基于隱式參數化耦合模型的車身集成優化

梁紅喜 孫輝 吳澤勛 蔡劍 王德遠 彭弼安

摘要： 為提高車身截面優化效率，基于SFE CONCEPT構建白車身關注部位的隱式參數化模型，并與白車身有限元非參數化模型進行耦合，使參數化模型與有限元模型耦合邊界處的連接關系隨截面變化自動更新，通過試驗驗證耦合模型的有效性。基于試驗設計（design of experiments， DOE）方法、近似模型、多目標優化等策略，對白車身耦合模型進行剛度和模態等多學科集成優化，實現車身局部結構快速輕量化設計。

關鍵詞： 車身; 隱式參數化; 模型耦合; 多學科優化; 輕量化

中圖分類號： TP391.92; U462.3 ? 文獻標志碼： B

Abstract： To improve the efficiency of vehicle body section optimization， the implicit parametric model of interesting locations of body in white is built based on SFE CONCEPT. The model is coupled with the non-parametric finite element model of body in white， and then the connection relationship between the coupling boundary of the parametric model and the finite element model is updated automatically with the change of the section. The validity of the coupling model is verified by tests. Based on the design of experiments（DOE） method， approximate model， multi-objective optimization and other strategies， the multi-disciplinary integrated optimization of stiffness and mode is carried out on coupling model of body in white. The fast lightweight design of local structure of vehicle body can be realized.

Key words： vehicle body; implicit parameterization; model coupling; multi-disciplinary optimization; lightweight

0 引 言

在新車型開發中，如何在縮短研發周期的同時兼顧輕量化設計，已成為汽車企業的核心競爭力之一。[1-2]在早期的車型項目開發中，對多種拓撲設計方案進行快速預研分析并確定優化方案，可實現仿真驅動設計，提高新車型開發效率。在車身快速優化方面，諸多學者基于隱式參數化建模，結合多學科集成優化設計方法進行研究[3-5]，并在整車參數化建模和優化方面取得一定成果。在車身局部結構截面優化方面，基于隱式參數化模型自動耦合有限元非參數化模型進行多學科集成優化，同時考慮耦合模型拓撲連接關系自動優化的研究較少。

借鑒現有研究成果，本文在某新車型設計階段引入隱式參數化建模技術，對車身所需優化結構進行隱式參數化建模，并與白車身有限元非參數化模型進行耦合。在保證耦合模型邊界處拓撲連接關系準確性的基礎上，通過試驗驗證耦合模型的有效性。對車身彎曲扭轉剛度和模態性能等多方面因素進行研究和估算，基于試驗設計（design of experiments， DOE）、近似模型和多目標優化等策略，對車身截面進行迭代優化，并對優化結果進行評估。

1 隱式參數化建模

1.1 隱式參數化技術

傳統顯式建模技術面向零件層面進行參數化建模，使用復雜的結構參數而非數學模型描述零件，很難實現復雜裝配關系的設計。當優化過程中參數變化較大時，極易造成零部件間連接關系的失效，導致模型出現錯誤。

隱式參數化技術面向整體系統層面，可減少計算機輔助設計（computer aided design， CAD）數據與計算機輔助工程（computer aided engineering， CAE）數據之間的反復迭代，且能夠通過數學關系建立模型的架構，其幾何結構分為基點、基線和截面等3種基礎類型，可通過控制基礎類型修改模型，快速完成模型的結構拓撲。當模型中任何參數（如位置、大小和形狀等）發生變化時，與其相關的所有幾何參數及其連接關系均會同步變化。[6-7]

1.2 耦合模型組成

整車隱式參數化模型可有效實現車身截面優化，但建模周期較長。為提高車身關注部位截面的優化效率，基于SFE CONCEPT建立某目標車型關注部位的參數化模型，并與有限元非參數化模型進行耦合。耦合模型文件組成見圖1。

fe_wp.bdf文件（連接關系文件）、bdf文件1（優化零部件模型文件）可由con文件（命令控制文件）、mac文件（變量控制文件）和SFECmod文件（模型文件）共同生成，然后與bdf文件2（有限元非參數化模型文件）進行耦合，以此作為后續集成優化的輸入條件。

1.3 耦合模型建立

多層翻邊考慮與其相連接的有限元模型的PID，耦合部位連接關系采用CWELD單元進行連接，連接方式定義為PARtpat。定義優化結構的PID輸出方式為僅輸出參數化模型中包含的組件，在模型截面變化時可實現焊點單元位置隨變化后結構同步更新，保證焊接拓撲關系在參數化模型截面變化時的有效性和可靠性。所建立的局部隱式參數化模型見圖2。

將所建立的局部隱式參數化模型與白車身有限元模型（見圖3）進行耦合，生成的耦合車身模型見圖4。當模型截面變化時，耦合處的焊點位置可自動同步更新。

2 耦合車身模型驗證

為驗證耦合車身模型的準確性，分別對其進行剛度和模態性能仿真計算，并將仿真結果與試驗結果進行對比。

2.1 白車身扭轉剛度和彎曲剛度試驗

在對白車身進行剛度試驗前，將前、后減震器支座與試驗臺固定，其中約束位置分別見圖5和6。在車身前部施加4 080 N·m的扭矩，測量白車身的扭轉變形;在門檻梁兩側分別施加2 224 N的垂向力，測量車身門檻梁的垂向位移，并計算車身的彎曲剛度。

2.2 參數化模型模態試驗

在車身底部的縱梁上分別設置4個空氣彈簧進行支撐，模擬車身的自由狀態。模態試驗時分別在車身右前縱梁和左后縱梁位置布置激振器，利用激振器產生的猝發隨機信號對白車身進行激勵，從而獲得全部測點的加速度頻響函數并進行綜合分析，得到模態頻率及其對應振型。激振器具體布置方式見圖7和8。

2.3 模態和剛度仿真結果與試驗結果對比

耦合模型仿真結果與試驗結果對比見表1。由此可知：參數化模型與有限元模型的1階扭轉模態頻率誤差為3.3%，扭轉剛度值誤差為1.2%;參數化車身模型與有限元模型的誤差控制在經驗值5%以內，精度滿足分析要求，可以作為后續優化的輸入條件。

3 多學科集成優化

車身的輕量化應綜合考慮車身的各種性能，如車身模態頻率、彎曲剛度和扭轉剛度等，是多學科集成優化設計過程。本文基于DOE方法建立近似模型，通過對近似模型尋優，得到滿足不同學科工況條件的可行優化方案。

3.1 DOE方法

為分析參數對性能的影響趨勢，評估參數的最佳取值方案，采用優化拉丁法制定DOE矩陣，分別計算車身剛度和模態性能。基于響應面法（response surface methodology， RSM）構建近似模型，利用非支配遺傳算法NSGA-II進行尋優。

3.2 模態剛度優化

根據人機工程要求設置優化變量閾值，在整車坐標系中，x向范圍設置為（-15，0），z向范圍設置為（-10，0），負值表示截面減小。對剛度和模態性能采用優化拉丁法采樣，樣本點共80個，對每個變量取5個水平，其DOE計算流程和響應面優化流程分別見圖9和10。

綜合考慮所有性能變量的最佳水平組合方式，以白車身質量最小、扭轉剛度最大為多目標優化函數，響應面優化后截面的變化值見表2。

4 優化設計方案性能驗證

為驗證優化方案的可行性，根據變量最優解輸出截面變化參數，并對原結構方案進行同步更新，優化方案與原方案性能對比見表3。由此可知：優化后的零部件質量減少2.3 kg，輕量化率為8.1%;1階扭轉模態頻率降低3.7%，扭轉剛度降低7.6%;1階彎曲模態的頻率增加0.2%，彎曲剛度降低0.6%，但仍滿足企業要求，說明優化方案可行。

5 結束語

基于隱式參數化技術建立某白車身局部參數化模型，通過設置相關參數，實現隱式參數化模型與非參數化模型自動耦合，使焊點單元位置可隨變化后的結構同步更新。通過試驗驗證耦合模型的剛度和模態性能，采用DOE方法、近似建模和多目標優化等組合優化策略，對白車身關注部位的零部件進行輕量化設計。輕量化后車身整體性能均滿足要求，說明基于隱式參數化模型耦合有限元非參數化模型的集成優化技術可實現車身局部結構截面快速優化。

參考文獻：

[1] 門永新， 唐輝， 彭鴻， 等. 吉利自主車型的綜合性能開發與CAE協同優化技術[J]. 中國工程科學， 2014， 16（1）： 23-35. DOI： 10.3969/j.issn.1009-1742.2014.01.003.

[2] 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. DOI： 10.3901/JME.2012.08.110.

[3] 史國宏， 陳勇， 姜欣， 等. 基于全參數化模型的白車身多學科設計優化[J]. 汽車工程， 2010， 32（11）： 928-931. DOI： 10.19562/j.chinasae.qcgc.2010.11.002.

[4] 王登峰， 蔡珂芳， 馬明輝， 等. 基于隱式參數化模型的白車身輕量化設計[J]. 汽車工程， 2018， 40（5）： 610-616. DOI： 10.19562/j.chinasae.qcgc.2018.05.017.

[5] 王傳青， 董傳林， 馬亮. 參數化白車身結構輕量化多目標優化[J]. 計算機輔助工程， 2018， 27（1）： 15-21. DOI： 10.13340/j.cae.2018.01.003.

[6] 李楠， 高衛民， 戴軼. 基于隱式參數化模型的車身結構優化設計[J]. 汽車工程， 2008， 30（10）： 857-860.

[7] HILMANN J， PAAS M， HAENSCHKE A， et al. Automatic concept model generation for optimisation and robust design of passenger cars[J]. Advances in Engineering Software， 2007， 38（11/12）： 795-801. DOI： 10.1016/j.advengsoft.2006.08.031.

（編輯 武曉英）