[發明專利]一種用于車身結構參數化設計的近似模型建立方法

在審

• 申請號: 202010650665.2
• 申請日: 2020-07-08
• 公開（公告）號: CN113919114A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 陳崇;崔泰松;趙會;史方圓;白支飛;羅坤;李潔
• 申請（專利權）人: 重慶長安汽車股份有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/15;G06F111/10
• 代理公司: 重慶華科專利事務所 50123
• 代理人: 何杰

本發明涉及所述的一種用于結構參數化設計的近似模型建立方法，包括：步驟1、根據優化設計問題，構成初始訓練樣本集；步驟2、建立多個近似模型，形成單元模型庫；步驟3、進行單元模型決策，構建適用于當前訓練樣本的理想單元模型集；步驟4、計算各個單元模型的權重系數并建立集成近似模型；步驟5、修正當前的集成近似模型；步驟6、判斷是否滿足收斂準則，如果滿足，則完成設計，否則執行步驟7；步驟7、利用增量學習技術增加新的訓練樣本至步驟1生成的訓練樣本集，并依次執行步驟2至步驟6。本發明消除了近似模型對響應特征的依賴，保證了技術通用性,提高了預測穩健性,提高了預測可靠性,提高了集成近似模型的預測精度。

技術領域

本發明涉及車輛結構設計領域，具體涉及一種用于車身結構參數化設計的近似模型建立方法。

背景技術

參數化設計是車身結構正向設計的重要手段。通過建立隱式參數化車身模型，基于全尺寸參數變換和高效優化算法進行車身結構的優化設計，可以滿足多學科設計需求，同時減少重復試錯工作，縮短設計開發周期。

無論是基于梯度算法或是采用進化算法的優化設計方法均需要大量的結構性能響應評估，而基于有限元仿真的性能響應評估成本高昂，造成計算量過大而且收斂緩慢等問題。例如，一次碰撞仿真通常需要數十個小時，若采用有限元仿真進行成百上千次的迭代顯然無法實現。因此，為了降低結構性能響應的計算時間，提高優化設計效率，在工程實踐中通常采用近似建模方法替代有限元仿真進行結構優化設計。

盡管基于近似模型的優化方法被認為是實現車身結構參數化設計的最有效途徑之一，但仍存在不足之處，主要表現在：1、車身結構設計是一個滿足多種響應指標要求下的多學科優化設計方法，目前近似模型種類繁多，但未有一項通用的近似建模技術對不同類型的響應均具有突出的優勢；2、耐撞性是車身結構設計過程中必須考慮的重要性能之一，而耐撞性響應是典型的強非線性結構響應，目前存在的近似建模技術針對耐撞性響應的預測準確性較差；3、由于近似建模是對復雜物理系統的數學近似，因此任何一種近似模型都不可避免的存在預測不確定性。近似模型的建立和運用是達成結構尋優的重要影響因素之一，就目前公開的技術來看，尚無在車身結構耐撞性設計上既滿足精度可靠，又保證性能穩健要求的近似建模方法。

發明內容

本發明的目的是提出一種用于車身結構參數化設計的近似模型建立方法，以減輕或消除上述的技術問題。

本發明所述的一種用于結構參數化設計的近似模型建立方法，包括以下步驟：

步驟1、根據優化設計問題，利用優化拉丁方采樣技術生成N＝3×Ndv組初始試驗設計，Ndv為設計變量的數目，調用有限元仿真獲取每組試驗設計對應的響應指標y_i(i＝1，2，...，N)，構成初始訓練樣本集；

步驟2、依據訓練樣本集定義單元模型庫，利用現有的近似建模技術建立多個近似模型，形成單元模型庫；

步驟3、利用模型篩選技術進行單元模型決策，從單元模型庫中剔除冗余的近似模型，構建適用于當前訓練樣本的理想單元模型集；

步驟4、根據計算各個單元模型的權重系數并建立集成近似模型HM，其中E_i是第i個單元模型的預測殘差平方和，M為單元模型集中近似模型的數量；

步驟5、利用模型更新技術修正當前的集成近似模型；

步驟6、判斷是否滿足收斂準則：

如果滿足，則完成設計，否則執行步驟7，公式中為第k個周期中集成近似模型的預測殘差平方和；

步驟7、利用增量學習技術增加新的訓練樣本至步驟1生成的訓練樣本集，并依次執行步驟2至步驟6。

進一步，步驟3中的模型篩選技術包括以下步驟：