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

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，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。本发明专利技术解决了粒子群优化算法寻优能力对控制参数调整的依赖性问题，能够有效的提高粒子群算法在具有复杂约束的汽车尾门结构优化问题中的寻优能力，显著改善汽车尾门的结构优化设计结果。

Optimization method of tailgate structure based on two step improved particle swarm optimization algorithm

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得到汽车尾门优化结构。所述的汽车尾门结构的有限元模型包括尾门总成、扰流板及尾门下饰板，尾门材料是工程塑料。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。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(LHS)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。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。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。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，则将当前全局最优解输出作为结果，若不满足停止判断条件，则进行下一代迭代计算；所述的约束边界处的局部搜索包括以下步骤：1)使用子集边界缩减(SCBN)函数计算粒子与约束边界的距离，从每代粒子中选取距离约束边界最近的并记录其位置；2)在记录下来的位置处进行序列二次规划(SQP)局部搜索；3)记录每次局部搜索的适应度值并进行比较，将最优解作为结果输出。所述的择优是指：比较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结果，将较优值作为两步式改进粒子群算法的优化结果。本专利技术涉及一种实现上述方法的系统，包括：采样及建模单元、PSO全局搜索单元、SQP边界局部搜索单元和结果输出单元，其中：采样及建模单元与PSO全局搜索单元相连并传输汽车尾门结构优化问题的目标函数和约束的数学模型；PSO全局搜索单元与SQP边界局部搜索单元及结果输出单元相连，向SQP边界局部搜索单元传输每一代粒子的位置信息，向结果输出单元传递PSO全局搜索的结果；SQP边界局部搜索单元与结果输出单元相连并传输SQP边界局部搜索的结果信息；结果输出单元比较PSO全局搜索单元、SQP边界局部搜索单元两个模块的搜索结果，经过与圆整给出整个汽车尾门结构优化过程的结果。附图说明图1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系统构架示意图图2为本专利技术方法流程示意图；图3为本专利技术中汽车尾门有限元模型；图4为本专利技术中设计变量分布图。具体实施方式如图1所示，本实施例的具体步骤包括：步骤1)使用Hypermesh作为前处理软件平台，对汽车尾门进行有限元建模。如图2所示，建立的汽车尾门的有限元模型包括70961个单元，71484个节点，其中包括2053个三角形单元，占比2.89％，有限元模型精度满足要求。步骤2)如图3所示，选取有限元模型中的尾门内板、扰流板和下饰板的厚度为设计变量，分别用X1、X2和X3表示。使用步骤1)建立的汽车尾门有限元模型，针对外板刚度、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等10个刚度工况，建立汽车尾门刚度分析仿真模型，各工况的详细加载情况如表1所示。表1十种刚度工况表2所示为不同刚度工况下的性能指标在优化设计域内通过最优拉丁超立方试验设计方法进行采样，圆整后使用有限元求解器ABAQUS对样本点求解，提取汽车尾门在各样本点的响应。步骤3)通过仿真计算得到样本点数据建立Kriging代理模型，并采用确定性系数R2评价其预测精度，进行精度验证。所述的精度验证，即在满足精度时进行步骤4)，否则从新进行采样。所述的确定性系数其中：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。所述的确定性系数越大，Kriging代理模型就具有越高的精度。当确定性系数R2达到0.9000以上，可以判定代理模型精度满足进一步优化的要求。表3统计了不同工况下汽车尾门代理模型的精度情况。表3Kriging代理模型及其精度步骤4)以汽车尾门总质量为目标函数、10个刚度工况为约束、三个厚度值为变量，提出汽车尾门结构优化问题，使用两步式改进粒子群优化算法对该问题进行寻优求解，优化过程包括约束粒子群算法进行全局搜索、约束边界处的局部搜索以及更优解的选取，具体步骤如下：步骤4.1)使用约束粒子群算法进行全局搜索：步骤4.1.1)产生初始化种群并设置算法参数。本实施例优化求解问题粒子总数设定为20个，算法参数如表4所示。表4算法参数参数问题维度种群数量认知系数c1社会系数c2惯性变量w随机数r1/r2值320220.9-0.4(0,1)步骤4.1.2)根据已经在步骤3)中建立的kriging代理模型，直接计算获得粒子对应的适应度值Fi，记录粒子个体历史最优值Pi和种群全局最优值Pg。步骤4.1.3)根据标准粒子群优化算法的速度更新公式和位置更新公式对所有粒子进行速度更新和位置更新：其中：第一个公式代表粒子速度更新公式，第二个公式代表粒子位置更新公式，代表前一代粒子运动速度，代表后一本文档来自技高网...

【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