一种基于自适应代理模型的汽车碰撞分析方法技术

本申请涉及电数字数据处理技术领域，特别是涉及一种基于自适应代理模型的汽车碰撞分析方法，方法包括以下步骤：S100，利用拉丁超立方方法对汽车碰撞的设计空间进行采样，得到N0个初代采样点；S200，基于初代样本点搭建初代克里金模型，并获取初代克里金模型的准确度λ0；S300，获取N1以及；S400，利用拉丁超立方方法获取N

【技术实现步骤摘要】
一种基于自适应代理模型的汽车碰撞分析方法


[0001]本专利技术涉及电数字数据处理
，特别是涉及一种基于自适应代理模型的汽车碰撞分析方法。

技术介绍

[0002]汽车的碰撞安全是汽车设计开发过程中必不可少的环节，车身结构是碰撞安全的基础，设计出具有良好碰撞吸能性能的安全车身是汽车设计的一个主要目标。中国新车评价规程(C
‑
NCAP)要求进行的碰撞测试包括：碰撞速度为50km/h的正面100％重叠刚性壁障碰撞、碰撞速度为64km/h的正面40％重叠可变形壁障碰撞、碰撞速度为50km/h的可变形壁障侧面碰撞以及其他项目，例如后碰和行人保护等。
[0003]然而，在汽车碰撞仿真计算过程中，进行碰撞仿真分析及优化的代价是巨大的。例如，某车型的碰撞速度为50km/h的正面100％重叠刚性壁障碰撞仿真分析的单次计算需要20个小时以上，若考虑8个设计变量，那么仿真分析及优化需要400
‑
800次计算，花费的时间成本为8000小时
‑
16000小时，这么高的时间成本基本是不可行的。
[0004]代理模型是对真实世界物理问题或高精度仿真模型的一种替代，是一种给定输入后能够快速计算得到输出的黑箱模型，通过使用特定的采样准则选取有限个样本点训练而来。为了减少汽车碰撞仿真计算过程花费的时间成本，可以将代理模型应用于汽车碰撞仿真计算过程。但是，现有的代理模型一般基于拉丁方算法构建采样点，即在整个设计空间内均匀选取样本点，使得一些梯度变化较小的位置存在过度采样的问题，影响了代理模型的采样效率；而一些梯度变化较大的位置存在采样不足的问题，影响了代理模型的精度。如何兼顾代理模型的采样效率和精度，是亟待解决的问题。

技术实现思路

[0005]本专利技术目的在于，提供一种基于自适应代理模型的汽车碰撞分析方法，以兼顾代理模型的采样效率和精度。
[0006]根据本专利技术，提供了一种基于自适应代理模型的汽车碰撞分析方法，包括以下步骤：
[0007]S100，利用拉丁超立方方法对汽车碰撞的设计空间进行采样，得到N0个初代采样点，N0为预设的初代采样点数量。
[0008]S200，获取初代克里金模型的准确度λ0，所述初代克里金模型由所述N0个初代采样点得到。
[0009]S300，获取N1＝(2
‑
λ0)*m以及N1为第1代新增的采样点数量，m为预设的汽车碰撞的设计空间中设计变量的数量，为第1代均匀采样和重要度采样的比例，k为预设值，k>0。
[0010]S400，利用拉丁超立方方法获取N
11
个第1代新增的均匀采样点，
[0011]S500，利用重要度采样方法获取N
21
个第1代新增的重要度采样点，
[0012]S600，利用第1代采样点生成第1代克里金模型，所述第1代采样点包括N0个初代采样点、N
11
个第1代新增的均匀采样点和N
21
个第1代新增的重要度采样点。
[0013]S700，如果第1代采样点数量Q1≥Z，则输出第1代克里金模型，方法结束；Z为预设的最大采样点数量，Q1＝N0+N1；如果Q1<Z，则获取第2代采样点数量Q2＝Q1+N2，并进入S800，N2为第2代新增的采样点数量。
[0014]S800，如果Q2≥Z，则输出第2代克里金模型，方法结束；如果Q2<Z，则获取第3代采样点数量Q3＝Q2+N3，以此类推，直至第n代采样点数量Q
n
≥Z，并输出第n代克里金模型，方法结束；N3为第3代新增的采样点数量，n≥3。
[0015]本专利技术与现有技术相比具有明显的有益效果，借由上述技术方案，本专利技术提供的基于自适应代理模型的汽车碰撞分析方法可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有以下有益效果：
[0016]本专利技术基于均匀采样和重要度采样获取了采样点，其中基于均匀采样可获取整个设计空间的概貌，基于重要度采样可增加设计空间中变化较为剧烈的地方的采样点数量以及减少设计空间中变化较为平缓的地方的采样点数量，本专利技术兼顾了对设计空间的全域探索和重要位置探索，通过自适应迭代的方式，实现了在最大采样点数量限制下的最优代理模型的输出，提高了汽车碰撞的代理模型的采样效率和精度。
附图说明
[0017]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术实施例提供的基于自适应代理模型的汽车碰撞分析方法的流程图。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]根据本专利技术，提供了一种基于自适应代理模型的汽车碰撞分析方法，如图1所示，包括以下步骤：
[0021]S100，利用拉丁超立方方法对汽车碰撞的设计空间进行采样，得到N0个初代采样点，N0为预设的初代采样点数量。
[0022]本专利技术中N0由用户输入或者将N0设置为经验值2*m+1，m为预设的汽车碰撞的设计空间中设计变量的数量。
[0023]利用拉丁超立方方法进行采样为现有技术，本领域技术人员知悉，现有技术中任何利用拉丁超立方方法获取采样点的技术方案均落入本专利技术的保护范围。
[0024]S200，获取初代克里金模型的准确度λ0，所述初代克里金模型由所述N0个初代采样
点得到。
[0025]根据本专利技术，克里金模型即利用克里金方法构建的代理模型。
[0026]需要说明的是，汽车碰撞的输出变量的数量S
y
可能大于等于1。当汽车的输出变量的数量S
y
等于1时，只需根据N0个初代采样点构建这1个输出变量对应的初代克里金模型即可，相应的，初代克里金模型的准确度λ0即这1个输出变量对应的初代克里金模型的准确度。该情况下，其中，y
i
为该输出变量在第i个采样点的仿真计算值，y
predi
为该输出变量对应的初代克里金模型的第i个采样点的代理模型预测值，为该输出变量在所有采样点的仿真计算值的平均值。
[0027]当汽车的输出变量的数量S
y
大于1时，根据N0个初代采样点分别构建每个输出变量对应的初代克里金模型，由此可以得到第1个输出变量对应的初代克里金模型的准确度λ
0,1
、第2个输出变量对应的初代克里金模型的准确度λ
0,2
、
…
、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应代理模型的汽车碰撞分析方法，其特征在于，包括以下步骤：S100，利用拉丁超立方方法对汽车碰撞的设计空间进行采样，得到N0个初代采样点，N0为预设的初代采样点数量；S200，获取初代克里金模型的准确度λ0，所述初代克里金模型由所述N0个初代采样点得到；S300，获取N1＝(2
‑
λ0)*m以及N1为第1代新增的采样点数量，m为预设的汽车碰撞的设计空间中设计变量的数量，为第1代均匀采样和重要度采样的比例，k为预设值，k>0；S400，利用拉丁超立方方法获取N
11
个第1代新增的均匀采样点，S500，利用重要度采样方法获取N
21
个第1代新增的重要度采样点，S600，利用第1代采样点生成第1代克里金模型，所述第1代采样点包括N0个初代采样点、N
11
个第1代新增的均匀采样点和N
21
个第1代新增的重要度采样点；S700，如果第1代采样点数量Q1≥Z，则输出第1代克里金模型，方法结束；Z为预设的最大采样点数量，Q1＝N0+N1；如果Q1<Z，则获取第2代采样点数量Q2＝Q1+N2，并进入S800，N2为第2代新增的采样点数量；S800，如果Q2≥Z，则输出第2代克里金模型，方法结束；如果Q2<Z，则获取第3代采样点数量Q3＝Q2+N3，以此类推，直至第n代采样点数量Q
n
≥Z，并输出第n代克里金模型，方法结束；N3为第3代新增的采样点数量，n≥3。2.根据权利要求1所述的方法，其特征在于，当汽车的输出变量的数量S
y
等于1时，其中，y
i
为该输出变量在第i个采样点的仿真计算值，y
predi
为该输出变量对应的初代克里金模型的第i个采样点的代理模型预测值，为该输出变量在所有采样点的仿真计算值的平均值。3.根据权利要求...

【专利技术属性】
技术研发人员：乔哲峰，
申请(专利权)人：北京索为系统技术股份有限公司，
类型：发明
国别省市：