一种汽车结构优化方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种汽车结构优化方法、装置和存储介质，其中方法包括：获取汽车结构优化的历史数据；其中，所述历史数据包括结构参数、对应结构的性能模拟测试结果；根据历史数据对汽车结构优化问题进行数学建模，确定模型的优化目标；其中，以汽车重量最小、安全性最高作为优化目标；采用分类模型辅助的分层粒子群优化算法对数学模型进行优化处理，获得汽车重量最小、安全性最高的结构设计参数。本发明专利技术利用分类模型预测代替演化过程中大部分汽车结构性能模拟，以分类结果驱动分层粒子群演化，解决了现有技术中由于搜索空间大，评估耗时长而导致的汽车结构优化结果差，搜索效率低的问题。本发明专利技术可广泛应用于演化计算和工业汽车结构设计两大领域。设计两大领域。设计两大领域。

【技术实现步骤摘要】
一种汽车结构优化方法、装置和存储介质


[0001]本专利技术涉及演化计算和工业汽车结构设计两大领域，尤其涉及一种汽车结构优化方法、装置和存储介质。

技术介绍

[0002]近年来，随着国家对环境保护的重视及客户需求多样化的发展，汽车行业也面临诸多挑战和发展机遇。例如，在汽车结构优化方面，如何降低汽车重量并提高碰撞安全、燃油效率等是亟需优化的问题。但汽车结构优化是一类复杂问题，存在搜索空间大，优化难度大、效率低等问题，难以用传统优化算法对其进行有效求解。
[0003]演化计算是一类求解复杂优化问题常用且有效的手段，在多种工业优化问题中已经得到广泛应用，对于汽车结构优化问题来说，可以更好地从全局角度找到最佳优化方案。然而，演化计算通过对候选解进行几万甚至几十万、几百万次适应值评估来实现“优胜劣汰”的优化过程。在汽车结构优化设计中，结构性能需要有限元分析软件进行模拟分析，安全性能需要碰撞软件进行模拟分析，动力学性能需要计算流体动力学软件进行模拟分析。仿真软件进行一次模拟分析要花费几十分钟甚至几个小时，这样一次候选解性能评估的时间消耗是巨大的，难本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车结构优化方法，其特征在于，包括以下步骤：获取汽车结构优化的历史数据；其中，所述历史数据包括结构参数、对应结构的性能模拟测试结果；根据历史数据对汽车结构优化问题进行数学建模，确定模型的优化目标；其中，以汽车重量最小、安全性最高作为优化目标；采用分类模型辅助的分层粒子群优化算法对数学模型进行优化处理，获得汽车重量最小、安全性最高的结构设计参数。2.根据权利要求1所述的一种汽车结构优化方法，其特征在于，所述分类模型在算法优化过程中对产生的结构参数进行性能预测，替代演化过程中汽车结构参数的性能模拟，以节省算法优化时间；所述分层粒子群算法作为演化算子，以分类模型预测的性能结果驱动分层粒子群演化，对汽车结构设计进行全局搜索优化。3.根据权利要求1所述的一种汽车结构优化方法，其特征在于，所述分类模型通过汽车结构优化的历史数据进行训练：采用汽车结构优化的历史数据训练分类模型其中，结构参数为输入对应结构的汽车重量和安全性模拟测试结果为输出在优化过程中产生新的结构参数后，采用分类模型预测该结构参数的性能挑选预测性能较好的结构参数进行汽车结构性能模拟并利用与更新训练分类模型4.根据权利要求1所述的一种汽车结构优化方法，其特征在于，所述采用分类模型辅助的分层粒子群优化算法对数学模型进行优化处理，包括：A1、以所有结构参数为个体，对个体进行编码，并初始化数据库的参数；其中，初始化的参数包括决策变量和对应适应值，以及初始速度；A2、从数据库中选择适应值最优的NP个个体组成种群，包括决策变量适应值初始速度其中NP是种群大小；A3、将种群按照适应值从优到劣排序，并分为四层；采用四层种群训练一个四分类的分类器；A4、对种群中的个体进行更新学习，得到中间学习个体；A5、采用分类器对中间学习个体进行类别预测；A6、进行局部信息开发，循环执行步骤A3
‑
A4，直到所有中间学习个体均被预测为第一类；A7、在均被预测为第一类的中间学习个体中，利用几何关系挑选潜力个体进行汽车结构性能模拟分析；A8、为增加种群多样性，除潜力个体外，随机选择一个中间学习个体进行汽车结构性能模拟分析；A9、将真实性能模拟分析的个体加入到数据库中；A10、循环执行步骤A2至A7，直到算...

【专利技术属性】
技术研发人员：陈伟能，魏凤凤，钟竞辉，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：