CN113901586B - 一种基于nsga-ⅱ的一体式铝合金精密铸造防撞梁结构优化方法 - Google Patents
一种基于nsga-ⅱ的一体式铝合金精密铸造防撞梁结构优化方法 Download PDFInfo
- Publication number
- CN113901586B CN113901586B CN202111187623.0A CN202111187623A CN113901586B CN 113901586 B CN113901586 B CN 113901586B CN 202111187623 A CN202111187623 A CN 202111187623A CN 113901586 B CN113901586 B CN 113901586B
- Authority
- CN
- China
- Prior art keywords
- thickness
- collision
- peak
- nsga
- optimization
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 19
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 12
- 238000005495 investment casting Methods 0.000 title claims abstract description 12
- 238000010521 absorption reaction Methods 0.000 claims abstract description 32
- 238000006073 displacement reaction Methods 0.000 claims description 21
- 230000003014 reinforcing effect Effects 0.000 claims description 20
- 230000002265 prevention Effects 0.000 claims description 8
- 238000013178 mathematical model Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000009396 hybridization Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
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]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Vibration Dampers (AREA)
Abstract
本发明公开了一种基于NSGA‑Ⅱ的一体式铝合金精密铸造防撞梁结构优化方法,属于防撞梁建模和结构优化技术领域,包括:最优拉丁超立方设计方法选取样本点进行响应面近似模型的构建;运用NSGA‑II算法对质量和比吸能进行确定性优化;对确定性优化解进行基于可靠性的6σ质量分析和优化。本发明仅针对铝合金精密铸造防撞梁总成的各部分厚度参数进行优化,通过基于NSGA‑II的确定性优化与基于6σ的可靠性优化,提高了防撞梁的耐撞性与可靠性,并实现了轻量化。
Description
技术领域
本发明涉及汽车碰撞安全技术领域,具体是一种基于NSGA-Ⅱ的一体式 铝合金精密铸造防撞梁结构优化方法。
背景技术
防撞梁作为汽车被动安全装置里的一个至关重要的部件,在汽车发生碰 撞时,保护车身、驾驶员和乘客的安全,防撞梁的轻量化与耐撞性优化越来 越受到关注。目前大多数传统防撞梁的设计无法兼顾轻量化和良好的碰撞性 能,一种能在保证优秀的碰撞性能的前提下,还有明显的轻量化效果的算法 是有迫切需求的。NSGA-Ⅱ遗传算法可有效解决非线性优化问题,突破了加 权求和法、线性规划法、约束法等传统多目标优化方法在缺乏经验的情况下 效果不佳、甚至失效的瓶颈,是十分适合本方案的优化算法。
发明内容
本发明的目的在于提供一种基于NSGA-Ⅱ的一体式铝合金精密铸造防撞 梁结构优化方法,在通过NSGA-Ⅱ优化算法优化后,以满足RCAR低速碰撞 法规、拖车钩法规和2021C-NCAP的行人保护法规等,具有明显的轻量化效 果。
为达到上述目的,本发明提供一种基于NSGA-Ⅱ的一体式铝合金精密铸 造防撞梁结构优化方法,其包括如下步骤:
步骤1:在三维软件中建立防撞梁的几何模型;
步骤2:在有限元软件中建立正面碰撞有限元模型,通过LS-DYNA软件 进行求解;
步骤3:通过最优拉丁超立方设计方法采取样本点构建峰值碰撞力、最大 纵向位移、比吸能及质量高精度响应面近似模型;
步骤4:以最大纵向位移、峰值碰撞力为约束条件,以防撞梁的厚度为设 计变量,采用NSGA-Ⅱ算法对比吸能和质量进行确定性优化;
步骤5:根据步骤4的确定性优化解,考虑不确定性因素影响,对其约束 条件进行基于可靠性的6σ质量分析;
步骤6:对步骤5质量分析结果中不满足可靠性要求的约束条件进行6σ 质量优化。
进一步的,所述步骤3中的响应面模型如下:
最大纵向位移Lmax的响应面模型为:
Lmax=77.167 4-2.578 0T1-2.947 7T2-3.796 1T3-0.753 2T4+ 0.285 1T1 2+0.3401T2 2+0.433 5T3 2+0.071 1T4 2-0.023 4T1T2- 0.343 8T1T3-0.122 1T1T4-0.158 0T2T3+0.0553T2T4+0.076 8T3T4
峰值碰撞力Fpeak的响应面模型为:
Fpeak=50.771 4-1.211 7T1-6.649 1T2-0.470 8T3+1.393 5T4- 0.629 0T1 2+0.068 8T2 2-0.627 2T3 2-0.208 5T4 2+0.847 1T1T2+ 0.793 0T1T3+0.137 6T1T4+0.763 6T2T3-0.189 1T2T4+0.123 0T3T4
比吸能SEA的响应面模型为:
SEA=272.836 7-14.064 5T1-15.315 9T2-11.928 8T3-0.763 9T4- 1.345 0T1 2+0.016 9T2 2-0.507 6T3 2-0.383 1T4 2+1.389 0T1T2+ 1.095 2T1T3+0.122 0T1T4+0.929 6T2T3+0.226 6T2T4+0.296 9T3T4
质量M的响应面模型为:
M=0.095 4+0.646 0T1+0.199 6T2+0.269 6T3+0.047 0T4- 3.843 7T1 2-1.3559T2 2+6.613 0T3 2-3.745 8T4 2+5.714 1T1T2+ 1.606 6T1T3+0.000 1T1T4+9.151 9T2T3-0.0001T2T4-1.249 7T3T4
其中:T1~T4分别指防撞梁的厚度,纵向加强筋的厚度,吸能盒的厚度 和横向加强筋的厚度
进一步的,所述步骤4中的多目标优化数学模型为:
其中:SEA为比吸能,M为防撞梁质量,Fpeak为峰值碰撞力,Lmax为最大 纵向位移,T1~T4分别指防撞梁的厚度,纵向加强筋的厚度,吸能盒的厚度 和横向加强筋的厚度
进一步的,所述步骤5中6σ质量分析数学模型如下:
μ[T1]=3.75,σ[T1]=1%*μ[T1]
μ[T2]=3.85,σ[T2]=1%*μ[T2]
μ[T3]=4.55,σ[T3]=1%*μ[T3]
μ[T4]=3.50,σ[T4]=1%*μ[T4]
s.t.Fpeak≤42120N
Lmax≤46.53mm
其中:SEA为比吸能,M为防撞梁质量,Fpeak为峰值碰撞力,Lmax为最大 纵向位移,T1~T4分别指防撞梁的厚度,纵向加强筋的厚度,吸能盒的厚度 和横向加强筋的厚度,μ和σ分别为正态分布的均值和方差。
进一步的,所述步骤6中6σ质量优化数学模型如下:
其中:SEA为比吸能,M为防撞梁质量,Fpeak为峰值碰撞力,Lmax为最 大纵向位移,T1~T4分别指防撞梁的厚度,纵向加强筋的厚度,吸能盒的厚 度和横向加强筋的厚度,μ和σ分别为正态分布的均值和方差。
附图说明
图1为优化对象的厚度示意图;
图2为本方案基于NSGA-Ⅱ优化算法的优化流程图;
图3为图2中NSGA-Ⅱ优化算法优化得到的PARETO前沿解;
具体实施方式
下面结合附图对本发明作进一步的描述:
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。
如图2所示,实施例提供的一种基于NSGA-Ⅱ的一体式铝合金精密铸造 防撞梁结构优化方法,包括如下步骤:
步骤1:在三维软件中建立防撞梁的几何模型;
步骤2:在有限元软件中建立正面碰撞有限元模型,通过LS-DYNA软件 进行求解;
步骤3:通过最优拉丁超立方设计方法采取样本点构建峰值碰撞力、最大 纵向位移、比吸能及质量高精度响应面近似模型;
步骤4:以最大纵向位移、峰值碰撞力为约束条件,以防撞梁的厚度为设 计变量,采用NSGA-Ⅱ算法对比吸能和质量进行确定性优化;
步骤5:根据步骤4求解的确定性优化解,考虑不确定性因素影响,对其 约束条件进行基于可靠性的6σ质量分析;
步骤6:对步骤5质量分析结果中不满足可靠性要求的约束条件最大纵向 位移进行6σ质量优化。
进一步的,所述步骤3中构建响应面近似模型,本发明采取30个采样点 来构建铸铝防撞梁峰值碰撞力、最大纵向位移、比吸能及其质量的二次响应 面近似模型,并且在确定性优化过程中不断增加试验设计点来更新近似模型, 直到近似模型的精度达到可靠性要求。本发明主要采用确定系数、均方根误 差和相对平均绝对误差来检验近似模型精度。响应面模型精度评价结果如表1 所示。可知,三种评价指标均满足要求,说明所构建的响应面近似模型是可 靠的。
表1响应面模型精度评价
响应 | 确定系数 | 均方根误差 | 相对平均绝对误差 |
可接受水平 | ≥90% | ≤20% | ≤20% |
最大纵向位移 | 97.87% | 3.26% | 2.55% |
峰值碰撞力 | 92.46% | 6.84% | 5.80% |
比吸能 | 99.74% | 1.21% | 0.94% |
质量 | 1 | 0.02% | 0.01% |
所述步骤3中的响应面模型如下:
最大纵向位移Lmax的响应面模型为:
Lmax=77.167 4-2.578 0T1-2.947 7T2-3.796 1T3-0.753 2T4+ 0.285 1T1 2+0.3401T2 2+0.433 5T3 2+0.071 1T4 2-0.023 4T1T2- 0.343 8T1T3-0.122 1T1T4-0.158 0T2T3+0.0553T2T4+0.076 8T3T4
峰值碰撞力Fpeak的响应面模型为:
Fpeak=50.771 4-1.211 7T1-6.649 1T2-0.470 8T3+1.393 5T4- 0.629 0T1 2+0.068 8T2 2-0.627 2T3 2-0.208 5T4 2+0.847 1T1T2+ 0.793 0T1T3+0.137 6T1T4+0.763 6T2T3-0.189 1T2T4+0.123 0T3T4
比吸能SEA的响应面模型为:
SEA=272.836 7-14.064 5T1-15.315 9T2-11.928 8T3-0.763 9T4- 1.345 0T1 2+0.016 9T2 2-0.507 6T3 2-0.383 1T4 2+1.389 0T1T2+ 1.095 2T1T3+0.122 0T1T4+0.929 6T2T3+0.226 6T2T4+0.296 9T3T4
质量M的响应面模型为:
M=0.095 4+0.646 0T1+0.199 6T2+0.269 6T3+0.047 0T4- 3.843 7T1 2-1.3559T2 2+6.613 0T3 2-3.745 8T4 2+5.714 1T1T2+ 1.606 6T1T3+0.000 1T1T4+9.151 9T2T3-0.0001T2T4-1.249 7T3T4
其中:T1~T4分别指防撞梁的厚度,纵向加强筋的厚度,吸能盒的厚度 和横向加强筋的厚度。
进一步的,所述步骤4中的多目标优化数学模型为:
其中:SEA为比吸能,M为防撞梁质量,Fpeak为峰值碰撞力,Lmax为最大 纵向位移,T1~T4分别指防撞梁的厚度,纵向加强筋的厚度,吸能盒的厚度 和横向加强筋的厚度。
所述步骤4中设置NSGA-Ⅱ优化算法相关参数为:种群规模150,进化 代数100,杂交概率0.9,杂交分布系数2,变异分布系数20。通过NSGA-II 算法产生质量和比吸能的PARETO前沿解,如图3所示,从图中可以看出, 目标函数质量和比吸能之间存在矛盾性,综合考虑多方面因素,最终从 PARETO解中选择了一个满意的最优化解作为确定性优化解,即T1~T4分别为 3.75mm,3.85mm,4.55mm,3.5mm,质量为4.682kg,比吸能为134.69J·kg-1,质量减轻了1.09kg,比吸能提高了23.71J·kg-1,但是经过6σ质量分析发现, 约束条件最大纵向位移的可靠度和质量水平仅有47.73%和0.63σ,需要对它进 行6σ质量优化。
进一步的,所述步骤6中质量优化数学模型如下:
其中:SEA为比吸能,M为防撞梁质量,Fpeak为峰值碰撞力,Lmax为最大 纵向位移,T1~T4分别指防撞梁的厚度,纵向加强筋的厚度,吸能盒的厚度 和横向加强筋的厚度,μ和σ分别为正态分布的均值和方差。
得出T1~T4分别为3.71mm,4.77mm,4.72mm,4.76mm,M为4.943kg, SAE为128.17J·kg-1,采用该结果为最终结果,相比于初始设计,防撞梁的比 吸能提高了15.98%,质量减轻了14.36%;相比于确定性设计,最大纵向位移 的可靠度和质量水平提高到了99.99%和6.06σ。
本发明进行了防撞梁总成的一体式设计,并对初始设计的防撞梁进行基 于NSGA-Ⅱ的确定性设计,再该确定性设计的基础上再进行可靠性设计,最 终实现了一种基于NSGA-Ⅱ优化算法的一体式铝合金精密铸造防撞梁总成的 发明。
相比于传统钢制防撞梁,其有益效果:减少了相关零部件的数量和材料 消耗,同时,本发明将NSGA-Ⅱ的确定性设计与基于6σ质量分析的可靠性设 计相结合,在实现轻量化目的的同时,满足刚度、强度和碰撞安全性能及可 靠性要求。
Claims (3)
1.一种基于NSGA-Ⅱ的一体式铝合金精密铸造防撞梁结构优化方法,其特征在于,包括如下步骤:
步骤1:在三维软件中建立防撞梁的几何模型;
步骤2:在有限元软件中建立正面碰撞有限元模型,通过LS-DYNA软件进行求解;
步骤3:通过最优拉丁超立方设计方法采取样本点构建峰值碰撞力、最大纵向位移、比吸能及质量高精度响应面近似模型;
响应面模型如下:
峰值碰撞力Fpeak的响应面模型为:
Fpeak=50.771 4-1.211 7T1-6.649 1T2-0.470 8T3+1.393 5T4-
0.629 0T1 2+0.068 8T2 2-0.627 2T3 2-0.208 5T4 2+0.847 1T1T2+
0.793 0T1T3+0.137 6T1T4+0.763 6T2T3-0.189 1T2T4+0.123 0T3T4
最大纵向位移Lmax的响应面模型为:
Lmax=77.167 4-2.578 0T1-2.947 7T2-3.796 1T3-0.753 2T4+
0.285 1T1 2+0.340 1T2 2+0.433 5T3 2+0.071 1T4 2-0.023 4T1T2-
0.343 8T1T3-0.122 1T1T4-0.158 0T2T3+0.055 3T2T4+0.076 8T3T4
比吸能SEA的响应面模型为:
SEA=272.836 7-14.064 5T1-15.315 9T2-11.928 8T3-0.763 9T4-
1.345 0T1 2+0.016 9T2 2-0.507 6T3 2-0.383 1T4 2+1.389 0T1T2+
1.095 2T1T3+0.122 0T1T4+0.929 6T2T3+0.226 6T2T4+0.296 9T3T4
质量M的响应面模型为:
M=0.095 4+0.646 0T1+0.199 6T2+0.269 6T3+0.047 0T4-
3.843 7T1 2-1.355 9T2 2+6.613 0T3 2-3.745 8T4 2+5.714 1T1T2+
1.606 6T1T3+0.000 1T1T4+9.151 9T2T3-0.000 1T2T4-1.249 7T3T4
其中:T1~T4分别指防撞梁的厚度、纵向加强筋的厚度、吸能盒的厚度和横向加强筋的厚度;
步骤4:以最大纵向位移、峰值碰撞力为约束条件,以防撞梁的厚度为设计变量,采用NSGA-Ⅱ算法对比吸能和质量进行确定性优化;
步骤5:根据步骤4求解的确定性优化解,考虑不确定性因素影响,对约束条件进行基于可靠性的6σ质量分析;
步骤6:对步骤5质量分析结果中不满足可靠性要求的约束条件进行6σ质量优化。
2.基于权利要求1所述的基于NSGA-Ⅱ的一体式铝合金精密铸造防撞梁结构优化方法,其特征在于,所述步骤4中的多目标优化数学模型为:
其中:SEA为比吸能,M为防撞梁质量,Fpeak为峰值碰撞力,Lmax为最大纵向位移,T1~T4分别指防撞梁的厚度、纵向加强筋的厚度、吸能盒的厚度和横向加强筋的厚度。
3.基于权利要求1所述的基于NSGA-Ⅱ的一体式铝合金精密铸造防撞梁结构优化方法,其特征在于,所述步骤5中6σ质量分析数学模型如下:
μ[T1]=3.75,σ[T1]=1%*μ[T1]
μ[T2]=3.85,σ[T2]=1%*μ[T2]
μ[T3]=4.55,σ[T3]=1%*μ[T3]
μ[T4]=3.50,σ[T4]=1%*μ[T4]
s.t.Fpeak≤42120N
Lmax≤46.53mm
其中:Fpeak为峰值碰撞力,Lmax为最大纵向位移,T1~T4分别指防撞梁的厚度、纵向加强筋的厚度、吸能盒的厚度和横向加强筋的厚度,μ和σ分别为正态分布的均值和方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111187623.0A CN113901586B (zh) | 2021-10-12 | 2021-10-12 | 一种基于nsga-ⅱ的一体式铝合金精密铸造防撞梁结构优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111187623.0A CN113901586B (zh) | 2021-10-12 | 2021-10-12 | 一种基于nsga-ⅱ的一体式铝合金精密铸造防撞梁结构优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113901586A CN113901586A (zh) | 2022-01-07 |
CN113901586B true CN113901586B (zh) | 2024-06-14 |
Family
ID=79191780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111187623.0A Active CN113901586B (zh) | 2021-10-12 | 2021-10-12 | 一种基于nsga-ⅱ的一体式铝合金精密铸造防撞梁结构优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113901586B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114592483B (zh) * | 2022-03-11 | 2022-09-23 | 西南交通大学 | 一种桥梁强弱碰撞分级防船撞装置及其构建方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106484979A (zh) * | 2016-09-29 | 2017-03-08 | 吉林大学 | 基于独立评价工况的前防撞梁总成轻量化设计方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4645399B2 (ja) * | 2005-10-05 | 2011-03-09 | トヨタ自動車株式会社 | 衝撃吸収体のモデル化方法及び衝撃吸収体の解析方法、並びに衝撃吸収体のモデル化装置及び衝撃吸収体の解析装置 |
CN106570255B (zh) * | 2016-10-27 | 2019-06-14 | 南京航空航天大学 | 一种基于行人保护的负泊松比吸能结构的优化方法 |
CN108664701A (zh) * | 2018-04-04 | 2018-10-16 | 江苏理工学院 | 一种基于b样条的防撞梁结构优化方法 |
CN109492331A (zh) * | 2018-12-07 | 2019-03-19 | 南京航空航天大学 | 一种仙人掌仿生结构吸能盒及其优化方法 |
CN109808468A (zh) * | 2019-03-04 | 2019-05-28 | 南京航空航天大学 | 一种基于负泊松比结构的车门防撞梁及其优化方法 |
CN110909421B (zh) * | 2019-12-02 | 2022-03-18 | 合肥工业大学智能制造技术研究院 | 一种汽车前保险杠横梁的一体化成型方法及前保险杠横梁 |
CN111709082B (zh) * | 2020-04-28 | 2022-06-07 | 湖南大学 | 一种高效的汽车侧面碰撞安全可靠性设计优化方法 |
-
2021
- 2021-10-12 CN CN202111187623.0A patent/CN113901586B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106484979A (zh) * | 2016-09-29 | 2017-03-08 | 吉林大学 | 基于独立评价工况的前防撞梁总成轻量化设计方法 |
Non-Patent Citations (1)
Title |
---|
基于刚度灵敏度分析的宽体货箱优化设计;吴二娟等;汽车科技;20181231(第02期);第99-104页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113901586A (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107958269B (zh) | 一种基于隐马尔可夫模型的行车危险度预测方法 | |
CN109733390B (zh) | 一种基于驾驶人特性的自适应换道预警方法 | |
CN113901586B (zh) | 一种基于nsga-ⅱ的一体式铝合金精密铸造防撞梁结构优化方法 | |
EP2390856B1 (en) | Row running control system and vehicle | |
CN105608286B (zh) | 基于粒子群优化算法的车辆保险杠结构优化方法 | |
CN107139873B (zh) | 一种功能梯度负泊松比结构的汽车后保险杠及优化方法 | |
CN102320280A (zh) | 一种防止弯道车辆前撞的自动报警方法 | |
CN103218500B (zh) | 一种基于多目标连续正交方法的稳健性汽车车身材料匹配方法 | |
CN110909421B (zh) | 一种汽车前保险杠横梁的一体化成型方法及前保险杠横梁 | |
CN110020466B (zh) | 基于代理模型的负泊松比结构吸能盒协同优化设计方法 | |
CN103150677A (zh) | 激进驾驶状态识别方法及*** | |
CN109214569B (zh) | 适用于快速货运列车的货物装载优化方法及*** | |
JP7147479B2 (ja) | 構造体の設計支援方法 | |
Baskin et al. | A case study in structural optimization of an automotive body-in-white design | |
CN105869412B (zh) | 一种基于车辆行驶数据的急加速行为识别方法 | |
CN114896688B (zh) | 一种车身结构吸能盒的设计方法 | |
CN114896754B (zh) | 面向逻辑场景全参数空间的自动驾驶***性能评估方法 | |
CN112199876B (zh) | 一种以期望力响应历程为目标的吸能结构优化方法 | |
CN116108323A (zh) | 一种确定座椅阻尼系数的方法、装置、车机及存储介质 | |
CN114021247B (zh) | 一种基于博弈论的一体式铝合金精密铸造防撞梁结构优化方法 | |
CN113127978B (zh) | 一种仪表板横梁轻量化的优化方法 | |
CN114996846A (zh) | 一种客车薄壁梁吸能盒的优化设计方法 | |
CN103034754A (zh) | 车身轻量化设计的解耦模式的数据处理分组建模方法 | |
CN114154227A (zh) | 一种重型挂车制动过程自适应学习方法 | |
CN110889203B (zh) | 基于自适应代理模型的汽车乘员约束***优化设计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |