白车身多学科轻量化优化设计应用_史国宏

f ( x1 , x2 ,, xn ) ——目标参数值
n
——常数项，总平均数
gi ( xi ) ——各设计因素的主效应
i 1
hij ( xi , x j ) ——两个设计因素交互效应 i 2 j 1
n
i 1
——多个设计因素的交互效
应及误差，可忽略 通过方差分析可以得到贡献量及主效应图，贡 献量即每个主效应占总目标参数值的百分比，也就 是各设计因素对目标参数的贡献量排序，通过对贡 献量的分析可以找到影响车辆某项性能最大的设计 因素。主效应图即设计因素的变化引起目标参数变 化的趋势图，通过对主效应图的分析可以得到设计 因素如何影响目标参数，对目标参数与设计因素的 关系曲线求导，可以得到某个设计因素对目标参数 的灵敏度。总之，利用贡献量及主效应图，可以为 汽车设计提供明确方向，对于正向设计有着巨大的 指导意义。
0
ቤተ መጻሕፍቲ ባይዱ
前言
1
面对日益短缺的能源状况和日益恶化的环境状 况， 无论在传统的内燃机汽车还是新能源汽车领域， 轻量化设计都已成为汽车业关注的焦点。轻量化技 术必将成为汽车公司的核心竞争力之一。目前轻量 化设计的主要方法有以下 3 种：结构轻量化，即采 用优化设计方法对车身的拓扑结构、形状尺寸与厚 度进行优化设计，实现轻量化；工艺轻量化，即采 用特殊的加工工艺方法，如激光拼焊板、柔性轧制 差厚板、液压成型技术等；材料轻量化，采用高强 度钢板、轻金属材料(如铝、镁)、非金属材料(高强
(a) 前撞 100%重叠刚性墙
(b) 前撞 40%重叠可变形壁障
图3
碰撞仿真分析的有限元模型
3
3.1
实例
参数化模型与分析工况
白车身不同的区域，考虑的分析工况不一样， 比如影响正面碰撞的设计变量不一定会对侧撞性能 产生影响，所以采用分区域优化即可以合理地安排 设计变量及样本点数量，节约计算与优化时间，又 能突出优化重点。对于交集区域共同的设计变量应 进行综合考虑。
BIW Architecture Multidisciplinary Light Weight Optimization Design
SHI Guohong CHEN Yong YANG Yuze JIANG Xin SONG Zhengchao
(Pan Asia Technical Automotive Center Co., Ltd., Shanghai 201201)
系，提高了模型的重复利用机会。通过把模型与拓 扑映射关系封装在一起，可以使储存在数据库中的 [9] 零部件自适应地装配到新的几何环境中去 。 另一个关键技术是有限元模型的快速生成，由 于在早期开发中车身模型作了适当的简化，并且建 模时零件之间没有干涉，这都保证了有限元模型的 快速生成。 普通的工作站在 10 min 内就可以生成一 个满足分析要求的整车 SFE Concept 白车身有限元 模型，并且带有焊点等连接关系，当设计变量发生 变化时，连接关系也会相应地参数化变化，保证了 模型的正确，无须人为干涉。从而实现了快速生成 试验设计所需要的大量计算样本点。 利用 SFE Concept 全参数化模型，可以在早期 设计阶段找到形状、尺寸与厚度等各参数之间的平 衡点。实现在保持现有性能或者提高性能时，截面 尺寸与厚度的最佳组合减重方案。
图 1 整个优化循环过程
2.2
方差分析 方差分析的核心是方差可分解为
f ( x 1 , x2 , , xn ) gi ( xi )
i 1 n
hij ( x i , x j ) i 2 j 1
n
i 1
112
机 械 工 程 学 报
第 48 卷第 8 期期
式中
20111020 收到初改稿，20120316 收到修改稿
度塑料、碳纤维复合材料等)。 随着国内汽车产量的不断攀升，竞争加剧，油 价不断上涨，这就促使汽车企业需要在不断提高车 辆性能的同时，进一步降低油耗及成本。国内 1.6 L 及以下排量的汽车占新车销量 60%以上，小排量车 受到老百姓的欢迎。同时由于市场的激烈竞争，车 企更加注重小排量车的成本控制，工艺轻量化和材 料轻量化的成本相比于结构优化设计轻量化高很 多，低成本小排量车上只能小规模的应用特殊材料 和工艺方法，因此现阶段对于汽车企业来说，降低 重量与成本最实际的方法就是结构轻量化技术。 要使结构轻量化得到最大程度的发挥，须做到 以下 3 点。 (1) 在早期的设计阶段就确定可行的轻量化方
C 区域：与整车扭转和后弯刚度相关区域。设 计变量涉及门槛梁、后纵梁的形状、厚度，4、5 号 梁形状、位置、厚度，衣帽架形状、厚度等，共计 24 个设计变量。分析工况为整车扭转刚度、整车弯 曲刚度、后弯刚度、整车第一阶扭转模态和第一阶 弯曲模态。共 5 个输出量。 碰撞仿真分析的有限元模型如图 3 和图 4 所示， 单元数量为 115 万；刚度与模态的有限元模型如图 5 所示，单元数量为 60 万。
2
2.1
优化技术
优化循环
由于碰撞仿真分析中单步分析时间过长，如果 采用传统的优化设计方法会导致优化时间不可控。 本文通过试验设计方法建立近似模型，通过对近似 模型的优化找出最优解。整个优化循环过程如图 1 所示。
1
隐式参数化模型
参数化设计可以使工程技术人员快速的变化模 型，完成优化循环过程。但是需要为几何体之间建 立复杂的关系表达式，若要实现由几百个零件装配 成的白车身模型的快速参数化变换，工作量非常巨 大。隐式参数化建模(运用 SFE Concept 软件)技术， 可以使设计人员通过定义几何体之间的映射关系来 实现参数化装配，而不需要了解映射关系中具体关 系表达式的含义。这样通过点的位置，线的曲率和 截面形状等三种参数就可以控制几何体形 [8] 状 。并使整个模型仍保持原有的拓扑关系及几何 连续性。使得汽车设计人员只需要关注设计变量的 定义，基准零件的定义，变化零件如何在基准零件 上运动以及变化零件合理的变化范围等，而无需去 关注几何体之间复杂的参数化关系表达式，提高了 建模效率。正是这种隐藏在几何体中的拓扑映射关
月 2012 年 4 月
[1-2]
史国宏等：白车身多学科轻量化优化设计应用
111
案 。 通过运用虚拟分析与优化技术掌握各设计参 数对各性能和重量的影响规律，做到重量和性能的 平衡，不要到车辆开发的后期才考虑减重，这样减 重效果并不明显。目前国内的研究大多集中在车辆 研发后期或者小改型设计，仅针对现有车型车身钣 金件进行材料强度和厚度的减重优化设计，并没有 涉及到车身骨架的开发，鲜有前期就引入结构轻量 化的研究。 (2) 车身轻量化优化设计需要考虑车身各项性 能，是一个多学科的集成优化设计过程，应找到系 统整体的最优解。目前国内轻量化优化设计工况多 为单学科，优化后再针对其他学科工况进行验算和 结果修正( 文献[3-4]) ，并没有直接进行多学科的集 成优化。 (3) 车身各零件的拓扑关系、截面尺寸、位置、 材料强度与厚度共同影响着车身各项性能。目前国 内汽车企业主要集中对零件材料强度和厚度进行减 重优化( 如文献[5-7]) ，没有综合考虑零件的拓扑关 系、截面尺寸等导致轻量化设计的潜能没有完全发 挥出来。 本文在车辆早期开发阶段，建立了整车参数化 白车身模型。 共定义了 60 多个设计变量， 包括车身 关键零件的形状、位置、尺寸、材料与厚度。根据 整车布置空间与工程师经验，确立了设计变量的有 效变化范围。采用试验设计方法产生计算样本点， 经仿真计算后汇总结果建立优化近似模型，通过多 学科的集成优化，找到满足不同学科不同工况条件 下的最轻白车身。
图 2 为全参数化 SFE-Concept 白车身模型。根 据白车身性能特点以及工程师经验，把白车身分为 A、B、C 三个区域进行轻量化优化设计。
图 4 可变形移动壁障侧面碰撞 图 2 分优化区域的整车白车身参数化模型
A 区域：与前撞性能相关区域。设计变量涉及
前纵梁形状、位置、厚度，吸能盒形状、厚度，上 纵梁形状、厚度，A 柱的形状、厚度等，共 23 个设 计变量。分析工况为 50 km/h、正面 100%重叠刚性 墙碰撞、64 km/h、40%重叠可变形壁障碰撞、整车 前弯刚度、扭转刚度、前舱第一阶横摆模态和整车 第一阶扭转模态。共 24 个输出量。 B 区域：与侧撞性能相关区域。设计变量涉及 门槛梁形状、厚度，B 柱形状、厚度，加强件位置、 材料、厚度，2、3、4 号梁截面形状、位置、厚度 等，共 24 个设计变量。分析工况为 50 km/h、可变 形移动壁障侧面碰撞、整车弯曲刚度、整车第一阶 扭转模态和第一阶弯曲模态。共 8 个输出量。
第 48 卷第 8 期 2 0 12 年 4 月
机
械 工
程
学 报
Vol . 4 8 Apr.
No. 8 2012
JOURNAL OF MECHANICAL ENGINEERING
DOI：10.3901/JME.2012.08.110
白车身多学科轻量化优化设计应用
史国宏 陈 勇 杨雨泽 姜 欣 宋正超
Abstract：Light weight design is introduced in the early phase of a new car body in white(BIW) development. SFE-Concept implicit parametric BIW model is build. The shape, size, position and gauge of BIW parts are balanced and all performance satisfy design target through multidisciplinary optimization. So this process reduces BIW mass maximally. BIW is divided into different optimization regions according to its performance characteristic for controlling the number of design parameters and the design of experiment(DOE) samples. Approximation model is created through DOE. Analysis and optimization time are controlled through optimizing approximation model. Finally an BIW meeting multidisciplinary performance target is obtained, saves 12 kg and lightweight effect is 4.5%. The design parameters percent contribution and main effect plots are obtained through analysis of variance (ANOVA). The rules between design parameters and performances (mass, stiffness, vibration modes and passive safety) are evidence according to percent contribution and main effect plots. Key words：Light weight Multidisciplinary optimization Analysis of variance (ANOVA) Body in white