基于拓撲優化和多目標優化的掀背門輕量化研究

郭鈴鈴，譚東升，劉向征

(廣州汽車集團股份有限公司汽車工程研究院，廣東廣州 511434)

基于拓撲優化和多目標優化的掀背門輕量化研究

郭鈴鈴，譚東升，劉向征

(廣州汽車集團股份有限公司汽車工程研究院，廣東廣州 511434)

應用拓撲優化和多目標優化設計方法，采用CAE分析軟件Altair.OptiStruct和Altair.HyperStudy，對某大型SUV掀背門進行輕量化研究。得到掀背門原始結構的性能參數，確定優化目標；運用Altair.OptiStruct軟件對掀背門結構進行拓撲優化，得出掀背門內板筋的最優布置；再運用Altair.HyperStudy軟件對掀背門進行多目標優化，包括形狀變量和尺寸變量優化，尋找到掀背門內板加強筋的截面尺寸和各部件厚度的最優解。優化后的結構在綜合性能提高的同時，總質量也明顯減輕，實現了輕量化的目標。

掀背門；拓撲優化；多目標優化；輕量化

0 引言

隨著汽車技術的發展，人們對汽車輕量化的要求越來越高。汽車輕量化指的是在保障汽車本身強度、剛度和安全性能的前提下，降低質量，從而提高汽車的動力性，減少環境污染，降低燃料消耗。當下，汽車輕量化技術的主要實施途徑包括：輕質材料的使用、新工藝的運用、汽車結構的優化。目前，汽車結構優化是應用最廣泛、技術最成熟、效果最明顯的途徑。文中從汽車結構優化入手，結合CAE技術，綜合考慮NVH、剛度、質量等多方面影響，應用拓撲優化和多目標優化等分析方法，對某大型SUV的掀背門結構進行輕量化研究，最后在提升綜合性能的前提下達到了明顯減重的效果，為后續車型的輕量化設計提供指導。

1 某大型SUV掀背門性能分析

1.1 掀背門剛度和模態仿真分析結果

某車型的掀背門剛度、模態分析結果見表1。

表1 掀背門剛度模態實驗值與仿真值結果對比

1.2 掀背門剛度和模態實驗驗證結果

某車型的掀背門剛度、模態實驗結果見表1，實驗過程中需加載3次，得出3組數據，最后取平均值。扭轉剛度實驗狀態如圖1所示。

圖1 掀背門扭轉剛度實驗

由表1中仿真值與實驗值的對比可知：該車型的掀背門扭轉剛度、側向剛度、扭轉模態、彎曲模態仿真分析結果與實驗結果基本保持一致，說明文中建立的有限元模型具有一定的精度，能夠滿足后續輕量化優化分析的需要。同時，各性能均有較大富余量，可通過以下結構優化，在保證性能的同時達到減重的效果。

2 掀背門拓撲優化

2.1 拓撲優化基本理論和方法

2.1.1 拓撲優化基本理論

拓撲優化是指在指定的設計區域內，尋找最佳的材料分布。

一個優化問題通常由以下3個要素組成：

(1)設計變量是發生改變從而影響目標函數的變量；

(2)目標函數是要求最優的設計性能，實現對系統響應的最大(小)化，或者使響應趨于目標值，是關于設計變量的函數；

(3)約束條件是對設計的限制，是對設計變量和其他性能的要求。

拓撲優化數學模型為：

Minimize：f(X)=f(x1,x2,…,xn)

Subjectto:g(X)≤0j=1,…,m

hk(X)≤0k=1,…,mh

其中：X=(x1,x2,…,xn)是設計變量，如產品的結構尺寸等；f(X)是設計目標，如各種力學性能或者質量；g(X)和h(X)是需要進行約束的設計響應，如對產品工作時的變形和應力水平進行約束[1]。

2.1.2 拓撲優化方法

常用的結構拓撲優化方法包括：均勻化法和變密度法[1]。均勻化法由于理論比較復雜，變量繁多，目前主要應用在理論研究領域。變密度法以人為假定的單元密度(偽密度)為設計變量，單元密度在0～1之間連續取值，優化求解后單元密度為1(或靠近1)表示該單元位置處的材料很重要，需要保留；單元密度為0(或靠近0)表示該處的材料不重要，可以去除，從而達到材料的高效率利用，實現輕量化設計[2]。與均勻化法相比，變密度法的設計變量少，計算程序實現起來簡單，因此是最常用的拓撲優化方法[2]。

拓撲優化變密度法的數學模型可用下式表示：

Minf(x)

xmin≤xi≤1,i=1,…,n

2.2 掀背門拓撲優化過程

結合掀背門以上4種工況，在保證掀背門整體性能的前提下，利用Altair.OptiStruct軟件對掀背門內板進行拓撲優化設計。原掀背門結構如圖2所示，對原掀背門內板進行拓撲結構優化，實現設計區域內的材料最優分布。

圖2 掀背門內板原始模型

(1)定義拓撲優化的設計空間

考慮到整車總布置的空間約束，在不改變掀背門鎖、鉸鏈、雨刮電機、氣彈簧等安裝孔位置、同時不改變密封面的位置的情況下，選擇掀背門內板中部作為優化設計區域，如圖3所示。

(2)定義拓撲優化的設計變量

設計變量為設計空間里每個單元的密度。考慮到掀背門內板的加工性，制造約束中最小成員尺寸設置為20 mm，并且選擇對稱約束。

(3)定義拓撲優化的目標

在保證NVH和剛度性能的同時，使掀背門內板的使用材料最少。

(4)定義拓撲優化的設計約束

選擇以上掀背門扭轉剛度、側向剛度、扭轉模態和彎曲模態4種工況，作為掀背門內板拓撲優化的約束工況。

圖3 掀背門內板拓撲優化區域

(5)掀背門拓撲優化結果

掀背門內板拓撲優化結果如圖4所示，根據工程經驗和產品的可加工性，對掀背門內板拓撲優化的結果進行工程解析，得到可行性設計的掀背門內板結構，如圖5所示。拓撲優化結果見表2。

圖4 掀背門內板拓撲優化結果

圖5 掀背門優化模型

掀背門原始模型拓撲優化模型多目標形狀變量優化模型多目標尺寸變量優化模型目標值扭轉剛度/mm1．5191．3031．3571．4512側向剛度/mm1．5891．3461．3831．4832扭轉模態/Hz30．532．6932．5131．5-彎曲模態/Hz34．2434．3134．2734．24-質量/kg23．5123．4323．1322．31-

由拓撲優化的結果可知：拓撲優化后的結構使綜合性能均有較大提升。但由于拓撲優化只能得出掀背門內板筋的最優布置位置，無法確定各個筋的具體最優截面尺寸，故需要在此基礎上，通過以下的多目標形狀變量優化來確定掀背門內板筋的長、寬、高的最優尺寸。

3 掀背門多目標優化

3.1 多目標優化理論

目標優化問題一般指的是通過一定的優化算法獲得目標函數的最優解。當優化問題中的目標函數為一個的時候，稱為單目標優化(Single-objective Optimization Problem, SOP)，當優化的目標函數為兩個或者兩個以上的時候，則稱為多目標優化(Multi-objective Optimization Problem, MOP)。單目標優化問題的解為有限解，而多目標優化問題中的目標之間是相互矛盾的，優化解通常是一組均衡解。多目標優化是一種針對于涵蓋了多學科、多領域的復雜系統進行優化設計的方法，強調的是各學科、各子系統在單獨優化設計的基礎上，相互之間的并行協作。

多目標優化問題的數學描述由設計變量、目標函數、約束函數組成。

一般多目標優化數學描述如下：

Min(& Max)y=f(x)=[f1(x),f2(x),…,fn(x)](n=1,2,…,N)

S.t.g(x)=[gz(x),g2(x),…,gk(x)]≤0

h(x)=[hz(x),h2(x),…,hm(x)]≤0

x=[x1,x2,…,xd,…,xD]

xdmin≤xd≤xdmax(d=1,2,…,D)

其中：x為D維決策變量，y為目標函數，N為優化目標總數；fn(x)為第n個子目標函數；g(x)為k項不等式約束條件，h(x)為m項等式約束條件，約束條件構成了可行域；xdmin和xdmax為向量搜索的上下限。

文中采用全局響應面法GRSM(Global Response Surface Method)對掀背門進行多目標優化。

全局響應面法(GRSM)是一種基于響應面的直接優化方法，與其他直接優化方法相比，具有實用、高效的優點。該算法從初始值周圍一些隨機的設計點開始優化，在每一個迭代步中，基于響應面的優化會產生一些新的設計點，從而在兼顧局部搜索和全局搜索之間取得一個較好的平衡[3]。所有這些在迭代步中產生的設計點以并行的方式進行求解，新產生的設計點將用來更新響應面以更好地對實際模型進行擬合[3]。全局響應面法具有全局搜索能力，可進行單目標優化或多目標優化，可設置約束條件，也可以進行無約束的優化[3]。

3.2 多目標形狀變量優化

首先通過有限元前處理軟件Altair.HyperMesh中的網格變形模塊HyperMorph[4]對掀背門內板網格進行變形處理，再利用Altair.HyperStudy軟件對掀背門內板基于全局響應面法進行多目標形狀變量優化分析，該優化模型的形狀優化設計變量包括掀背門內板筋的寬度和高度方向上的6個形狀變量。

3.2.1 模型參數化

將掀背門內板筋的形狀尺寸作為優化分析的設計變量，HyperMesh中的網格變形模塊HyperMorph是用于創建形狀變量的專門工具，在HyperMorph中可以對網格形狀進行任意調整來得到新的網格位置，原始網格位置和變形后得到的新的網格位移之間各個節點自由度的矢量就稱為形狀變量。在HyperMorph中可以創建任意多個形狀變量，這些變量在優化過程中根據優化算法得到的變形系數進行獨立變化。由原始形狀與形狀變量的矢量和可以得到新的網格形狀，即新設計。在HyperMesh的網格變形模塊HyperMorph中創建的形狀變量可直接與HyperStudy建立連接并傳遞，HyperStudy會根據優化過程得到的系數不斷調用HyperMesh來更新網格，再提交給求解器計算。

如圖6—11所示：創建了形狀變量1～形狀變量6，分別為掀背門內板筋的寬度和高度。

圖6 形狀變量1

圖7 形狀變量2

圖8 形狀變量3

圖9 形狀變量4

圖10 形狀變量5

圖11 形狀變量6

3.2.2 優化模型建立及優化結果

以掀背門體積最小化，一階彎曲、扭轉模態頻率最大化作為優化目標，最大變形量作為約束，用全局響應面法(GRSM)進行多目標優化。

優化后，掀背門內板筋的寬度和高度選用迭代后的最優解，最終優化結果如下：

形狀變量1，即掀背門內板筋1的寬度為35 mm；

形狀變量2，即掀背門內板筋2的寬度為25 mm；

形狀變量3，即掀背門內板筋3的寬度為25 mm；

形狀變量4，即掀背門內板筋1的高度為10 mm；

形狀變量5，即掀背門內板筋2的高度為10 mm；

形狀變量6，即掀背門內板筋3的高度為10 mm。

優化模型如圖12所示，多目標形狀變量優化結果見表2。

圖12 多目標(形狀變量)優化分析結果

3.3 掀背門多目標尺寸變量優化

3.3.1 模型參數化

利用Altair.HyperStudy軟件進行多目標尺寸變量優化，選取對掀背門性能和質量影響較大的11個部件的厚度作為多目標尺寸變量優化的設計變量，見圖13，設計變量參數設置見表3。

圖13 掀背門模型

表3 多目標(尺寸變量)優化參數設置 mm

3.3.2 優化模型建立

多目標尺寸變量優化的目標是使掀背門質量最小的同時掀背門各工況性能滿足目標要求，因此該多目標優化問題可被定義為：

Obj：min[m] max[F1] max[F2]

Ri≤αi,Fj≥βji=j=1,2

其中：m表示掀背門總成質量(kg);F1表示掀背門一階扭轉模態;F2表示掀背門一階彎曲模態;Ri表示扭轉剛度和側向剛度工況下的變形量(mm);Fj表示掀背門一階扭轉和一階彎曲模態(Hz)；αi和βj分別代表各相應工況下的目標值[1]。即分別以扭轉剛度工況和側向剛度工況的目標變形量為約束條件，以扭轉模態和彎曲模態工況的目標頻率最大化，以車門質量最輕為優化目標，經過50次迭代，約束函數與目標函數均收斂，選取各響應的收斂值為此次優化的最優解。取整后，優化前后設計變量厚度的變化如表3所示。

3.3.3 優化結果

將多目標優化(尺寸變量)的優化結果代入有限元模型進行計算，多目標尺寸變量優化結果如表2所示。

通過以上拓撲優化和多目標優化，在保證各項性能均有提升的前提下，達到了明顯減重的效果，最終減質量1.2 kg，使得掀背門總成減重5.1%。

4 結論

以某大型SUV掀背門為設計對象，采用了拓撲優化和多目標優化技術相結合的優化設計方法，利用當今通用的CAE技術和工具，找到了掀背門內板加強筋的最優布置和截面形狀，對掀背門各部件的厚度進行了優化。通過以上優化方法，優化后的掀背門綜合性能提高的同時，總質量也明顯減輕，實現了輕量化的目標。

分析中涉及的優化方法對于汽車中其他零部件的正向開發設計具有一定的參考意義，可針對具體的優化分析項，選用適合的設計變量、約束條件和目標函數，能使優化過程更加事半功倍。將此輕量化方法應用到項目前期開發和設計中，可大大縮短項目的開發周期，降低產品成本，提高產品的綜合性能。

【1】洪清泉，趙康，張攀.OptiStruct & HyperStudy理論基礎與工程應用[M].北京:機械工業出版社，2012.

【2】季學榮，丁曉紅.基于拓撲和形貌優化的汽車發動機罩板設計[J].機械設計與研究,2011,27(1):35-38. JI X R,DING X H.Design Optimization of Engine Hood Based on Topology and Topography Optimization[J].Machine Design & Research,2011,27(1):35-38.

【3】尹安東，曹誠，徐俊波，等.基于全局響應面法的電動汽車車架多目標優化[J].汽車科技,2014(5)：8-11. YIN A D,CAO C,XU J B,et al.Multi-objective Optimization of Electric Vehicle Frame Based on GRSM[J].Automobile Science & Technology,2014(5)：8-11.

【4】王鈕棟，金磊，洪清泉.HyperMesh & HyperView應用技巧與高級實例[M].北京:機械工業出版社，2012.

【5】楊佳璘，趙桂范，顧海明，等.轎車發動機罩拓撲結構優化及其輕量化設計[J].機械設計與制造,2013(5):32-35. YANG J L,ZHAO G F,GU H M,et al.Topological Structure Optimization and Lightweight Design of the Car Engine Hood[J].Machinery Design & Manufacture,2013(5):32-35.

【6】劉孟祥，胡遼平，謝輝.基于形狀變量和全局響應面法的增壓器渦輪多目標優化[J].內燃機工程,2013,34(4):71-76. LIU M X,HU L P,XIE H.Multi-objective Optimization of Turbocharger Turbine Based on Shape Variable and Global Response Surface Method[J].Chinese Internal Combustion Engine Engineering,2013,34(4):71-76.

【7】黃永旺，袁登木.多目標拓撲優化技術在汽車行業中的應用[C]//第五屆中國CAE工程分析技術年會論文集,2011:117-119.

【8】謝暉，李全.鋁合金材料發動機罩內罩板優化設計研究[J].機械工程與自動化,2015(2):42-44. XIE H,LI Q.Hood Inner Cover’s Optimized Design Based on Aluminum Alloy[J].Mechanical Engineering & Automation,2015(2):42-44.

Research on Light Weight of Lift Gate Based on Topology Optimization and Multi-objective Optimization

GUO Lingling，TAN Dongsheng，LIU Xiangzheng

(GAC Automotive Engineering Institute, Guangzhou Automobile Group Co.,Ltd., Guangzhou Guangdong 511434,China)

With the application of topology optimization and multi-objective optimization based on CAE analysis softwares Altair.OptiStruct and Altair.HyperStudy, the lightweight research on a large SUV lift gate was made. The performance parameters of the original structure of the lift gate were gotten to determine the optimal goal. Then topology optimization to the structure of the lift gate was completed by using Altair.OptiStruct software, the optimal layout of the lift gate door panel reinforcement was gotten. Multi-objective optimization to the lift gate was completed by using Altair.HyperStudy software, including the shape optimization and the size variable optimization. The optimal values of the section sizes of the lift gate door panel reinforcement and the thicknesses of the various components were found. Not only the optimized structure has improved comprehensive performance, but also the total quality is reduced. The goal of lightweight is achieved.

Lift gate; Topology optimization; Multi-objective optimization; Lightweight

2017-02-22

郭鈴鈴(1989—)，女，工學學士，工程師，研究方向為汽車車身強度剛度分析。E-mail:guolingling@gaei.cn。

10.19466/j.cnki.1674-1986.2017.06.002

U463.83+4

A

1674-1986(2017)06-005-06