基于子模型技術的車門多學科優化

劉瑩 于成龍 印明勛 夏天 王晉 喬鑫

（1.華晨汽車工程研究院；2.愛馳汽車有限公司；3.北汽新能源股份有限公司）

車門系統作為整車結構的重要組成部分，應滿足模態、剛度、安全性和輕量化等方面的要求，結構設計涵蓋多個學科領域，各個響應之間相互關聯、相互影響，而傳統的優化設計在各學科獨立進行，因此采用多學科優化設計方法可以更加準確高效地找到最優解。文章針對車門侵入量工況，應用子模型技術減少計算時間，提高計算速度；應用Python 語言二次開發技術建立車門防撞梁參數化模型；綜合考慮防撞梁位置、關鍵零件厚度，以及材料對模態、剛度和車門侵入量的影響，對車門進行多學科優化設計。

1 車門基礎性能分析

1.1 模態分析

汽車在行駛過程中受到來自路面和發動機等的激勵，這些外界激勵會引起車門共振，帶來噪聲，極大地降低了汽車的舒適性等。因此為了在產品設計開發中避免該類問題發生，需對車門進行模態分析。采用Lanczos 方法提取車門的1 階模態為45.3 Hz，振型為內板抖動，如圖1所示。

圖1 車門1 階模態振型云圖

1.2 扭轉剛度分析

車門扭轉剛度過低會使車門在汽車行駛過程中嚴重變形，直至發生破壞。進行扭轉剛度分析時約束車門鉸鏈安裝孔所有自由度，鎖鉤中心約束整車Y 向自由度，在車門內板突起根部位置做切線相交得交點，垂直于門內板并朝車外方向施加400 N的載荷，結果如圖2所示，扭轉剛度為227.5 N/mm。

圖2 車門扭轉變形云圖

1.3 下垂剛度分析

下垂剛度能夠保證車門在垂向載荷作用下不發生較大變形，避免車門出現關閉不嚴等問題。進行下垂剛度分析時約束車門鉸鏈安裝孔位置全部自由度，鎖鉤中心位置約束全局Y 向自由度。鎖鉤中心位置處沿全局-Z 方向施加500 N的載荷。下垂剛度分析結果，如圖3所示，下垂剛度為542.9 N/mm。

圖3 車門下垂變形云圖

1.4 侵入量分析

為了保證車門具有一定的抗入侵能力，需對車門進行侵入量分析。分析時對車身左右兩側前輪和后輪中心對應到縱梁上的位置施加全約束，障礙柱的移動速度為5 750 mm/s，如圖4所示。讀取車門與障礙柱的時間-接觸力曲線，分別考察初始耐擠壓力、中間耐擠壓力和最大耐擠壓力，結果如表1所示。

圖4 車門侵入量分析示意圖

表1 車門耐擠壓力結果

2 子模型技術

在進行車門侵入量分析時，由于模型規模較大，計算時間較長（高性能工作站約14 h），在進行后期試驗設計樣本計算時，計算資源耗費較大。文章通過子模型技術，在保證計算精度的前提下，縮短計算時間，從而快速完成樣本計算。

子模型方法又稱為切割邊界位移或者特定邊界位移法，切割邊界是指子模型從整個較粗糙的模型分割開的邊界。粗糙模型切割邊界計算的位移值即為子模型的邊界。

子模型技術實現過程如下：

1）提取白車身切割邊界節點set，如圖5所示。

圖5 白車身切割邊界節點set 示意圖

2）創建set.key，將上一步的邊界節點set 復制到該文件中。

3）在set.key 文件中添加2個關鍵字，將切割邊界節點的運動信息輸出并存儲在boundary.sub 中。

*INTERFACE_COMPONENT_FILE

boundary.sub

*INTERFACE_COMPONENT_NODE

4）將建立好的set.key 放入求解文件中，將整車側面碰撞模型提交運算，生成boundary.sub 文件。

5）重新編輯 set.key。

6）將整車模型生成的boundary.sub 文件復制到求解目錄文件夾中，提交運算。

3 基于Python的參數化實現

優化分析通過Python 語言驅動ANSA，實現車門防撞梁位置變化，如圖6所示，防撞梁繞B點旋轉，A點沿整車Z 向（箭頭方向）移動。設置變量dz，取值范圍為 0～180 mm，間隔 20 mm。Python的實現流程為：1）將輸入的dz值轉化成B點的旋轉角度；2）旋轉防撞梁；3）創建防撞梁與內板的焊點連接；4）創建防撞梁與外板的膨脹膠連接；5）重置防撞梁的屬性信息。

圖6 車門參數化模型

4 優化設計

4.1 試驗設計

試驗設計的目的是為了獲取樣本點，以便通過樣本點建立近似模型，在保證計算精度的前提下提高計算速度。變量的設定以及范圍，如表2所示。采用優化的超拉丁方方法生成120個樣本[1-3]，計算流程，如圖7所示。首先根據試驗設計獲取的樣本的設計變量信息，通過Python 二次開發腳本分別生成計算模態剛度的bdf 文件和侵入量分析需要的key 文件，然后自動提交相應分析并進行結果后處理，計算完成后獲取所有樣本的計算結果。整個過程完全自動化，不需要手動干預。

表2 車門優化的設計變量及取值范圍

圖7 車門生成樣本的試驗設計計算流程示意圖

4.2 近似模型

近似模型是利用數學表達式代替有限元模型用于后續優化分析的模型，使用近似模型可以達到節省計算資源的目的。建立近似模型常用的方法有響應面法和徑向基神經網絡法，多項式響應面近似模型采用不同階次的多項式來近似表達響應目標與設計變量之間的函數關系[4-6]，具有數學表達式簡單、收斂速度快、計算量小等特點。通常用R2來表征近似模型的精度，其定義為：

式中：QC——殘余偏差平方和；

QT——偏差平方和。

建立起的質量、模態、剛度和侵入量的近似模型精度，如表3所示。

表3 車門優化近似模型精度

4.3 優化結果

以前門質量為目標函數，前門模態、剛度和侵入量性能為約束條件，對車門進行優化，采用多目標粒子群算法搜索最優解。優化前后變量變化，如表4所示，性能變化，如表5所示。從表4 和表5 可以看出，車門防撞梁位置對各項性能起主導作用，不僅提高了車門1 階模態，而且使車門扭轉剛度、下垂剛度和中間耐擠壓力滿足目標要求，最終使質量減少1.2 kg。繪制變量防撞梁位置、最大接觸力和質量的三維響應面模型圖，如圖8所示。由圖8 可以看出，在設計變量取值范圍內，提高防撞梁位置可以減小最大接觸力，并且降低車門質量。

表4 車門優化前后變量取值結果

表5 車門優化前后性能變化結果

圖8 車門防撞梁位置、最大接觸力和質量關系圖

5 結論

文章通過Python 語言二次開發建立車門參數化模型，應用子模型技術提升計算速度，最終完成了車門的多學科優化設計，不僅使各項性能達到目標要求，而且使車門質量減輕1.2 kg。文章將車門侵入量集成到車門耐撞性能分析中，在后續的耐撞性能研究中，還可以將其他影響因素考慮進來。防撞梁的形式也可以作為日后研究的重點。以車門作為研究對象的優化設計取得了一定的成果，對其他系統級的優化也具有一定的參考意義。