基于python程序设计的发动机舱盖多学科联合优化
航空发动机多学科综合优化
采用多学科优化算法，综合考虑多个学科的因素，对航空 发动机进行整体优化设计。常见的多学科优化算法有遗传 算法、粒子群算法、模拟退火算法等。
03 航空发动机多学科综合优 化的关键技术
协同优化算法
协同优化算法
协同优化算法是一种多学科优化方法，通过将不同学科的模型和约束整合到一个统一的框 架中，实现多学科之间的协同优化。该算法能够综合考虑各学科之间的耦合关系，提高优 化的整体效果。
多学科综合优化需要各学科领域的深入交叉融合，目前的研究在某些方面仍存在学科交 叉深度不够的问题，需要加强各学科之间的交流与合作。
缺乏智能化优化方法
目前的研究主要基于传统的优化算法，对于智能化优化方法的应用相对较少，未来可尝 试引入人工智能、大数据等先进技术，提高优化效率和准确性。
THANKS FOR WATCHING
并行计算技术的优点
并行计算技术能够充分利用多核或多处理器的计算资源，实现并行处理和分布式计算。同时，该技术能够提高计算效 率和速度，缩短优化周期和降低成本。
并行计算技术的应用
并行计算技术在航空发动机多学科综合优化中发挥着重要的作式优化，提高优化的效率和速度。
研究意义
通过多学科综合优化方法，可以综合考虑航空发动机的多个 学科因素，提高发动机的性能和可靠性，降低制造成本和风 险，为我国航空工业的发展提供重要的技术支持。
国内外研究现状
国内研究现状
近年来，我国在航空发动机多学科综合优化方面取得了一定的进展。一些高校 和科研机构开展了相关研究，并取得了一些重要的研究成果。
目的
通过综合考虑多个学科的因素，实现系统的整体优化，提高系统的 性能、可靠性和经济性。
应用范围
广泛应用于航空航天、机械、电子、化工等领域。
基于隐式参数化建模的发动机舱盖结构优化
基于隐式参数化建模的发动机舱盖结构优化王峻峰;印明勋;乔鑫【摘要】为提升某发动机舱盖模态频率与刚度性能,建立隐式参数化模型.以结构在不同约束或加载位置下表现出不同的刚度性能为依据,研究此发动机舱盖的缓冲块在不同位置处对刚度性能的影响.将此作为设计变量,结合发动机舱盖断面尺寸,支撑梁位置设计变量进行多目标优化并研究了各变量对性能的影响.结果表明,缓冲块沿整车坐标系下的X向及Y向移动,对各项刚度性能均有不同程度的影响.同时,多目标优化对弯曲刚度及前角刚度性能有明显的提升,获得了更为合理的结构.【期刊名称】《汽车实用技术》【年(卷),期】2019(000)014【总页数】4页(P141-144)【关键词】隐式参数化;发动机舱盖;缓冲块;多目标优化【作者】王峻峰;印明勋;乔鑫【作者单位】华晨汽车工程研究院,辽宁沈阳110141;华晨汽车工程研究院,辽宁沈阳110141;华晨汽车工程研究院,辽宁沈阳110141【正文语种】中文【中图分类】U467缩短开发周期，加快产品设计与验证速度对于汽车企业来说是提升竞争力的有效手段之一。
传统的“CAD方案—CAE验证—方案修改—验证……”过程十分繁杂、耗时[1]。
隐式参数化建模技术使得CAE分析在无CAD数据的前提下提前进入到开发早期阶段，通过建立全参数化模型，快速实现设计人员想要的设计方案并自动生成满足分析需求的网格，完成CAE分析，获得相关性能。
同时，可变的参数化模型可以嵌入到优化分析流程中，实现对结构各部位尺寸，形状的最优化设计。
目前，汽车结构优化一般从零件的尺寸，形状，以及厚度等方面进行，但对于刚度非均匀分布的结构来说，其支撑位置与受力位置的布置对结构的综合性能影响也是不可忽视的，因而需要将这两个因素考虑到优化分析中。
另外，隐式参数化建模技术多用于白车身的建模，分析与优化中，如文献[2-5]等探讨了隐式参数化建模技术在白车身开发中的应用与优化方法，但是隐式参数化技术在汽车其它结构方面的应用研究较少。
人工智能背景下“Python程序设计”课程改革
人工智能背景下“Python程序设计”课程改革作者：李莉李冬杨海迎张永萍来源：《现代信息科技》2023年第17期摘要：人工智能背景下“Python程序設计”课程以典型工作项目为载体，结合人工智能技术应用专业特点，构建五大课程模块；以学生为中心，运用PBOPPSE教学模式，采用联想教学高尔夫、任务驱动、情境化教学、游戏教学法等教学方法，制定“模块化、协同化、立体化”教学策略，实施“三维度、五要素、四优化”的教学评价，解决实践项目缺乏、教学方法陈旧、学习动力不足、考核方式单一等课程教学问题，学生学习成果显著提升。
关键词：人工智能；Python；课程改革中图分类号：TP39；G434 文献标识码：A 文章编号：2096-4706（2023）17-0178-06Curriculum Reform of“Python Programming”in the Context of AILI Li， LI Dong， YANG Haiying， ZHANG Yongping（Yunnan Vocational College of Mechanical and Electrical Technology， Kunming 650201，China）Abstract： In the context of AI，the course of “Python Programming” takes typical work projects as the carrier， combined with the characteristics of AI technology application specialty，and builds five curriculum modules. It takes students as the center， uses PBOPPSE teaching mode，and adopts teaching methods such as association teaching golf， task-driven， situational teaching and game teaching method. It formulates “modular， collaborative and three-dimensional” teaching strategies， implements the teaching evaluation of “three-dimension， five-element and four-optimization”， and solves the curriculum teaching problems such as lack of practical projects，outdated teaching methods， insufficient learning motivation， and single assessment mode. The students' learning achievements has significant improvement.Keyword： Artificial Intelligence; Python; curriculum reform0 引言2017年，国务院印发《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。
基于CAE的发动机舱罩结构分析及优化设计
ｐ ｕ ｒ ｐ ｏ ｓ ｅ ｏ ｆ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｗａ ｓ ａ ｃ ｈ ｉ ｅ ｖ ｅ ｄ ． Ｔ ｈ ｅ ｕ ｓ ｅ ｏ ｆ ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ － ａ ｉ ｄ ｅ ｄ ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ （ Ｃ ＡＥ）ｃ ｏ ｕ ｌ ｄ ｏ ｆ ｆ ｅ ｒ ｔ ｈ ｅ ｉｇ ｒ ｈ ｔ ｄ ｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ
摘要 ： 通 过 建 立 某 车 型 发动 机 舱 罩 的 有 限 元模 型进 行 模 态 分析 ， 利 用 拓 扑优 化 方法 对 其 结 构 进 行 优 化 设 计 并 提 出了 两种优化方案 ， 经 过 进 一步 分析 和 制 造 工 艺 性 能 的对 比 ， 确 定 了一 种 结 构优 化 方案 。最 后 验 证 了优 化 方案 的 刚 度 ， 提 高 了发 动 机 舱 罩 的 整体 性 能 ， 达 到 了优 化 的 目的 。计 算机 辅 助 工 程 （ Ｃ Ａ Ｅ） 工具 的运 用 能够 为工 程 设 计 人 员指 明设 计 方向， 缩 短研 发周 期 ， 降低 研 发 成 本 ， 取 得 良好 的 经济 效 益 。
设 计 一礤 究
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ４ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ５ － ２ ５ ５ ０ ． ２ ０ １ ３ ． ０ ２ ． ０ ０ ４
汽车科技第２ 期２ ０ １ ３ 年３ 月
基于 Ｃ Ａ Ｅ的发动机舱罩结构分析及优化设计
李 林
（ 上 海 海 马汽 车 研 发 有 限 公司 ， 上海 ２ ０ １ ２ ０ １ ）
关键 词 ： 计 算 机辅 助 工 程 （ Ｃ Ａ Ｅ） ； 拓 扑优 化 ； 发 动 机舱 罩
中 图分 类 号 ： Ｕ４ ６ ３ ． ８ ３ ＋ ３ 文 献标 志 码 ： Ａ 文章编号 ： １ ０ ０ ５ － ２ ５ ５ ０（ ２ ０ １ ３） ０ ２ — ０ ０ １ ６ — ０ ４
13_基于OptiStruct的发动机盖的模态分析及优化
基于OptiStruct的发动机盖拓扑优化Topology Optimization Analysis for A New Type ofVehicle Engine Hood付荣荣高鹏飞崔新涛(天津一汽夏利汽车股份有限公司产品开发中心天津300462）摘要：本文首先对某一款轿车发动机盖总成进行有限元分析，采用OptiStruct对不合格工况进行拓扑优化，结合实际经验进行结构优化改进，验证优化结果得到满足设计要求的结构方案。
关键词:发动机盖拓扑优化变密度法Abstract: The finite element analysis of a hood is performed and topology optimization is conducted by using HyperMesh/OptiStruct to achieve the design target. Taking the design target as the constraints, and taking the minimum volume as the objective, the inner plate was optimized to improve performance based on the element densities and practicality. Finally, the new structure was validated to achieve the design targets.Key words: Hood, Topology Optimization, Variable density1前言发动机盖是车身中的关键部件，其性能直接影响了汽车的NVH性能、碰撞安全性能、防水性、门盖开启方便性及整车外观等。
因此，对汽车发动机盖的模态，刚度、强度进行分析研究及优化显得很有必要。
本文通过有限元分析方法，利用HyperMesh 建立有限元分析模型,采用OptiStruct求解器进行计算求解。
航空发动机多学科综合优化设计
目 录
• 引言 • 航空发动机多学科优化设计理论 • 航空发动机多学科综合优化设计方法 • 航空发动机多学科综合优化设计案例分析 • 航空发动机多学科综合优化设计展望
01
CATALOGUE
引言
研究背景
航空发动机是飞机的心脏，其性能直接影响到飞机的安全和效率。随着科技的发 展，对航空发动机的性能要求也越来越高，因此需要不断进行优化设计。
总结词
涡轮叶片优化设计
详细描述
涡轮叶片是航空发动机中承受高温和高应力的关键部件，其性能对发动机的可靠性、寿命和性能具有 重要影响。通过对涡轮叶片进行优化设计，可以提高其耐热性能、抗疲劳性能和冷却效果，从而延长 发动机的寿命。具体包括改进叶片材料、优化叶片形状和冷却系统等措施。
案例三：某型航空发动机控制系统优化设计
多目标优化算法研究 研究适用于航空发动机多学科优 化设计的高效多目标优化算法， 解决多目标、多约束优化问题。
智能优化与决策支持 结合人工智能、大数据等技术， 开发智能优化与决策支持系统， 实现多学科优化设计的智能化和 自动化。
THANKS
感谢观看
分解协调法
分解协调法是一种将复杂的多学科问题分解为若干个相对简单的子问题，并分别对子问题进行优化的 方法。
该方法通过合理地分解多学科问题，将不同学科的约束和目标分别进行优化，再通过协调子问题的解， 达到整体性能最优。
分解协调法能够降低多学科问题的复杂度，提高计算效率和可操作性，适用于大规模的多学科优化问题 。
航空发动机多学科优化设计特点
高度复杂性
航空发动机多学科优化设计涉及多个学科领域，如热力学 、流体力学、结构力学、控制理论等，需要综合考虑各种 因素之间的相互作用和影响。
305_季学荣_基于OptiStruct的汽车发动机罩板的优化设计
基于OptiStruct的汽车发动机罩板的优化设计季学荣丁晓红上海理工大学机械工程学院摘要：提出了一种基于OptiStruct的汽车发动机罩板的优化设计方法。
该方法包括基于拓扑优化的最优材料分布设计和基于形貌优化的最优压延筋设计，在轻量化设计的同时使结构的性能得到提升。
在设计过程中，采用加权的方法处理优化设计的多工况问题。
优化结果表明，结构重量降到原来的30％；各工况下结构的刚度得到大幅度提高。
关键词：汽车罩板，OptiStruct，拓扑优化，形貌优化，多工况1前言汽车发动机罩板属于车身覆盖件，是白车身的重要组成部分。
如图1所示，罩板结构由内板和外板两部分组成，外板为空间曲面板，其表面形状应与整车造型协调一致，体现整车的外形特征，一般是从整车造型的角度来设计得到；内板为筋条网格状布置的薄钢板，用来增加罩板结构的整体刚度。
由于外板的形状在车身造型设计阶段已经确定，因此以内板为优化设计的对象来提高罩板结构的性能。
目前，在罩板内板的设计中主要依赖设计人员的工程经验人为地决定筋条的布置方案，设计的随意性较大。
本文采用HyperWorks软件提供的OptiStruct模块中的拓扑优化设计方法（Topology Optimization）从有限元精确计算和拓扑优化理论的角度来决定内板上筋条的最优分布形态。
另外，在板壳结构的设计中，提高结构刚度的常用且有效的方法是在板壳结构上采用冲压成型的方法形成压延筋。
相对于传统的凭借经验的压延筋设计方法，OptiStruct模块提供的形貌优化方法（Topography Optimization）能够从理论上和精确计算的角度设计得到最优的压延筋分布形态和尺寸。
因此，本文综合运用拓扑优化方法和形貌优化方法来实现汽车罩板内板筋条分布设计和压延筋设计。
用于优化的内板结构原模型形状和外板的形状一致，即通过对形状已定的外板结构进行拓扑优化和形貌优化设计得到性能最优的内板结构。
2拓扑优化和形貌优化理论简介结构拓扑优化的基本概念是指在给定的设计空间、支撑条件、承载条件和某些工艺设计要求下，确定结构构件的相互连接方式，结构内有无孔洞、孔洞的数量、位置等拓扑形式，使结构能将外载荷传递到支座，同时使结构的某些性能达到最优[1]。
基于遗传算法的汽车引擎盖焊接路径优化
0 引言
焊接是一项工作环境恶劣，对焊工技能水平要求 较高并且潜在一定身体危害的工作。随着“中国制造 2025”的提出，大量简单重复性质的焊接工作已经逐渐 被工业机器人［1］取代执行。在汽车领域，由于零部件 机械结构复杂，不同车型间焊接工艺通用性差，因此焊 接工作很大程度上制约了汽车的生产周期，一辆普通 汽车的白车身焊点可达 4000 ～ 5000 个，车身焊接质量 以及焊接效率对整个汽车生产线的重要性不言而喻。 传统的点焊机器人一般按照人工示教所规定的动作、 顺序以及参数来进行焊接作业，对于数以千计的焊点 而言，人工示教显然耗时费力，且很大程度依赖工程师 的经验水平。如何克服大量焊点路径的合理规划问
有效提高工作效率，为大量焊点的焊接路径优化提供了新思路。
关键词： 6 自由度机器人； 遗传算法； 轨迹规划； 离线编程
中图分类号： TH162； TG506
文献标识码： A
Optimization of Welding Path of Automobile Engine Cover Based on Genetic Algorithm ZHANG Jia-bo1，ZHOU Jin-yu1，DING Li1，ZHUANG Bai-liang第3期来自组合机床与自动化加工技术
2019 年 3 月
Modular Machine Tool ＆ Automatic Manufacturing Technique
文章编号： 1001－2265（ 2019） 03－0052－04
DOI： 10．13462 / j．cnki．mmtamt．2019．03．014
题，改善焊接质量提高焊接效率成为了现代工程师研 究的热点［2］。
目前，国 内 外 机 器 人 路 径 优 化 主 要 有 A* 算 法、 ＲＲT 快速扩展随机树法以及人工势场法等［2］。这些 算法大多局限于 XY 平面移动机器人轨迹规划，而焊 接机器人的工作基本属于 XYZ 空间规划范畴，对于空 间焊接工作而言，机器人在执行焊接时，除了算法规划 路径外，还需验证机械臂关节可达性，检测焊接过程的 碰撞干涉等。因此传统示教编程受到严峻考验，离线 编程与仿真系统 CAD / CAE 相结合的技术逐渐兴起， 如以色列 Tecnomatix 公司的 ＲOBCAD，日本安川公司 的 MotoSim 等都自带离线编程与仿真模块，可预先发 现 焊 接 过 程 质 量 问 题，提 前 做 出 参 数 的 调 节 与 修
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
10.16638/ki.1671-7988.2019.08.057基于python程序设计的发动机舱盖多学科联合优化夏天，刘莹*，乔鑫（华晨汽车工程研究院，辽宁沈阳110141）摘要：以某SUV车型为研究对象，对发动机舱盖进行优化设计。
采用基于python语言的二次开发技术，建立了发动机舱盖的参数化模型。
选取发动机舱盖内板加强梁拓扑结构形式的变化、内板横梁的移动、纵梁的移动作为设计变量，以发动机舱盖模态、刚度为约束条件，以重量及行人头部保护性能为优化目标，建立各项性能指标的径向基神经网络近似模型，采用非支配遗传算法对发动机舱盖进行多学科联合优化，在保证各项性能满足要求的前提下，获得了发动机舱盖的最优结构。
关键词：发动机舱盖；python；多学科优化；近似模型；非支配遗传算法中图分类号：U464 文献标识码：A 文章编号：1671-7988(2019)08-185-04Multidisciplinary Design Optimization of Engine Hood Based onPython Program DesignXia Tian, Liu Ying*, Qiao Xin（Brilliance Automotive Engineering Research Institute, Liaoning Shenyang 110141 )Abstract:This paper takes a SUV as the study object, and the Multidisciplinary design optimization of the engine hood is conducted. A parametric model for the engine hood is established by using python program design. The topological structure changes of bonnet reinforcement and the movement of cross beam and longitudinal beam are selected as the design variables; and the constraints include the performance of mode, stiffness; the mass and pedestrian head protection performance are taken as the objectives. Then the Radial basis function approximate models are established for every performance. Finally, optimization is performed using NSGA-ⅡAlgorithm. The optimum structure of the engine hood is obtained while beeping its performance.Keywords: engine hood; python; multidisciplinary optimization; approximate model; NSGA-ⅡAlgorithmCLC NO.: U464 Document Code: A Article ID: 1671-7988(2019)08-185-04前言发动机舱盖（简称发盖，以下同）是整车的重要组成部件，起到空气导流、保护发动机及管线、保护行人等作用，发盖的结构应满足模态、刚度、行人保护以及轻量化的要求。
其中，发盖内板加强梁的结构形式对发盖的各项性能都有重要影响，内板加强梁的设计是发盖结构设计的重要问题。
发盖的结构设计涵盖多个学科领域，各个响应之间相互关联、相互影响，因此发盖的设计需要多学科联合优化设计作者简介：夏天（1985-），男，工程师，硕士，华晨汽车工程研究院，从事汽车结构轻量化研究工作；通讯作者：刘莹（1982-），男，高级工程师，硕士，就职于华晨汽车工程研究院，从事结构耐久轻量化研究工作。
185汽车实用技术186 方法。
近年来汽车结构的优化研究主要集中在车身[1-4]、车门[5-8]等部件中，对发盖的优化研究比较少。
本文采用python语言二次开发技术，以某处于研发阶段SUV 车型发动机舱盖为对象，以内板加强梁的拓扑结构以及加强梁的位置为变量，综合考虑发盖的模态、刚度、重量及行人头部保护性能，对发盖进行多学科联合优化，获得了发盖的优化结构。
1 发盖分析工况发动机舱盖刚度分析与模态分析采用Nastran 求解，行人保护分析采用LS-DYNA 求解。
1.1 弯曲刚度分析取发盖锁钩中心点、左右铰链安装点的中心点及左侧铰链安装点，建立局部坐标系，x '方向为铰链轴向，y '为以上三点所确定的平面的法向。
约束铰链安装孔的6个自由度，约束前侧缓冲块的局部坐标系的y '自由度；在锁钩中心点施加局部坐标系的y '方向300N 的载荷。
发盖弯曲刚度分析有限元模型如图1所示。
图1 发盖弯曲刚度模型弯曲刚度定义为：，式中F 为施加的载荷；u 为锁点在局部坐标系下y '方向的位移。
1.2 扭转刚度分析约束铰链安装孔的6个自由度，约束锁钩中心点局部坐标系的y '方向；前侧左右缓冲块在局部坐标系方向施加240N •m 的扭矩。
发盖扭转刚度分析有限元模型如图2所示。
图2 发盖扭转刚度模型扭转刚度定义为：，式中M 为施加的载荷；u 1、u 2分别为左右两侧加载点在局部坐标系y '方向的位移；l 为两加载点间的距离。
1.3 自由模态分析采用Lanczos 方法计算发盖的前五阶自由模态，并设置最小频率为1Hz ，以节约计算时间。
分析结束后提取一阶扭转模态频率和一阶弯曲模态频率。
1.4 行人保护分析在行人保护分析模型中，截取整车A 柱以前的模型。
约束模型的截断位置和减震器支座的全部自由度；使用儿童和成人头部碰撞器模型：儿童头部碰撞器冲击速度为40km/h ，与水平面呈50°角，成人头部碰撞器冲击速度为40km/h ，与水平面呈65°角；前端半载地面线为Z=-354mm ；计算时间为30ms 。
行人保护分析有限元模型如图3所示。
图3 行人保护分析模型2 基于python 的参数化实现本文通过python 语言的二次开发实现对发盖模型的参数化建模。
在优化流程中，通过变量来控制内板加强梁的拓扑结构的变化、横梁位置的移动、纵梁位置的移动，从而实现内板加强梁结构的改变。
根据发盖的结构特点及设计经验，本文建立了三种内板加强梁的拓扑结构，如图4所示。
其中，加强梁拓扑结构的变化设置为变量x 1，横梁的纵向位置移动设置为变量x 2（如图4竖直白色箭头），纵梁的横向位置移动设置为变量x 3（如图4水平白色箭头，另一侧纵梁的移动量为-x 3，不设置为独立变量）。
图4 x 2、x 3为0时各加强梁结构形式为了实现发盖的参数化，首先需要分别建立三种拓扑结构的内板加强梁模型以及发盖的基体模型，如图5、6所示。
图5 加强梁结构模型图6 发盖基体模型其次，编写python 程序。
python 的实现流程如下：1在发盖基体模型中，根据输入的x 1的值，python 程序调用图5夏天 等：基于python 程序设计的发动机舱盖多学科联合优化187中相应的的内板加强梁模型；2根据输入的x 2、x 3分别在纵向、横向上移动横梁、纵梁以及相应的接头；3创建加强梁与发盖外板间的膨胀胶；4在加强梁接头与基体模型的接口间创建单元，连接发盖基体与加强梁；5补充创建新生成的内板加强梁与外板间的膨胀胶；6合并基体内板与加强梁的单元节点；7重置加强梁的属性信息。
图7为python 程序设计实现发盖参数化控制的过程。
图7 python 程序设计参数化实现过程（x 1=3）3 优化设计与优化结果3.1 优化流程通过python 程序设计建立了发盖参数化模型，利用Isight 开放平台调用发盖基体的CAE 模型文件，再在CAE 模型文件中调用python 二次开发程序，进而输出不同发盖结构的求解文件，最后分别调用Nastran 、DYNA 求解器计算样本点的响应值。
为了提升优化效率，采用“试验设计-近似模型-优化”的优化策略，优化流程如图8所示。
图8 优化设计流程图3.2 试验设计定义加强梁的拓扑结构的变化及横梁、纵梁的位置移动为设计变量，变量取值范围如表1所示，各个梁的位置变化方向请参见图4；以发盖弯曲刚度、扭转刚度、发盖的重量、一阶弯曲模态、一阶扭转模态频率及行人保护头部得分为响应；采用优化的拉丁超立方方法生成100个样本。
基于Isight 的DOE 流程如图9所示。
图9 基于Isight 的DOE 流程表1 优化变量信息3.3 近似模型与误差分析采用径向基RBF 近似模型替代仿真模型来建立设计变量与各个响应之间的关系，其拟合精度可通过决定系数R 2来验证，R 2值越接近1，表明近似模型有更高的精度。
本文中各响应的R 2值如表2所示。
近似模型的误差如图10所示。
可见所有近似模型均具有较高的精度，满足优化要求。
表2 优化响应信息a ）弯曲刚度b ）扭转刚度c ）一阶弯曲模态d ）一阶扭转模态e ）质量f ）头部得分图10 近似模型误差分析汽车实用技术188 3.4 优化结果以行人保护头部得分和发盖质量为优化目标，二者设置相同的权重；以弯曲刚度、扭转刚度、一阶弯曲模态频率、一阶扭转模态频率为约束，对发盖进行多目标优化。
采用非支配遗传算法NSGA-Ⅱ搜索优化解，种群大小设置为100，迭代代数设置为100，优化得到的pareto 前沿如图11所示。
图11 Pareto 最优前沿从pareto 前沿解集中选择一个优化解，将变量值带入有限元模型中，提交到求解器中计算，得到的结果与优化解对比，误差均在3%以内，说明优化的结果是合理的。
所选择的的优化优化方案变量及响应结果如表3所示，在满足刚度与模态的要求下，发盖的质量为20.809kg ，行人保护头部得分为8.29。
表3 优化结果及验证图12 发盖的优化结构所选取的优化的解梁的拓扑结构为第一种形式；横梁向车前方移动了43.75mm ；纵梁向中间方向移动了64.68mm ，如图12所示。
4 结论通过python 的程序设计，实现了发盖的参数化建模，并进而完成了多学科联合优化。
在满足发盖刚度、模态的条件下，以内板加强梁拓扑结构、梁的位置为优化变量，以发盖质量与行人保护得分值为优化目标，对发盖进行了多目标优化，获得了pareto 前沿解集，并验证了优化解的有效性。