CN108573098A - 一种基于遗传算法的b样条防撞梁结构优化方法 - Google Patents
一种基于遗传算法的b样条防撞梁结构优化方法 Download PDFInfo
- Publication number
- CN108573098A CN108573098A CN201810294964.XA CN201810294964A CN108573098A CN 108573098 A CN108573098 A CN 108573098A CN 201810294964 A CN201810294964 A CN 201810294964A CN 108573098 A CN108573098 A CN 108573098A
- Authority
- CN
- China
- Prior art keywords
- collision prevention
- prevention girders
- spline
- genetic algorithm
- stress
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Bridges Or Land Bridges (AREA)
Abstract
本发明公开了一种基于遗传算法的B样条防撞梁结构优化方法,属于防撞梁建模及结构优化技术领域,包括:根据防撞梁几何尺寸确定B样条首尾点与控制点;采用遗传算法构建关于控制点坐标的初始种群;MATLAB构建B样条曲线并输出节点坐标;通过节点构建ANSYS模型;有限元分析计算并输出相应应力值;利用蔡‑吴理论对防撞梁进行优化设计。本发明通过改变B样条的形状来改变防撞梁的几何外形,构建的关于B样条控制点坐标的个体,运用遗传算法,并以强度最大为设计目标进行优化。
Description
技术领域
本发明涉及一种防撞梁结构优化方法,特别是涉及一种基于遗传算法的B样条防撞梁结构优化方法,属于防撞梁建模及结构优化技术领域。
背景技术
随着经济社会的发展,人们生活消费水平显著提高,私家车成为人们日常生活中的主体,但同时也导致交通事故频频发生,因为车辆的不安全,而导致无辜的死伤,给家庭,乃至整个社会都造成巨大的损失,在这样的背景之下,汽车安全可靠性已经成为整个社会关注的重点,在对于其的设计安全性能方面也具有现实意义。
发生事故时,在汽车中首先对人们起保护作用的是保险杠,一般都是塑料或树脂等弹性较高的,来减缓轻微碰撞对汽车的冲击,防撞钢梁一般隐藏在保险杠里面以及车门内部,在较大冲击力作用下,弹性材料已经不能缓冲能量时,这时真正起到保护车内乘员的作用,所以,在汽车的结构设计中,对于防撞梁结构的设计成为重中之重。
设置在前保险杠内的防撞梁的材质最为坚固,是用于正面承担车辆撞击力的装置,并通过它将受到的撞击力进行分散和缓解,并传导给车体主架,对于防撞梁的结构,也从传统的平面结构转变为曲面结构,这种结构较之以前,能够有效地对冲击进行缓解,起到一种缓冲的作用。
发明内容
本发明的主要目的是为了提供一种基于遗传算法的B样条防撞梁结构优化方法,解决目前在汽车防撞梁结构的优化设计中,其几何外形多变,且不易建模的问题。
本发明的目的可以通过采用如下技术方案达到:
一种基于遗传算法的B样条防撞梁结构优化方法,包括如下步骤:
步骤1:根据B样条防撞梁几何尺寸确定B样条防撞梁首尾点及控制点;
步骤2:构建关于B样条防撞梁控制点坐标的初始种群;
步骤3:采用MATLAB遗传算法构建B样条防撞梁曲线并输出B样条防撞梁节点坐标;
步骤4:通过输出的B样条防撞梁节点坐标构建ANSYS模型;
步骤5:采用有限元分析计算并输出ANSYS模型相应应力值;
步骤6:利用蔡-吴张量理论对防撞梁强度进行分析;
步骤7:根据B样条防撞梁曲线与遗传算法,对防撞梁进行结构优化设计。
进一步的,所述步骤6中,利用蔡-吴张量理论对防撞梁强度分析,其中蔡-吴张量理论的强度比方程为式(1):
其中:R是强度比,表示单层板在施加应力作用下,极限应力的某一分量与其对应的施加应力分量之比,也称为强度/应力比;
F11、F1、F12、F2、F66、F22均为强度参数;
σ1为纵向应力;
σ2为横向应力;
σ6为剪切应力。
进一步的,所述步骤7中,对防撞梁进行结构优化设计包括如下步骤:
步骤71:根据所述B样条防撞梁曲线对防撞梁进行建模;
步骤72:采用MATLAB遗传算法优化设计。
进一步的,所述步骤71中,根据所述B样条防撞梁曲线对防撞梁进行建模,包括如下步骤:
步骤711:在MATLAB软件中通过B样条防撞梁首尾点及2个控制点,构建一条完整的B样条防撞梁曲线;
步骤712:将B样条防撞梁曲线上节点坐标输出至txt文件内;
步骤713:在ANSYS软件中,输入txt文件中节点坐标,并以此拟合B样条防撞梁曲线;
步骤714:根据已有B样条防撞梁曲线通过构建截面形状,并以B样条防撞梁曲线进行扫略,完后对防撞梁的建模过程。
进一步的,所述步骤712中,在MATLAB中通过fopen命令打开txt文件,用fprintf命令将节点坐标输入txt文件中,并以fclose命令结束输入。
进一步的,所述步骤72中,采用采用MATLAB遗传算法优化设计,包括如下步骤:
步骤721:采用二进制编码策略,构建关于B样条防撞梁控制点坐标的随机种群;
步骤722:在用B样条防撞梁曲线对防撞梁建模完成后,在ansys中施加约束与载荷,计算相应的应力;
步骤723:应力数值返回MATLAB中,并根据蔡-吴张量理论强度比方程进行强度比计算;
步骤724:根据强度比R建立适应度函数,基于适应度函数进行选择、交叉、变异、重组操作,以此进行遗传算法优化设计。
本发明的有益技术效果:按照本发明的基于遗传算法的B样条防撞梁结构优化方法,本发明提供的基于遗传算法的B样条防撞梁结构优化方法,实现了将B样条防撞梁曲线用于防撞梁结构建模上,ANSYS与MATLAB的联合调用,实现在MATLAB中运行一步即可得到优化结果的目的,方案全面、简便且可靠,传统方法只能通过人为确定几组参数,再手动输入ANSYS建模分析,再手动输出应力计算,比较;将遗传算法运用于优化设计中,计算简单,避免出现局部收敛或并非最优解的现象。
附图说明
图1为按照本发明的基于遗传算法的B样条防撞梁结构优化方法的一优选实施例的防撞梁材料的弹性性能及载荷比;
图2为按照本发明的基于遗传算法的B样条防撞梁结构优化方法的一优选实施例的MATLAB构建的B样条防撞梁曲线;
图3为按照本发明的基于遗传算法的B样条防撞梁结构优化方法的一优选实施例的防撞梁载荷、约束施加示意图;
图4为按照本发明的基于遗传算法的B样条防撞梁结构优化方法的一优选实施例的ANSYS拟合而成的B样条防撞梁曲线;
图5为按照本发明的基于遗传算法的B样条防撞梁结构优化方法的一优选实施例的ANSYS建立的防撞梁模型;
图6为按照本发明的基于遗传算法的B样条防撞梁结构优化方法的一优选实施例的某一轮防撞梁的X方向应力分布云图;
图7为按照本发明的基于遗传算法的B样条防撞梁结构优化方法的一优选实施例的防撞梁优化流程图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案,下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
在本实施例中,图1为防撞梁材料的弹性性能及载荷比,图2为MATLAB构建的B样条防撞梁曲线,图3为防撞梁载荷、约束施加示意图,图4为ANSYS拟合而成的B样条防撞梁曲线,图5为ANSYS建立的防撞梁模型,图6为某一轮防撞梁的X方向应力分布云图,图7为防撞梁优化流程图。
如图1所示,本实施例提供的一种基于遗传算法的B样条防撞梁结构优化方法,包括如下步骤:
步骤1:根据B样条防撞梁几何尺寸确定B样条防撞梁首尾点及控制点;
步骤2:构建关于B样条防撞梁控制点坐标的初始种群;
步骤3:采用MATLAB遗传算法构建B样条防撞梁曲线并输出B样条防撞梁节点坐标;
步骤4:通过输出的B样条防撞梁节点坐标构建ANSYS模型;
步骤5:采用有限元分析计算并输出ANSYS模型相应应力值;
步骤6:利用蔡-吴张量理论对防撞梁强度进行分析;
步骤7:根据B样条防撞梁曲线与遗传算法,对防撞梁进行结构优化设计。
进一步的,所述步骤6中,利用蔡-吴张量理论对防撞梁强度分析,其中蔡-吴张量理论的强度比方程为式(1):
其中:R是强度比,表示单层板在施加应力作用下,极限应力的某一分量与其对应的施加应力分量之比,也称为强度/应力比;
F11、F1、F12、F2、F66、F22均为强度参数;
σ1为纵向应力;
σ2为横向应力;
σ6为剪切应力。
进一步的,所述步骤7中,对防撞梁进行结构优化设计包括如下步骤:
步骤71:根据所述B样条防撞梁曲线对防撞梁进行建模,包括如下步骤:
步骤711:在MATLAB软件中通过B样条防撞梁首尾点及2个控制点,构建一条完整的B样条防撞梁曲线;
步骤712:将B样条防撞梁曲线上节点坐标输出至txt文件内,在MATLAB中通过fopen命令打开txt文件,用fprintf命令将节点坐标输入txt文件中,并以fclose命令结束输入;
步骤713:在ANSYS软件中,输入txt文件中节点坐标,并以此拟合B样条防撞梁曲线;
步骤714:根据已有B样条防撞梁曲线通过构建截面形状,并以B样条防撞梁曲线进行扫略,完后对防撞梁的建模过程。
步骤72:采用MATLAB遗传算法优化设计,包括如下步骤:
步骤721:采用二进制编码策略,构建关于B样条防撞梁控制点坐标的随机种群;
步骤722:在用B样条防撞梁曲线对防撞梁建模完成后,在ansys中施加约束与载荷,计算相应的应力;
步骤723:应力数值返回MATLAB中,并根据蔡-吴张量理论强度比方程进行强度比计算;
步骤724:根据强度比R建立适应度函数,基于适应度函数进行选择、交叉、变异、重组操作,以此进行遗传算法优化设计。
在本实施例中,本实施例所述的一种基于遗传算法的B样条防撞梁结构优化方法,针对的是防撞梁曲线结构多变的特点,运用B样条建模,经过传统的遗传算法优化方法,通过改变控制顶点位置,以改变防撞梁外部形状,根据相应强度准则,实现优化目标。
本实施例在基于遗传算法的B样条防撞梁结构优化设计中,提出了一种应用于二进制转化为整数的编码的策略,以B样条的控制顶点坐标为设计变量,改变B样条形状,以达到改变防撞梁曲面弧度的目标。根据蔡-吴(E.M.Wu)张量理论的强度比方程,以强度比建立目标函数。这种方法简单便捷,使用方便,易于进行遗传算法的选择、交叉、变异的操作。在对B样条结构深入研究后,与在对防撞梁结构强度分析的基础之上,通过MATLAB遗传算法编程,针对防撞梁结构强度为优化目标,建立相应的适应度函数,并参照工程中加工工艺要求,进行约束与施加载荷,根据在各工况下应用ANSYS软件分析计算的载荷结果,返回载荷结果至MATLAB中,再应用遗传算法对防撞梁进行结构优化设计,得到了防撞梁的最优结构。
在本实施例中,本发明的基于遗传算法的B样条防撞梁结构优化方法分为7个步骤实施:
步骤1,根据防撞梁几何尺寸确定B样条首尾点与控制点;
本案例中确定首尾点为(0,0),(1000,100),对应防撞梁几何尺寸为长2m,高10cm;2个控制点为(0,x1),(x2,100),其中x1,x2通过遗传算法种群转换得到;
步骤2,构建关于控制点坐标的初始种群;
将防撞梁长度方向分为32份,通过5位二进制控制;将高度方向分为8份,通过3位二进制控制。运用遗传算法bs2rv命令,将种群中二进制转化为十进制,并在MATLAB中分别得到b1,b2的值(b1,b2由种群转换后得到),此时得到x1=12.4*b1,x2=31.25*b2,即控制点位置确定;
步骤3,MATLAB构建B样条曲线;
对于给定参数u轴上的一个分割U={ui}(ui≤ui+1),(i=0,1,2,...,m),由下列递推关系定义的Ni,p(u)称为U的p次(p+1阶)B样条基函数,即
规定
设P0,P1,...,Pn为给定空间的n+1个控制顶点,U={u0,u1,...,um}是m+1个节点矢量,则B样条曲线为
这边采用三次均匀B样条曲线进行建模,则其基函数如公式(4)所示,
如图2所示,其中直线l1、l2、l3分别为控制点构成的控制多边形,l4为本发明中构造的B样条曲线,此时x1=50,x2=750;
步骤4,通过节点输入,构建ANSYS模型;
将MATLAB生成B样条曲线的各个节点坐标通过fopen、fprintf、fclose命令输入txt文件中,并以ANSYS APDL语言调用txt文件,将文件中各节点坐标用命令流输入生成节点,采用ANSYS自带bsplin命令将各个节点连接成B样条曲线,如图4所示,将节点以及对称点输入后,拟合而成,Y-Z平面内画出防撞梁截面形状,并根据B样条进行扫略,生成模型,如图5所示,这边选择截面形状比较简单,只是矩形,根据不同的需要可以改变截面形状,扫略后即可得到你需要的形状;
步骤5,有限元分析计算并输出相应应力值;
在有限元模型中,施加约束与均匀载荷,防撞梁在于车身接触处限制6个自由度,有限元计算后,将每个单元相应应力数值通过*cfopen、*vwrite、*cfclos命令输出至txt文件中。
步骤6,利用蔡-吴理论对防撞梁强度分析;
式(1)中R是强度比,根据蔡-吴张量理论强度比理论,施加的应力或应变在安全范围内时,R>1,R是安全系数的一种评价系数。强度比R就是层合板在应力作用下,极限应力的某一分量与应力分量之比,由此当R的取值越大时,层合板的强度越大。
步骤7,根据B样条曲线与遗传算法,对防撞梁进行结构优化设计。
以两个控制顶点的坐标为变量,以强度最大为优化目标。根据强度比R建立遗传算法适应度函数,在遗传算法种群中,基于适应度值进行选择,进行选优淘劣操作;此后,进行交叉、变异操作,以达到丰富种群的目的,多次迭代直至达到最大迭代次数,可以得到最优解。
运用遗传算法对防撞梁进行强度优化设计,主要包括以下几点,
(1)构建遗传优化适应度函数;
通过有限元分析计算得到相应的应力数值,带入式(1)计算得到强度比R。其理论依据是蔡-吴(E.M.Wu)张量理论的强度比公式:
其中:F11、F1、F22、F2、F66、F12均为强度参数, (Xt为纵向拉伸强度,Xc为纵向压缩强度,Yt为横向拉伸强度,Yc为横向压缩强度,其数值见图1),σ1为纵向应力,σ2为横向应力,σ6为剪切应力。确定遗传算法优化中的适应度函数为
g(i)=R (5)
(2)基于适应度的遗传算法操作;
遗传算法是一种基于适应度分配寻优的优化方法,模拟生物界自然选择的过程,当适应度值大时,认定个体染色体基因优异,有较大概率留下或交叉给其他个体,采用ranking函数对每个个体分配适应度,此后基于适应度用select函数对种群选取优异个体保留,选用xovsp函数对每个个体两两交叉,以交叉优异基因,用mut函数对每个个体进行变异,以达到丰富原始种群的目的。
本实施例中,利用ANSYS的APDL语言,实现在MATLAB中调用ANSYS软件后台运行,分析得到应力值保存,与传统的MATLAB计算,带入ANSYS的方法有很大区别;其次,对于防撞梁的结构设计,采用B样条构建曲面,比传统曲面更光滑,且在防撞梁应用中能够起到更好的分散应力作用,具有相当重要的现实意义。
综上所述,在本实施例中,按照本实施例的基于遗传算法的B样条防撞梁结构优化方法,本实施例提供的基于遗传算法的B样条防撞梁结构优化方法,实现了将B样条防撞梁曲线用于防撞梁结构建模上,ANSYS与MATLAB的联合调用,实现在MATLAB中运行一步即可得到优化结果的目的,方案全面、简便且可靠,传统方法只能通过人为确定几组参数,再手动输入ANSYS建模分析,再手动输出应力计算,比较;将遗传算法运用于优化设计中,计算简单,避免出现局部收敛或并非最优解的现象。
以上所述,仅为本发明进一步的实施例,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明所公开的范围内,根据本发明的技术方案及其构思加以等同替换或改变,都属于本发明的保护范围。
Claims (6)
1.一种基于遗传算法的B样条防撞梁结构优化方法,其特征在于,包括如下步骤:
步骤1:根据B样条防撞梁几何尺寸确定B样条防撞梁首尾点及控制点;
步骤2:构建关于B样条防撞梁控制点坐标的初始种群;
步骤3:采用MATLAB遗传算法构建B样条防撞梁曲线并输出B样条防撞梁节点坐标;
步骤4:通过输出的B样条防撞梁节点坐标构建ANSYS模型;
步骤5:采用有限元分析计算并输出ANSYS模型相应应力值;
步骤6:利用蔡-吴张量理论对防撞梁强度进行分析;
步骤7:根据B样条防撞梁曲线与遗传算法,对防撞梁进行结构优化设计。
2.根据权利要求1所述的一种基于遗传算法的B样条防撞梁结构优化方法,其特征在于,所述步骤6中,利用蔡-吴张量理论对防撞梁强度分析,其中蔡-吴张量理论的强度比方程为式(1):
其中:R是强度比,表示单层板在施加应力作用下,极限应力的某一分量与其对应的施加应力分量之比,也称为强度/应力比;
F11、F1、F12、F2、F66、F22均为强度参数;
σ1为纵向应力;
σ2为横向应力;
σ6为剪切应力。
3.根据权利要求1所述的一种基于遗传算法的B样条防撞梁结构优化方法,其特征在于,所述步骤7中,对防撞梁进行结构优化设计包括如下步骤:
步骤71:根据所述B样条防撞梁曲线对防撞梁进行建模;
步骤72:采用MATLAB遗传算法优化设计。
4.根据权利要求3所述的一种基于遗传算法的B样条防撞梁结构优化方法,其特征在于,所述步骤71中,根据所述B样条防撞梁曲线对防撞梁进行建模,包括如下步骤:
步骤711:在MATLAB软件中通过B样条防撞梁首尾点及2个控制点,构建一条完整的B样条防撞梁曲线;
步骤712:将B样条防撞梁曲线上节点坐标输出至txt文件内;
步骤713:在ANSYS软件中,输入txt文件中节点坐标,并以此拟合B样条防撞梁曲线;
步骤714:根据已有B样条防撞梁曲线通过构建截面形状,并以B样条防撞梁曲线进行扫略,完后对防撞梁的建模过程。
5.根据权利要求4所述的一种基于遗传算法的B样条防撞梁结构优化方法,其特征在于,所述步骤712中,在MATLAB中通过fopen命令打开txt文件,用fprintf命令将节点坐标输入txt文件中,并以fclose命令结束输入。
6.根据权利要求5所述的一种基于遗传算法的B样条防撞梁结构优化方法,其特征在于,所述步骤72中,采用采用MATLAB遗传算法优化设计,包括如下步骤:
步骤721:采用二进制编码策略,构建关于B样条防撞梁控制点坐标的随机种群;
步骤722:在用B样条防撞梁曲线对防撞梁建模完成后,在ansys中施加约束与载荷,计算相应的应力;
步骤723:应力数值返回MATLAB中,并根据蔡-吴张量理论强度比方程进行强度比计算;
步骤724:根据强度比R建立适应度函数,基于适应度函数进行选择、交叉、变异、重组操作,以此进行遗传算法优化设计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810294964.XA CN108573098A (zh) | 2018-04-04 | 2018-04-04 | 一种基于遗传算法的b样条防撞梁结构优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810294964.XA CN108573098A (zh) | 2018-04-04 | 2018-04-04 | 一种基于遗传算法的b样条防撞梁结构优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108573098A true CN108573098A (zh) | 2018-09-25 |
Family
ID=63573947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810294964.XA Pending CN108573098A (zh) | 2018-04-04 | 2018-04-04 | 一种基于遗传算法的b样条防撞梁结构优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573098A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460716A (zh) * | 2020-04-01 | 2020-07-28 | 江苏理工学院 | 一种基于遗传算法的b样条自由曲面零件结构轻量化方法 |
CN113221269A (zh) * | 2021-05-06 | 2021-08-06 | 大连海事大学 | 基于尺寸链的圆柱凸轮接口优化设计方法及其结构 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608286A (zh) * | 2016-01-12 | 2016-05-25 | 上海交通大学 | 基于粒子群优化算法的车辆保险杠结构优化方法 |
CN107391840A (zh) * | 2017-07-20 | 2017-11-24 | 江苏大学 | 一种连续变厚度汽车前纵梁吸能缓冲区的厚度分布设计方法 |
CN107729701A (zh) * | 2017-11-23 | 2018-02-23 | 江苏理工学院 | 一种汽车防撞梁铺层优化设计方法 |
CN107844664A (zh) * | 2017-11-23 | 2018-03-27 | 江苏理工学院 | 一种应用于单层板铺层角度的优化设计方法 |
-
2018
- 2018-04-04 CN CN201810294964.XA patent/CN108573098A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608286A (zh) * | 2016-01-12 | 2016-05-25 | 上海交通大学 | 基于粒子群优化算法的车辆保险杠结构优化方法 |
CN107391840A (zh) * | 2017-07-20 | 2017-11-24 | 江苏大学 | 一种连续变厚度汽车前纵梁吸能缓冲区的厚度分布设计方法 |
CN107729701A (zh) * | 2017-11-23 | 2018-02-23 | 江苏理工学院 | 一种汽车防撞梁铺层优化设计方法 |
CN107844664A (zh) * | 2017-11-23 | 2018-03-27 | 江苏理工学院 | 一种应用于单层板铺层角度的优化设计方法 |
Non-Patent Citations (3)
Title |
---|
朱晓庆: "基于Geomagic Studio的防撞钢梁模型", 《湖北汽车工业学院学报》 * |
李昊: "汽车保险杠在线弯圆的仿真研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
李继川等: "汽车前部保险杠的耐撞性及结构优化方法", 《汽车工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460716A (zh) * | 2020-04-01 | 2020-07-28 | 江苏理工学院 | 一种基于遗传算法的b样条自由曲面零件结构轻量化方法 |
CN113221269A (zh) * | 2021-05-06 | 2021-08-06 | 大连海事大学 | 基于尺寸链的圆柱凸轮接口优化设计方法及其结构 |
CN113221269B (zh) * | 2021-05-06 | 2022-09-13 | 大连海事大学 | 基于尺寸链的圆柱凸轮接口优化设计方法及其结构 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | An ensemble learning velocity prediction-based energy management strategy for a plug-in hybrid electric vehicle considering driving pattern adaptive reference SOC | |
Giannakoglou et al. | Low-cost genetic optimization based on inexact pre-evaluations and the sensitivity analysis of design parameters | |
Cui et al. | Learning-based ship design optimization approach | |
CN105653768B (zh) | 基于粒子群优化算法的轿车车身轻量化结构的实现方法 | |
CN104635494B (zh) | 一种基于遗传算法优化的车辆追尾碰撞模糊控制方法 | |
Kampolis et al. | A multilevel approach to single-and multiobjective aerodynamic optimization | |
CN106529674A (zh) | 多无人机协同多目标分配方法 | |
CN108573098A (zh) | 一种基于遗传算法的b样条防撞梁结构优化方法 | |
CN109063372A (zh) | 一种轮毂驱动电动汽车悬架***与减振元件参数匹配优化设计方法 | |
CN108446520A (zh) | 半主动悬架***与机械弹性车轮的参数匹配控制***及优化方法 | |
CN108647386A (zh) | 一种应用于frp防撞梁结构/材料的协同优化设计方法 | |
CN113911172A (zh) | 一种基于自适应动态规划的高速列车优化运行控制方法 | |
US20200408547A1 (en) | Optimum route search device, global search device for continuous optimization problem and non-transitory tangible computer-readable storage medium for the same | |
CN108629083A (zh) | 一种汽车防撞梁结构优化方法 | |
CN105512755A (zh) | 一种基于分解的多目标分布估计优化方法 | |
Yang et al. | A neural network approach to predicting car tyre micro-scale and macro-scale behaviour | |
Burger et al. | Balanced growth path solutions of a Boltzmann mean field game model for knowledge growth | |
CN111460716A (zh) | 一种基于遗传算法的b样条自由曲面零件结构轻量化方法 | |
Hilmann et al. | Automatic concept model generation for optimisation and robust design of passenger cars | |
CN108664701A (zh) | 一种基于b样条的防撞梁结构优化方法 | |
Sushil et al. | Data driven integrated design space exploration using iSOM | |
CN110489907B (zh) | 一种轨道交通车辆车体数字样机的优化设计方法 | |
Pyrz et al. | Crashworthiness optimization of front rail structure using macro element method and evolutionary algorithm | |
Kusum et al. | Minimization of molecular potential energy function using newly developed real coded genetic algorithms | |
Mrzyglod et al. | Parametric structural optimization with respect to the multiaxial high-cycle fatigue criterion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180925 |