一种车身轻量化设计的解耦模式的数据处理分组建模方法，其步骤为：将响应函数解耦成非耦合项和一阶耦合项；初步判断需要构造模型的项数；构造每一个非耦合项，并判断是否为非线性；重复上述步骤，直到将所有的非耦合项都已构造完毕；得到初步的由纯非耦合项构成的近似模型并将近似模型与真实模型相比较，识别是否存在一阶耦合项，若存在一阶耦合项，则需要识别相互耦合的变量组合，并用近似模型技术构造相应的耦合项；重复上述步骤，直到所有的一阶耦合项都已识别完毕；得到整体近似模型并进行优化，若不满足收敛条件则进入迭代步骤。本发明专利技术原理简单，能够满足工程需要的高维近似模型的构建、保证求解精度，提高近似模型优化算法效率。
【技术实现步骤摘要】
本专利技术主要涉及到车身优化设计领域，特指一种适用于车身轻量化设计的解耦模 式的数据处理分组建模方法，其主要用于构建针对车身轻量化设计的近似模型构造。
技术介绍
“安全、节能、环保”是当代汽车发展的三大主题，安全问题(即耐撞性问题)居于首 位。目前，能源问题在国际油价不断上涨的背景下引人注目，据资料显示，我国机动车燃油 消耗已占到了全国总油耗的30%以上。因此，迫在眉睫的问题就是最大程度的减少石油资 源的消耗，尽量缓解能源危机的来临，为替代能源的研究和推广争取时间。同时，汽车每年 向大气排放大约几亿吨的有害气体，占大气污染物的60%以上,对人们的身体健康和生活 环境造成了极大危害，而汽车也被公认为是不可再生能源与大气污染的“头号杀手”。“车身轻量化”设计的目的就在于确保车体强度、刚度的前提下，尽可能的减轻车 身骨架的质量，这样不仅可以减少钢材和燃油的消耗，还能进一步减少污染排放、提高车 速、改善汽车起动和制动性能，而且可有效减少振动和噪声，增加汽车和公路使用寿命；同 时，“汽车轻量化”的设计绝非是简单地将其小型化，首先应保持汽车原有的性能不受影响， 既要有目标地减轻汽车自身的重量，又要尽可能的保证汽车行驶的安全性、耐撞性、抗振性 及舒适性，保证汽车本身的造价应尽量不被提高，综合性的确保和增强产品的竞争力。因 此，汽车轻量化已经成为车辆设计领域日益严峻的问题，如何合理的设计车身结构、有效的 布置性能良好的缓冲吸能结构以满足汽车耐撞性要求已成为众多科学家研究的一个热门 课题。为了突破这一瓶颈，“近似模型方法”已成为一种能够平衡精度和效率的方法。它 在近年来已被广泛应用于工程优化。“近似模型方法”的本质就是利用逼近近似技术对离 散数据进行拟合或插值来实现对未知点响应的预测，用简单的数学模型来代替工程设计中 复杂的、具有大量自由度的计算机仿真模型进行分析计算。但是，随着设计问题复杂性的提 升，优化参数的数量也随之而大幅度增加，如何高效建立能够满足工程精度和稳健性要求 的近似模型构造体系成为亟待解决的问题。目前主流的近似模型构建技术主要包括二次响应面法(2nd Polynomial Response Surfacemethod, 2ndPR),移动最小二乘法(moving least square, MLS), Kriging, RBF 插值方法，Multivariate Adaptive Regression Splines (MARS), Least Interpolating Polynomials (LIP), inductive learning (IL)基于 RBF 的 HDMR(High Dimensional Model Representation)等方法。通过对这些函数的测试，Kriging,RBF、MLS 以及RBF-HDMR被认为是精度较高的建模技术，而且RBF-HDMR对高维问题也非常有效。但 Kriging和RBF属于插值技术,难以克服噪声的影响，只有在输入输出确定的情况下,才能 保证这类模型的实用性。更为重要的是这类模型均是建立在经验风险准则之上，因此其泛 化性能难以保证。近年来，基于结构风险准则的支持向量机回归(Support vector regression,SVR)技术成为当前的研究热点，并成功应用于工程优化领域。但随着设计参数的增加，SVR 方法同样需要大规模扩大设计空间中的样本点数，对于那些需要进行长时间运算的正问 题，计算效率成为SVR难以广泛推广的主要因素。因此，以上算法对于小规模计算问题通常 是有效的(20个参数之内)。但随着研究的深入，研究对象的计算规模和复杂性的加强，如何 将近似模型技术提高到实际工程的多参数应用层面是工程优化领域急需解决的重要问题。上世纪60年代末前苏联学者Ivaknenko运用多层神经网络原理和优胜劣汰的进 化论原理，以K-Gaolmogorov-Gabor)多项式为建模基础，提出了一种辨识复杂非线性系统 的GMDH方法(Group Method of Data Handling,数据处理分组方法)。对于未知非线性系 统，经典的GMDH算法常用Volterra离散函数的高阶K-G多项式来描述。其主要思想是通 过各种简单的初始输入(局部模型)的交叉组合产生第一代中间候选模型，再从第一代中间 候选模型中选出最优的若干项结合而产生第二代中间候选模型，重复这样一个产生、选择 和遗传进化的过程，使模型复杂度不断增加，直到选出最优复杂度模型为止。为此，GMDH算 法通过多层筛选，用局部简单的参考函数不断组合逼近，以得到整体上足够复杂的模型。理 论上，GMDH方法可以将输入参数增至1000个，即优化的模型的设计变量可以扩充至1000。 GMDH经过多年的发展，也已日趋成熟，它能较好地描述各个因素之间的复杂非线性关系，预 测结果与实际值误差较小，与其他方法相比具有模式识别采用自组织和自动筛选等优点， 在复杂经济建模中取得很好的效果。通常，二次多项式是GMDH的最常用的选择，但很多学 者采用不同的模式对GMDH进行了修正和完善，从低阶概率模型到高阶概率模型逐次逼近。 近年来，GMDH的应用逐步和模糊集理论、人工神经网络等结合起来，使其有了进一步的拓 展。GMDH方法也存在不足，如变量数多，计算量大和中间变量多等，给中间变量的合理 选择带来困难；用二次多项式作为部分表达式，多变量情况下产生的误差较大；GMDH拟和 非线性强的数据精度比较差，若为追求精度使用更多级别或更复杂高阶的多项式有可能走 入过拟合的死胡同；对于正问题需要进行耗时计算的非线性模型，迭代次数过多，从而造成 构造模型的效率低下；最终表达式所含变量多，不能根据数学模型进行优化等缺陷。
技术实现思路
本专利技术要解决的技术问题就在于针对现有技术存在的技术问题，本专利技术提供一 种原理简单、能够满足工程需要的高维近似模型的构建、保证求解精度，提高近似模型优化 算法效率的。为解决上述技术问题，本专利技术采用以下技术方案一种，其步骤为(I)将响应函数(轻量化目标函数)解耦成非耦合项和一阶耦合项；(2)初步判断需要构造模型的项数；(3)构造每一个非耦合项，并判断是否为非线性；若为非线性，则在相应的直线上 继续采样，直到满足精度要求；(4)重复上述步骤(3)，直到将所有的非耦合项都已构造完毕；(5)得到初步的由纯非耦合项构成的近似模型/(X),并将近似模型/(X)与真实模 型f(x)相比较，识别是否存在一阶耦合项；若存在一阶耦合项，则需要识别相互耦合的变量组合，并用近似模型技术构造相应的耦合项；(6)重复上述步骤(5)，直到所有的一阶耦合项都已识别完毕；(7)得到整体近似模型并进行优化，若不满足收敛条件则进入迭代步骤(3)。作为本专利技术的进一步改进上述步骤(1)中采用HDMR理论为基础将响应函数解耦成非耦合项和一阶耦合项。上述步骤(2)中米用GMDH (Group Method of Data Handling)理论来初步判断需要构造模型的项数。上述步骤(3)中采用近似模型技术来进行非耦合项的构造。采用三个标准作为近似模型的评价准则，设Xi (i=l, 2. . . m)是在设计域内随机生成的m个服从均匀分布的测试本文档来自技高网...
【技术保护点】
一种车身轻量化设计的解耦模式的数据处理分组建模方法，其特征在于步骤为：（1）将响应函数解耦成非耦合项和一阶耦合项；（2）初步判断需要构造模型的项数；（3）构造每一个非耦合项，并判断是否为非线性；若为非线性，则在相应的直线上继续采样，直到满足精度要求；（4）重复上述步骤（3），直到将所有的非耦合项都已构造完毕；（5）得到初步的由纯非耦合项构成的近似模型并将近似模型与真实模型f(x)相比较，识别是否存在一阶耦合项；若存在一阶耦合项，则需要识别相互耦合的变量组合，并用近似模型技术构造相应的耦合项；（6）重复上述步骤（5），直到所有的一阶耦合项都已识别完毕；（7）得到整体近似模型并进行优化，若不满足收敛条件则进入迭代步骤（3）。FDA00002499024900011.jpg
【技术特征摘要】
1.一种车身轻量化设计的解耦模式的数据处理分组建模方法，其特征在于步骤为 (1)将响应函数解耦成非耦合项和一阶耦合项； (2)初步判断需要构造模型的项数； (3)构造每一个非耦合项，并判断是否为非线性；若为非线性，则在相应的直线上继续采样，直到满足精度要求； (4)重复上述步骤(3)，直到将所有的非耦合项都已构造完毕； (5)得到初步的由纯非耦合项构成的近似模型，并将近似模型与真实模型f(x)相比较，识别是否存在一阶耦合项；若存在一阶耦合项，则需要识别相互耦合的变量组合，并用近似模型技术构造相应的耦合项； (6)重复上述步骤(5)，直到所有的一阶耦合项都已识别完毕； (7)得到整体近似模型并进行优化，若不满足收敛条件则进入迭代步骤(3)。2....
【专利技术属性】
技术研发人员：王琥，李光耀，蔡勇，汤龙，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
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。