛度分析計算。

5.如權利要求1所述的一種基于徑向基神經網絡近似模型的發動機罩輕量化設計方法，其特征在于，所述步驟3)中，中間約束扭轉剛度的計算公式為：

K＝F.L/arctan(S/L)，單位為N.m/°；其中，F為施加的力，L為發動機罩兩個緩沖塊之間的距離，S為載荷作用下的位移。

6.如權利要求1所述的一種基于徑向基神經網絡近似模型的發動機罩輕量化設計方法，其特征在于，所述步驟5)中建立的基于徑向基RBF神經網絡的近似模型，采用R-squared方法進行誤差分析，保證通過學習訓練，近似模型的誤差分析值大于0.9。

7.如權利要求1所述的一種基于徑向基神經網絡近似模型的發動機罩輕量化設計方法，其特征在于，所述步驟5)中采用模擬退火全局優化算法進行全局尋優。

8.如權利要求7所述的一種基于徑向基神經網絡近似模型的發動機罩輕量化設計方法，其特征在于，所述模擬退火全局優化算法的優化數學模型為：

X＝{x1,x2,…xn}T

gi(x)≥0 i＝1,2,…n

Minf(x)

其中，X＝{x1,x2,…xn}T為優化變量，即發動機罩鈑金件料厚，gi(x)≥0為約束不等式，即發罩一階模態值、側向剛度、中間約束扭轉剛度、邊約束扭轉剛度大于等于目標值，f(x)為目標函數，即發動機罩總成質量。

9.如權利要求1所述的一種基于徑向基神經網絡近似模型的發動機罩輕量化設計方法，其特征在于，所述發動機罩性能仿真驗證及優化，包括：

6)建立發動機罩全內飾精細化模型，包括密封條、鎖、緩沖塊，按照實際關系進行連接；

7)完成發動機罩關閉瞬態強度分析，采用顯示非線性進行計算，如強度不合格，局部結構進行優化，重新進行發動機罩關閉瞬態強度分析，直到合格；

8)依據發動機罩關閉瞬態強度分析結果，完成發動機罩許用次數下的疲勞耐久分析，如不合格，需進行優化，如合格，分析流程結束。