A vehicle tail gate structure optimization method based on two step improved particle swarm optimization (PSO) is proposed. By determining the design variables from the finite element model of the car tail gate structure and calculating the response of the model at each sample point, the high precision proxy model between the response and the design variables is established. Then the structure optimization of the automobile tail gate is established. The objective function of the problem is the two step improved particle swarm optimization (PSO) algorithm based on the constrained particle swarm optimization (PSO) for the global search and the local search at the constrained boundary. The invention solves the problem of the dependence of the particle swarm optimization algorithm on the control parameter adjustment, and can effectively improve the optimization ability of the particle swarm optimization in the optimization of the tail gate structure with complex constraints, and greatly improve the structural optimization design results of the car tail gate.
【技术实现步骤摘要】
基于两步式改进粒子群优化算法的汽车尾门结构优化方法
本专利技术涉及的是一种汽车制造领域的技术,具体涉及一种基于两步式改进粒子群优化算法的汽车尾门结构优化方法。
技术介绍
汽车尾门是车身的承力板件之一,一般要求汽车尾门必须具有一定的承受载荷和抵抗变形的能力,对汽车尾门的刚度需求包括外板刚度及抗凹性、侧向刚度、扭转刚度、尾门把手安装点刚度和侧撑杆安装点刚度等共10个工况,众多的刚度约束工况对汽车尾门在结构优化设计时采用的约束优化算法提出了较高要求。目前粒子群算法的约束处理机制主要是针对控制参数的调整,但是控制参数调整过程完全基于经验,无法满足汽车尾门结构优化过程复杂多变的问题特点。以惩罚函数约束处理方法为例,如果惩罚因子设置较为宽松,搜索的解将会落在可行域外;然而当惩罚参数设置较严苛时,粒子不能飞行到约束边界附近的区域,很可能因此无法获得全局最优解。
技术实现思路
本专利技术针对现有的汽车尾门结构优化的问题特点以及目前约束优化算法的问题,提出一种基于两步式改进粒子群优化算法的汽车尾门结构优化方法,能够记录飞行到约束边界附近的粒子进而获得约束边界的位置信息,然后在约束边界处进行局部搜索,就能放松对控制参数的调整要求,最终提升约束粒子群算法的全局优化能力并且改善汽车尾门结构优化设计的结果。本专利技术通过以下技术方案实现:本专利技术通过从汽车尾门结构的有限元模型中确定设计变量并计算模型在各样本点的响应,并建立各工况响应与设计变量之间高精度代理模型;然后建立汽车尾门结构优化问题的目标函数,分别使用约束粒子群算法进行全局搜索和约束边界处的局部搜索的两步式改进粒子群算法择优后 ...
【技术保护点】
1.一种基于两步式改进粒子群优化算法的汽车尾门结构优化方法,其特征在于,通过从汽车尾门结构的有限元模型中确定设计变量并计算模型在各样本点的响应,并建立各工况响应与设计变量之间高精度代理模型;然后建立汽车尾门结构优化问题的目标函数,分别使用约束粒子群算法进行全局搜索和约束边界处的局部搜索的两步式改进粒子群算法择优后得到汽车尾门优化结构;所述的设计变量包括:尾门总成厚度、扰流板厚度和尾门下饰板厚度。
【技术特征摘要】
1.一种基于两步式改进粒子群优化算法的汽车尾门结构优化方法,其特征在于,通过从汽车尾门结构的有限元模型中确定设计变量并计算模型在各样本点的响应,并建立各工况响应与设计变量之间高精度代理模型;然后建立汽车尾门结构优化问题的目标函数,分别使用约束粒子群算法进行全局搜索和约束边界处的局部搜索的两步式改进粒子群算法择优后得到汽车尾门优化结构;所述的设计变量包括:尾门总成厚度、扰流板厚度和尾门下饰板厚度。2.根据权利要求1所述的方法,其特征是,所述的工况响应,通过最优拉丁超立方采样(OLHS)得到,该方法是在拉丁超立方采样的基础上在采样过程中添加φP准则实现的,具体为:其中:di代表两点之间的欧氏距离且d1<d2<…<ds,Ji代表设计点之间距离di分割成的下标,s代表不同点之间距离的个数,p为正整数,φP的优化算法为加强随机进化算法。3.根据权利要求1所述的方法,其特征是,所述的工况响应,即10个汽车尾门结构设计约束工况,包括:外板刚度、抗凹性、侧向刚度、扭转刚度、尾门把手安装点刚度和侧撑杆安装点刚度。4.根据权利要求1所述的方法,其特征是,所述的高精度代理模型,通过建立各工况响应与设计变量之间的初步代理模型,经过对代理模型进行精度评价,和样本点数目的增加,重新计算响应后得到,该高精度代理模型为Kriging模型,使用确定性系数R2评价其预测精度,确定性系数其中:yi为样本点的有限元计算值,为样本点Kriging近似模型预测值,为所有样本点仿真结果的平均值,n为检验的样本点数。5.根据权利要求1所述的方法,其特征是,所述的目标函数为Yobject,其中:ifCi≤0,fi=0elsefi=Ci,Ci为约束函数,nc为约束函数个数,Ym为汽车尾门整体质量,h为惩罚因子。6.根据权利要求1所述的方法,其特征是,所述的约束粒子群算法进行全局搜索包括以下步骤:1)初始化种群;2)计算粒子适应度值、粒子历史最优值和种群全局最优值;3)更新种群速度和位置信息,使用边界反弹法处理飞出设计域的粒子;4)进行停滞判断,若满足停滞条件,则启动速度重置操作并更新粒子位置,进行下一代迭代计算;5)进行停止判断,若满足停滞判断条件,则将当前...
【专利技术属性】
技术研发人员:刘钊,李泽阳,张海潮,朱平,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。