基于正向開發流程的車身輕量化設計

王磊　劉瑩　喬鑫

摘 要：從概念設計階段開始，通過隱式參數化建模的方法建立一個全參數化白車身模型，采用分步優化設計的方法，在保持對整車性能控制的同時，使輕量化設計貫穿整個過程。在不同階段分別針對整車模態、彎扭剛度、碰撞性能和質量等指標進行優化。先后經過結構拓撲優化、車身尺寸優化、局部形狀優化、零件厚度優化、碰撞性能優化，最終得到車身多個性能均滿足要求時的最佳車身尺寸和輕量化方案。

關鍵詞：正向開發；隱式參數化；輕量化；白車身；SFE Concept

中圖分類號：U463.82文獻標文獻標識碼：A文獻標DOI：10.3969/j.issn.2095-1469.2015.06.12

Abstract：Based on the implicit parametric modeling techniques， a parametric body in white （BIW） model was built. While maintaining the vehicle performance， the paper involves lightweight design throughout the entire development process beginning from the conceptual phase. The mode， bending and torsion stiffness， crash performance and mass were optimized respectively at different stages of design. After structural topology optimization， vehicle size optimization， local shape optimization， thickness optimization and crash performance optimization， the optimal vehicle size and the lightweight solution of BIW were obtained while the design meets all the performance requirements.

Key words：positive development； implicit parameter； lightweight； body in white； SFE Concept

輕量化目前越來越受到人們的重視，汽車的輕量化就是在保證汽車的強度和安全性的前提下，盡可能地降低汽車的整備質量，從而提高汽車的動力性，減少燃料消耗，降低排氣污染。

隨著中國汽車研發水平的提升，優化設計已經逐步應用到整車開發過程中。隱式參數化建模和優化方法在概念設計階段便可介入，建立全參數化的白車身模型之后，采用參數驅動結構形狀和拓撲的改變，可以同時對多種組合方案進行快速的改變，還可通過較少的變量控制大量的參數變化，借助優化平臺和優化算法來實現整車性能的自動優化[1-6]。

提出了分步優化法，可以有效避免各種類型的優化變量如形狀、尺寸、厚度等組合優化時，所需計算時間過長，且優化效果不理想的問題。此外，在實際工作中，分步優化法可以更高效地利用機器資源和多部門的協同工作。

1 結構拓撲優化

首先借助SFE Concept的隱式參數化建模技術創建模型[7]，使用現有的車身結構形式，搭建出一個白車身模型用于模態和彎扭剛度基礎性能的計算，白車身參數化模型如圖1所示。

此時白車身的基礎性能見表1。

通過手工替換的方法，對不同斷面結構的梁和柱，不同搭接方式的接頭及其它結構進行替換，主要以白車身的重量為約束，以彎扭剛度和模態性能最好為目標，首先確定白車身的拓撲結構方案。

如圖2所示，對頂棚橫梁進行拓撲優化，可以使用一根、兩根或者三根橫梁結構，通過分別計算三種結構的各項性能來選用性能/重量比最佳的方案；或者對前排座椅橫梁的不同搭接形式進行拓撲優化，通過分別計算各項性能之后選用在盡量不降低性能的情況下重量最小的方案等[8]。

經過拓撲優化之后的基礎性能見表2。

2 車身尺寸優化

在上一步工作的基礎上，可以對車身尺寸在一定范圍內進行優化，使性能進一步提高，同時使車內空間變得稍大一些。

2.1 優化變量的確定

錄制3個變量，變量范圍見表3，分別控制整個車身的長度、寬度和高度的變化。以車身長度、寬度和高度為設計變量，以車身模態、彎曲剛度、扭轉剛度、質量為優化目標進行尺寸優化。

2.2 DOE計算

DOE流程如圖3所示，此步優化過程中的變量較少，可以使用全因子法生成樣本進行DOE計算。針對3個變量及其對應的取值范圍，總計選取離散的144個計算樣本，其中包括10個檢驗樣本，分別計算白車身的各階模態、彎曲剛度和扭轉剛度，其中模態的計算結果通過模態識別腳本加入對各階頻率和振型的識別。

2.3 尺寸優化

使用DOE計算結果通過二階響應面法構造近似模型，準確率可達99.4%。

以模態為約束，以彎扭剛度和質量為目標進行多目標優化。隨著車身尺寸的增大必然導致整車質量的增加，因此在優化目標里，車身的彎扭剛度比車身重量占有更高的權重。

使用序列二次規劃法優化之后得到一組最優的車身尺寸，使白車身的模態不低于45 Hz，且彎扭剛度盡量大而質量盡量小。近似模型的建立及車身尺寸自動優化流程如圖4所示。

經過自動優化計算之后，獲得此步分析的優化結果見表4。

3 局部形狀優化

在獲得固定的車身尺寸之后，可以以性能為約束，以重量為優化目標，讓性能指標滿足要求而質量更小，也可以以重量為約束，以性能為目標，即在重量不增加的情況下性能更好。采用后一種方式所得到的結果可以更好地結合下一步優化工作，且獲得的效果更好。

3.1 優化變量的確定及DOE

預先錄制26個幾何變量（圖5），經過靈敏度分析篩選之后，用剩下的21個變量通過正交矩陣和拉丁超立方法生成樣本，來進行DOE的計算，總計生成500個計算樣本，其中包括10個檢驗樣本。

3.2 局部形狀優化

使用Kring插值法建立近似模型，經驗證模型的準確率達到94.8%，使用序列二次規劃法及遺傳算法來進行優化，得到的結果見表5。

4 零件厚度優化

接下來，以白車身各鈑金件的厚度作為設計變量，主要目標是減輕重量。

4.1 優化變量的確定

由于此步優化過程變量數較多，先進行敏感度分析是很有必要的，經過篩選最后確定了40個零件的厚度作為變量，并且它們對碰撞性能的影響較小。通過如圖6所示的Pareto圖進行變量篩選。

經過篩選后作為優化變量的零件如圖7所示。

4.2 DOE計算

使用正交表和拉丁超立方結合的方法生成用于DOE計算的樣本，針對40個變量平均5水平的范圍總計選取900個樣本點，包括10個檢驗樣本。依然分別計算白車身的各階模態、彎曲剛度和扭轉剛度。

4.3 厚度優化

使用徑向基神經網絡法構建近似模型可以達到98.8%的精度，與有限元模型相比，使用二階、三階響應面法構造的近似模型精度較差。

以模態、彎扭剛度為約束，以質量為目標進行優化，經過優化之后得到的結果見表6。經過碰撞優化后的結果見表7。

5 碰撞性能優化

最后，需要對碰撞性能進行優化，由于碰撞性能優化的計算時間較長，只對偏置碰的情況進行計算和優化。門蓋系統和底盤使用的是外部有限元模型[9]。

5.1 變量的確定

此過程涉及到多種類型的變量設定，包括幾何尺寸、材料以及厚度。最終選取6個幾何尺寸變量，5個材料變量和5個厚度變量。

5.2 DOE計算

使用正交矩陣和拉丁超立方結合的方法生成用于DOE計算的樣本，總計180個樣本點其中包括5個檢驗樣本。計算白車身的各階模態、彎曲剛度和扭轉剛度的同時還進行偏置碰撞計算。

5.3 碰撞優化

與有限元模型相比，使用Kring球面法構建近似模型可以達到90%的精度。以質量和其它性能為約束，對侵入量和加速度進行多目標優化[10]，優化后的碰撞性能滿足指標要求，如圖8和圖9所示。

6 結論

（1）除了傳統的局部幾何優化和材料厚度優化之外，還引入了結構拓撲方案的優化和整車尺寸的優化。對于非線性問題，用于優化的近似模型準確率都可以達到90%以上。

（2）由于使用的參數化模型的特征不夠多，最終還需要對每項性能指標使用更為詳盡的有限元模型重新做一次分析計算。

（3）借助隱式參數化建模的方法，可以在整個正向開發的過程中一直保持對整車性能和重量的控制，與以往的正向開發流程甚至逆向開發流程相比，在設計初期靈活的拓撲結構方案和車身尺寸可為性能的提升和重量的降低提供更大的優化空間，并且通過分步優化的方法，可以在所需計算時間比較長的階段使用比較少的變量進行優化，縮短計算時間。

參考文獻（References）：

STUHEC U，Zhou Suwei，SHAHIDI B，et al. CAE

Concept Design：a Key Enabler in Virtual Product De-velopment [C]// Human-Computer Interaction Internatio-nal，Las Vagas，Nevada，2005：22-27.

Zhou Suwei，lee m，Cai Hongmei，et al. Upfront Body Structure Development Process Using Parametric Concept Modelling [C]//Proceeding of International Auto Body Congress（IABC），Novi，Michigan，September 19-21，

2006.

J?RGEN H，UWE W. CAE Driven Development Process for the Early Vehicle Development Phase [C]//IABC 2007-World Auto Body Expo，International Automotive Body Congress （IABC），2007：17-19.

史國宏，陳勇，楊雨澤，等.白車身多學科輕量化優化設計應用[J].機械工程學報，2012，48（8）：110-114.

Shi Guohong，Chen Yong，Yang Yuze，et al. BIW Architecture Multidisciplinary Light Weight Optimization Design [J]. Journal of Mechanical Engineering，2012， 48（8）：110-114.（in Chinese）

季楓，王登峰，陳書明，等. 轎車白車身隱式全參數化建模與多目標輕量化優化 [J]. 汽車工程，2014，36（2）：254-258.

Ji Feng，Wang Dengfeng，Chen Shuming，et al. Implicit Parameterization Modeling and Multi-objective Light-weight Optimization for a Car's Body-in-White [J]. Auto-motive Engineering，2014，36（2）：254-258. （in Chinese）

唐輝，門永新，毛雪峰，等. 基于隱式參數化的車身概念開發[J]. 汽車工程，2014，36（10）：1248-1253.

Tang Hui，Men Yongxin，Mao Xuefeng，et al. Concept Development of Vehicle Body Based on Implicit Parametric Technology [J]. Automotive Engineering，2014，36（10）：1248-1253. （in Chinese）

SFE GmbH.SFE CONCEPT V4.2 Books[G].2010.VOLZ VOLZ K H，ZIMMER H. Optimizing Topology and Shape for Crashworthiness in Vehicle Product Development [C]//International Automotive Body Congress，2007.

ZIMMER H. Implicitly Parametric Crash and NVH Analy-sis Models in the vehicle Concept Design Phase [C]//LS-Dyna User Conference，Bamberg-Germany，2005.

J?RGEN H. On the Development of a Process Chain for Structural Optimization in Vehicle Passive Safety [D]. Berlin：Technische Universit?t Berlin，2009.