第三届连接技术研讨会
汽车大数据库锦湖日丽麦克恒通轻量化在线
查看: 50|回复: 0

[车身设计及集成] 隐式参数化白车身多目标协同优化设计

[复制链接]
发表于 2020-3-3 08:35:29 | 显示全部楼层 |阅读模式

亲,赶快注册吧,有更多精彩内容分享!

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
隐式参数化白车身多目标协同优化设计

吕天佟1, 王登峰1, 王传青2
(1.吉林大学 汽车仿真与控制国家重点实验室,吉林,长春 130022;2.北京汽车股份有限公司研究院,北京 101300)
【中国汽车材料网】摘 要:利用参数化建模软件SFE-CONCEPT建立了某轿车白车身的参数化模型,用仿真方法分析了白车身的静态弯扭刚度、主要低阶模态频率并与试验对比,再将白车身与动力总成、底盘连接后,对整车正碰性能进行仿真分析,并与试验对比,验证了所建参数化白车身的有效性. 由于安全性分析属于非线性分析,传统优化方法通常需要人工介入,无法实现优化流程的全自动化. 通过编写批处理文件,提取安全性能指标,实现白车身结构轻量化优化流程的自动化. 白车身结构轻量化优化后弯曲刚度提升0.15%,扭转刚度降低0.03%,一阶扭转模态频率提高1.30%,一阶弯曲模态频率提高0.09%,碰撞安全性能基本不变的情况下,白车身质量降低24.17kg,减重率高达7.42%,取得了显著的轻量化效果.
关键词:白车身;参数化;轻量化;全自动优化

汽车轻量化可以降低能源消耗,减少尾气排放,起到保护环境的作用. 汽车每减重100 kg,每升油可多行驶1 km[1]. 车身占整个汽车制造成本的60%,占汽车总重量的30%~40% ,空载情况下,70% 的油耗消耗在车身质量上[2],因此对车身轻量化的研究具有重要的意义. 当前车身轻量化结构轻量化研究主要集中在考虑白车身静态弯扭刚度、低阶模态及安全性能的前提下,以板件厚度、材料或整车尺寸因素对白车身进行多目标优化. 参数化模型可实现白车身板件形状、厚度、整车尺寸等因素的改变,实现白车身零部件结构和材料充分发挥其承载、加强和吸能作用[3-4].

传统优化方法以板件厚度、材料、整车尺寸等因素在考虑静态刚度、低阶模态、安全性的情况下对白车身进行轻量化优化设计. 由于安全分析属于大变形,传统优化方式无法直接提取安全性能参数,不能实现优化流程的自动化[5-6].

本文通过编辑批处理脚本文件直接读取安全性能参数. 批处理脚本提取碰撞分析binout文件里面的离散值并拟合出加速度曲线,采用SAE1000算法滤除加速度曲线噪声,并提取加速度峰值和平均值. 采用批处理脚本文件可以直接提取碰撞安全性能参数值,从而避免人工干预,实现轻量化优化分析流程的全自动化.

1 隐式参数化白车身性能分析

参数化模型包含显式参数化模型和隐式参数化模型. 显式参数化模型通过改变节点坐标实现网格变形. 显式参数化模型建模效率高,适用于零部件或结构比较简单的分总成. 隐式参数化模型通过基点(influence point)、基线(base line)定位车身部件位置,通过断面(section)定义部件的形状,通过beam建立参数化模型部件,部件之间通过映射(map)或接头(joint)连接到一块. 通过改变基点位置、基线形状和断面形状实现车身形状的改变,借助于映射和接头功能,实现部件之间的“联动”. 隐式参数化模型建模效率低,适用于白车身等结构比较复杂的分总成. 本文采用SFE-CONCEPT软件参照初始有限元模型建立白车身隐式参数化模型,如图1所示.

8eaf64974a0246b67abcf32bb57c2319.jpg
图1 白车身参数化模型

Fig.1 Implicit parametric BIW model


1.1 白车身静态弯扭刚度分析

白车身前悬减振塔被高度可调的带有力传感器的支架约束,后悬架支座被刚性支架全约束.

白车身静态弯曲刚度试验时,将砝码放置在车身两侧B柱附近地板上,总载荷为4 000 N;静态扭转刚度试验时,调整前悬减振塔两侧约束支架高度对车身施加2 000 N·m的扭矩载荷. 白车身静态弯扭刚度仿真分析采用与试验相同的设置. 表1为白车身刚度仿真和试验对比. 从表1可知,仿真和试验结果相比,静态弯曲和扭转刚度相对误差分别为0.59%和1.59%.

表1 白车身静态弯扭刚度仿真和试验对比
Tab.1 Comparison of static bending and torsional stiffness of BIW between test and simulation
6fa9b0be59b7717376f9e5b7a0ee6449.jpg

1.2 白车身低阶模态分析

将白车身水平支撑在4个空气弹簧上,前、后端激振器分别激励白车身左侧前纵梁中部及右侧后纵梁中部. 前端激振器的激振力与白车身侧向和纵向分别成45°角,后端激振器的激振力竖直向上,以激振出白车身3个方向的模态. 信号发生器发出0~256 Hz的猝发随机信号,经功率放大器放大后通过前、后激振器施加到白车身上. 采用3向加速度传感器拾取白车身上各测点的振动加速度响应. 通过最小二乘复频域(least-squares complex frequency-domain,LSCF)算法对式(1)的频率响应函数(frequency response function ,FRF)处理得出模态频率值. 对式(1)进行转化可得式(2)和式(3).

[H(ω)]=[B(ω)][A(ω)]-1,

(1)

5b0c17cf2c9c14059fe3f10bcb1c2cdc.jpg

(2)

15b2b36e6eb682fac700f9fc8ccc4b15.jpg

(3)

式中:Ωr(ω)为频域多项式基函数,由采样时间Δt内的时域函数得出,如式(4)所示;p为频域多项式的阶数;βor,αr为频域多项式系数.

Ωr(ω)=e-jωrΔt.

(4)

白车身低阶模态频率仿真和试验对比如表2所示. 从表2可知,仿真和试验的模态频率最大误差为3.78%.


表2 白车身低阶模态频率仿真和试验对比
Tab.2 Comparison of low-order modal frequencies of BIW between test and simulation
b3713301a5310f46f13d1e6765189e07.jpg

2 整车100%正碰安全性能分析

采用模块化方法将参数化的白车身与闭合件、底盘、动力总成连接到一起. 按照中国新车评价规程 (China-new car assessment program,C-NCAP)对其进行正面100%碰撞安全分析. 本文在考虑白车身结构安全性能的前提下对其进行轻量化设计. 因此整车有限元模型省略假人、内饰、冷却液、燃油等,需要对整车模型配重,配重后有限元模型的质量、质心与实车对比如表3所示. 从表3可知,有限元模型的质量、质心最大误差为2.01%.

表3 配重后整车有限元模型与实车对比
Tab.3 Comparison of mass and mass center between real vehicle and FE model
b6042db1410cc4979808339954cdf8a8.jpg

图2为整车正面100%碰撞安全仿真及试验分析. 从图中可知正碰安全仿真及试验的变形模式一致.

1ee51b8d3d5d1e735670abe18b41ff2a.jpg
图2 整车正面100%碰撞仿真与试验

Fig.2 Simulation and test of full front crash


图3和图4分别为整车左右侧正碰加速度仿真和试验曲线,左侧加速度仿真和试验最大值分别为33.24 g和30.50 g,右侧加速度仿真和试验最大值分别为34.90 g和32.77 g. 由于正碰试验的刚性壁有胶合板,造成整车左、右侧加速度仿真最大值偏高,但最大误差分别为8.85%和6.50%.

d680f67796632a47a0b4011eba3fe5ac.jpg
图3 左侧正碰加速度曲线仿真与试验对比

Fig.3 Comparison of left acceleration curves between simulation and test


3c444b090e2cc6695e3ef080b3113b1c.jpg
图4 右侧正碰加速度曲线仿真与试验对比

Fig.4 Comparison of right acceleration curves between simulation and test


3 白车身轻量化优化设计

通过调整参数化白车身板件的厚度参数及断面、基线、基点等形状参数实现白车身的改变. 将部分形状参数设置为变量并结合试验设计(design of experiment, DOE)生成样本点. 优化拉丁超立方算法(optimal latin hypercube,OLHD)能够快速生成样本点并能均匀的填充设计空间[7-8]. 本文选取板件厚度和板件形状作为设计变量,按照OLHD算法生成样本点. 通过将隐式参数化模型的基点、基线、断面参数设置为形状变量,选取前防撞梁、下纵梁、前纵梁、前指梁4个主断面变量和1个前纵梁曲率变量及43个板件厚度变量,形状变量如图5所示.

2e061c80ff12bcbc033e8d4bdd22a671.jpg
图5 白车身形状变量

Fig.5 Shape variable of BIW


为提高优化效率,以DOE生成的样本点为基础建立近似模型. 克里格(Kriging)近似模型具有模型精度高的特点,在安全性、静态刚度、平顺性等性能方面具有广泛的应用[9-10]. 第二代非支配排序遗传算法(non-dominated sorting genetic algorithm II,NSGA- II)引入了精英保持策略和拥挤度比较方法,大幅提高了迭代的收敛速度,计算复杂度也得到降低,并且能够保证种群的多样性,在白车身优化中有广泛的应用. 因此本文选用NSGA-Ⅱ算法对Kriging近似模型优化.

3.1 参数化白车身轻量化优化流程

对参数化白车身进行轻量化优化设计时,充分考虑白车身静态弯曲、扭转刚度,一阶弯曲、扭转模态频率,左右侧正碰安全性能. 由于加速度曲线可反映正碰侵入量及车身变形模式,因此白车身轻量化优化设计时正碰安全性能可考虑加速度峰值和平均值.白车身轻量化优化设计的物理模型如下:

目标函数:f(x)={min f(M),max f(T))} ;

设计变量:ti、si、yi;

约束条件:

{f(B),f(Ft),f(Fb),fl(aave),fr(aave) }
≥{f1(B),f1(Ft),f1(Fb),fl1(aave),fr1(aave) };
{fl(amax),fr(amax) } ≤{fl1(amax),fr1(amax) }.

式中:f(M),f(T)为白车身质量和白车身静态扭转刚度;ti、si、yi为白车身板件的厚度变量、形状变量和基点坐标位置变量;f(B)、f(Ft)、f(Fb)、fl(aave)、fr(aave)为白车身静态弯曲刚度,一阶扭转模态频率,一阶弯曲模态频率,左、右侧加速度平均值;f1(B)、f1(Ft)、f1(Fb)、fl1(aave)、fr1(aave)为白车身初始静态弯曲刚度,一阶扭转模态频率,一阶弯曲模态频率,左、右侧加速度平均值;fl(amax)、fr(amax)为左、右侧加速度峰值,fl1(amax)、fr1(amax)为左、右侧初始加速度峰值.

白车身轻量化优化设计的流程如图6所示. 图6中的“optimization”模块与近似模型相结合,并驱动“DOE”模块,通过约束相关系数(R2≥0.9)保证近似模型的精度. “SFE-CONCEPT”模块为参数化白车身模块,可分别生成bdf格式和k格式的有限元白车身样本点. “Modal”模块分析白车身低阶模态性能,“Stiffness”模块分析白车身静态弯、扭刚度,“Safety”模块分析正碰安全性能,“bat”模块提取正碰左右侧加速度峰值及平均值,“bat”模块提取正碰安全性能. 图6所示的白车身轻量化优化流程避免了手工介入,实现了白车身结构轻量化优化设计的自动化. “bat”模块通过式(5)和式(6)从分别后处理“nodout”文件提取加速度曲线的时间值和加速度值. 式(7)采用SAE1000对加速度曲线滤波并转化坐标值. 式(8)和式(9)分别提取加速度曲线的峰值及平均值.

aef0a803f1682a2e62806d0f93187e79.jpg
图6 白车身轻量化优化流程

Fig.6 Process of lightweight optimization of BIW

p${pageTag}w${wid}c${temp_curve1num}.x,

(5)

p${pageTag}w${wid}c${temp_curve1num}.y,

(6)

102*sae1000(0.001*trim_depvect(p$
{pageTag}w${wid}c${temp_curve1num}.y,

(7)

max(102*sae1000(0.001*trim_
depvect(p${pageTag}w${wid}c$
{temp_curve1num}).y,

(8)

Integral(Max(102*sae1000(0.001*trim_
depvect(p${pageTag}w${wid}c$
{temp_curve1num}))/60.y,

(9)

3.2 白车身轻量化优化性能对比

白车身优化后得出各设计变量的优化值,其中43个板件优化前后的厚度值如表4所示.

表4 优化前后白车身厚度变量的厚度值

Tab.4 Thickness variables between initial and optimized BIW mm

793ed3deb2debdc9c3b650007a079b59.jpg

白车身板件厚度变量优化后有2个板件厚度不变,有5个板件厚度增加,剩余的板件厚度均减少. 优化前后板件厚度有增有减,从而实现板件厚度的最优组合.

白车身轻量化优化设计后,进一步对优化前后的性能进行对比,对比的性能包括白车身静态弯扭刚度、一阶弯曲、扭转模态频率,正碰加速度曲线. 表5为优化前后白车身质量和静态弯扭刚度对比,优化后白车身的质量降低7.42%,静态弯曲刚度提高了0.15%,扭转刚度降低了0.03%.

表5 优化前后白车身静态弯扭刚度性能对比
Tab.5 Comparison of static bending and torsional stiffness between initial and optimized BIW
0ce5e8f76123c9f1776547b12acda325.jpg

优化后白车身的一阶扭转模态频率由31.77提高到32.17,变化率为1.30%,白车身的一阶弯曲模态频率由53.65提高到53.70,变化率为0.09%.

图7为优化前后左侧加速度曲线对比,优化前后左侧加速度峰值分别为33.24 g和32.87 g,降低了1.11%;优化前后左侧加速度平均值分别为25.61 g和25.72 g,提高了0.43%. 图8为优化前后右侧加速度曲线对比,优化前后右侧加速度峰值分别为34.90 g和32.89 g,降低了5.76%;优化前后左侧加速度平均值分别为26.36 g和26.92 g,提高了2.12%.

1ee15e3bfc3e0cfb7e7b951146e5a780.jpg
图7 优化前后整车左侧加速度曲线

Fig.7 Comparison of left acceleration curves between initial and optimized BIW


4bff803de48a30c24855ca371a27e20f.jpg
图8 优化前后整车右侧加速度曲线

Fig.8 Comparison of right acceleration curves between initial and optimized BIW


白车身优化后,对比验证了静态弯扭刚度、低阶模态和正碰安全性能. 轻量化优化厚度设计变量减薄部分主要集中在与安全性能相关度不高的地方,侧碰安全性能可能会受到影响. 因此,本文进一步验证了轻量化优化前后的侧碰安全性能.

侧碰安全性能包含B柱对应假人头部、胸部、腹部和H点对应的位置,如图9所示. 图10和图11分别为轻量化优化前后假人头部、胸部,腹部、H点的侵入量对比. 轻量化前B柱对应假人头部、胸部、腹部和H点的最大侵入量分别为114.33,193.13,234.97,205.32 mm. 轻量化后B柱对应假人头部、胸部、腹部和H点的最大侵入量分别为107.65,183.48,219.08,191.07 mm. 可知轻量化后的B柱侵入量变化率分别为5.84%,5.00%,6.76%,6.94%.

8eacd6b2745ce3522385c769d2983c03.jpg
图9 B柱对应假人各部分的位置

Fig.9 B pillar location of corresponding to dummy


16dc7ac5b720bfc096b52df55a789641.jpg
图10 假人头部及胸部的侵入量

Fig.10 Head and chest intrusion of dummy


18ef9dd5f36db086745b1cdf4bfe50da.jpg
图11 假人腹部及H点的侵入量

Fig.11 Abdomen and H point intrusion of dummy


图12和图13分别为轻量化优化前后的假人头部、胸部,腹部、H点的侵入速度对比. 轻量化前B柱对应假人头部、胸部、腹部和H点的最大侵入速度分别为6.45,8.58,9.63,10.66 m/s. 轻量化后B柱对应假人头部、胸部、腹部和H点的最大侵入速度分别为6.31,8.59,9.86,10.40 m/s,可知轻量化后的B柱侵入速度变化率分别为2.17%,0.12%,2.39%,2.44%. 因此可知,车身轻量化优化后侧碰安全性能几乎不变,轻量化优化满足性能要求.

46c14aa10aea0a2fbfe18c13e7036447.jpg
图12 假人头部及胸部的侵入速度

Fig.12 Head and chest intrusion velocity of dummy


cce187bf89096e7d62cf247c4d50b07a.jpg
图13 假人腹部及H点的侵入速度

Fig.13 Abdomen and H point intrusion velocity of dummy


由于白车身在100%正碰过程中是由两根纵梁同时参与承载,与40%偏置碰工况下由一侧纵梁单独承载不同,所以本文进一步论证了优化前后车身在40%偏置碰工况下的安全性能.

图14和表6分别为40%偏置碰工况下白车身的加速度曲线以及白车身各位置侵入量的前后对比. 其中优化前整车加速度峰值为42.2 g,优化后整车加速度峰值为40.6 g,变化率为3.79%. 其他位置的侵入量和变化率也在允许范围内. 因此可知,车身轻量化优化后40%偏置碰撞工况下车身性能有所改变,但基本符合性能要求.

38ae8028404893e25d269d5a8f12f4e4.jpg
图14 优化前后40%偏置碰加速度曲线

Fig.14 Comparison of 40% offset crash acceleration curves between initial and optimized BIW


表6 优化前后白车身各位置侵入量对比
Tab. 6 Comparison of 40% offset crash intrusion between initial and optimized BIW
2e1f9e4eda380ff1f70e9872ba54c1af.jpg

4 结 论

通过编辑批处理文件,直接提取正碰安全性能指标,实现了白车身轻量化优化流程的自动化. 通过SFE-CONCEPT建立隐式参数化模型,采用模块化方法对整车进行正碰安全性能分析. 通过5个形状变量和43个板件厚度变量对白车身进行轻量化多目标优化设计. 优化设计后白车身质量减少24.17 kg,减重率高达7.42%. 轻量化优化后其性能几乎不变,静态弯曲提高了0.15%,扭转刚度降低了0.03%,一阶扭转模态频率提高1.30%,一阶弯曲模态频率由提高0.09%;左侧加速度峰值降低了1.11%,平均值提高了0.43%,右侧加速度峰值降低了5.76%,平均值提高了2.12%,侧碰、偏置碰安全性能几乎没有变化.



您需要登录后才可以回帖 登录 | 立即注册

本版积分规则