韓立 馬春林 劉瑩 王建勇 李海鵬
(1.天津金力研汽車工程技術(shù)有限公司,天津 300384;2.中國重型汽車集團(tuán)有限公司,濟(jì)南 250100;3.一汽-大眾汽車有限公司,長春 130011)
多用途貨車在國外汽車市場一直占據(jù)較高的市場份額。自2016年開始,國內(nèi)多用途貨車市場規(guī)模和滲透率不斷提升。多用途貨車從輕型商用貨車向家商兩用全能車的轉(zhuǎn)型,面臨能源結(jié)構(gòu)替代和輕量化技術(shù)的挑戰(zhàn)。
目前,采用全參數(shù)化建模聯(lián)合多學(xué)科優(yōu)化技術(shù),實(shí)現(xiàn)全流程輕量化設(shè)計(jì)在乘用車領(lǐng)域已成熟應(yīng)用[1-7],但在多用途貨車領(lǐng)域研究尚少。本文以某多用途貨車白車身為研究對象,在詳細(xì)設(shè)計(jì)階段采用多學(xué)科優(yōu)化方法考量關(guān)鍵零件厚度,對彎扭剛度、模態(tài)頻率、質(zhì)量、成本進(jìn)行最優(yōu)化設(shè)計(jì),深入解析非承載式白車身各設(shè)計(jì)變量對性能貢獻(xiàn)的靈敏度,為性能優(yōu)化和輕量化提供量化指標(biāo),同時(shí)為多用途貨車車身輕量化評價(jià)體系提供數(shù)據(jù)支撐。
多學(xué)科優(yōu)化設(shè)計(jì)是一種考慮多種學(xué)科性能要求的綜合尋優(yōu)方法,通過充分探索和利用系統(tǒng)中多個(gè)學(xué)科的相互影響來設(shè)計(jì)復(fù)雜系統(tǒng)和子系統(tǒng)[8]。單目標(biāo)有約束條件的優(yōu)化問題可以表示為:
式中,X為設(shè)計(jì)變量組成的矩陣;xi為第i個(gè)設(shè)計(jì)變量;y為關(guān)于設(shè)計(jì)變量的響應(yīng);bli、bui分別為變量xi的下限和上限;n為設(shè)計(jì)變量的數(shù)量;gj(x)為第j個(gè)約束條件;BLj、BUj分別為約束條件gj(x)的下限和上限;m為約束條件的數(shù)量。
汽車工程領(lǐng)域常用的試驗(yàn)設(shè)計(jì)(Design of Experiment,DOE)方法有正交試驗(yàn)設(shè)計(jì)法、拉丁超立方試驗(yàn)設(shè)計(jì)法和均勻試驗(yàn)設(shè)計(jì)法。
最優(yōu)拉丁超立方試驗(yàn)設(shè)計(jì)(Optimal Latin Hypercube Design,Opt LHD)改進(jìn)了隨機(jī)拉丁超立方設(shè)計(jì)的均勻性,使因子和響應(yīng)的擬合更加精確、真實(shí),使所有試驗(yàn)點(diǎn)盡量均勻分布在設(shè)計(jì)空間中,具有非常好的填充性和均衡性。故本文采用最優(yōu)拉丁超立方試驗(yàn)設(shè)計(jì)法。
在汽車虛擬仿真工程中,傳統(tǒng)的有限元分析方法已經(jīng)得到廣泛運(yùn)用,但有些仿真計(jì)算存在耗時(shí)長等問題,近似模型能夠依據(jù)輸入變量信息快速得到輸出值,基于近似模型的優(yōu)化設(shè)計(jì)被認(rèn)為是解決復(fù)雜工程設(shè)計(jì)優(yōu)化問題的有效途徑。常采用多項(xiàng)式響應(yīng)面法(Response Surface Method,RSM)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)、徑向基函數(shù)(Radial Basis Function,RBF)、克里金(Kriging)模型等構(gòu)建近似模型。
多項(xiàng)式響應(yīng)面利用多項(xiàng)式函數(shù)擬合設(shè)計(jì)空間,工程上最常用的是二階多項(xiàng)式響應(yīng)面模型:
式中,z為響應(yīng)面擬合量;k為設(shè)計(jì)變量的數(shù)量;β0、βi、βii、βij為待定系數(shù)。
最常用的近似模型誤差分析指標(biāo)是決定系數(shù)(Coefficient of Determination)R2:
式中,yi為測試樣本點(diǎn)的實(shí)際響應(yīng)值;為測試樣本點(diǎn)的代理模型預(yù)測值;yˉ為yi的平均值;ntest為測試樣本數(shù)量。
R2可反映近似模型的整體精度,數(shù)值越大,模型的精度越高。
工程領(lǐng)域,優(yōu)化算法主要分為局部優(yōu)化算法和全局優(yōu)化算法。對于多峰問題,數(shù)值優(yōu)化是一種局部優(yōu)化算法。局部優(yōu)化算法開發(fā)較早,計(jì)算效率高但無法保證優(yōu)化解的全局有效性,通常用于解決凸問題和單峰優(yōu)化問題。全局優(yōu)化方法是一種求解復(fù)雜優(yōu)化問題的方法,可以解決非凸和多峰問題,包括遺傳算法、模擬退火算法、粒子群法、蟻群算法等。
整車設(shè)計(jì)開發(fā)過程中,白車身模態(tài)分析求解的是固有頻率和振型,目的是了解車身及各系統(tǒng)在受到外界激勵(lì)時(shí)的動態(tài)響應(yīng),避免共振。利用MSC Nastran 軟件Lanczons 算法提取白車身自由狀態(tài)下第12 階整體扭轉(zhuǎn)模態(tài)固有頻率為52.49 Hz,如圖1所示。
圖1 白車身扭轉(zhuǎn)模態(tài)振型云圖
白車身扭轉(zhuǎn)剛度直接影響車身振動、異響、門洞變形及操控極限,同時(shí)體現(xiàn)車身性能水平和輕量化程度。扭轉(zhuǎn)剛度可以用白車身在受到路面扭轉(zhuǎn)載荷作用時(shí),前后相對扭轉(zhuǎn)角度來描述。分析時(shí)約束后端懸置安裝點(diǎn)的所有平動自由度,約束前端框架中性面下端點(diǎn)垂向平動自由度,在前端懸置安裝點(diǎn)施加等大反向的集中載荷,使之產(chǎn)生繞X軸旋轉(zhuǎn)的扭矩,大小為2 000 N·m,結(jié)果如圖2所示,扭轉(zhuǎn)剛度為34 485.9 N·m/(°)。
圖2 白車身扭轉(zhuǎn)變形云圖
白車身彎曲剛度直接影響汽車行駛平順性及車身與其他系統(tǒng)間的共振,可以用白車身受乘員艙內(nèi)垂直載荷作用時(shí)門檻梁產(chǎn)生的變形描述。分析時(shí)約束前端懸置安裝點(diǎn)的所有平動自由度,約束后端懸置安裝點(diǎn)的垂向平動自由度,在門檻梁上端面中心位置,左右側(cè)分別施加垂直向下的集中載荷,大小為1 500 N,結(jié)果如圖3所示,彎曲剛度為11 947.3 N/mm。
圖3 白車身彎曲變形云圖
設(shè)計(jì)變量在選取時(shí)可以參考以下準(zhǔn)則:
a.選取對白車身整體性能貢獻(xiàn)起主導(dǎo)作用的零件;
b.通過仿真工程經(jīng)驗(yàn)判斷關(guān)鍵零件;
c.選擇對車身性能貢獻(xiàn)的靈敏度有特殊辨識需求的零件;
d.左、右對稱零件合并為一組設(shè)計(jì)變量;
e.設(shè)計(jì)變量選用離散型,使得每一組樣本點(diǎn)具有工程意義和指向性。
區(qū)別于承載式車身結(jié)構(gòu),多用途貨車白車身可以理解為長頭車身和駕駛室結(jié)構(gòu)的組合體,綜合考慮其結(jié)構(gòu)特性及現(xiàn)階段研究的局限性,選取了46個(gè)設(shè)計(jì)變量,具體包括前輪罩、前圍板、前地板、后地板、側(cè)圍、頂蓋、后圍7 個(gè)分總成73 個(gè)零件的厚度,如圖4 所示。通過對標(biāo)國內(nèi)外3 款多用途貨車白車身結(jié)構(gòu)料厚,結(jié)合材料規(guī)格定義優(yōu)化設(shè)計(jì)空間。
圖4 白車身設(shè)計(jì)變量示意
采用最優(yōu)拉丁超立方試驗(yàn)設(shè)計(jì)方法,生成1 680個(gè)樣本點(diǎn)的設(shè)計(jì)矩陣,用于進(jìn)行彎扭剛度、模態(tài)頻率、質(zhì)量、成本的試驗(yàn)設(shè)計(jì),如圖5所示。
圖5 彎扭剛度、模態(tài)頻率、成本的試驗(yàn)設(shè)計(jì)流程
帕累托圖(Pareto Chart)[9]反映樣本擬合后模型中所有項(xiàng)對每個(gè)響應(yīng)的貢獻(xiàn)程度。各設(shè)計(jì)變量對扭轉(zhuǎn)剛度、彎曲剛度、扭轉(zhuǎn)模態(tài)的敏感程度排序如圖6~圖11所示。通過試驗(yàn)設(shè)計(jì),可以深入理解車身結(jié)構(gòu),同時(shí)可為建立近似模型提供計(jì)算樣本。
圖6 白車身扭轉(zhuǎn)剛度帕累托圖
圖7 扭轉(zhuǎn)剛度靈敏度排名前10位的零件示意
圖8 白車身彎曲剛度帕累托圖
圖9 彎曲剛度靈敏度排名前10位的零件示意
圖10 白車身扭轉(zhuǎn)模態(tài)帕累托圖
圖11 扭轉(zhuǎn)模態(tài)靈敏度排名前10位的零件示意
近似模型用數(shù)學(xué)表達(dá)式代替高強(qiáng)度有限元仿真,可減少計(jì)算次數(shù),同時(shí)可平滑噪聲,使數(shù)值優(yōu)化算法能夠快速找到全局解??紤]到白車身基礎(chǔ)性能與零件厚度變量之間呈線性關(guān)系,隨機(jī)抽取20個(gè)樣本點(diǎn),構(gòu)建彎扭剛度、模態(tài)、質(zhì)量、成本的二階多項(xiàng)式響應(yīng)面近似模型,如圖12所示,誤差分析結(jié)果如表1所示。
表1 白車身優(yōu)化近似模型精度
圖12 二階多項(xiàng)式響應(yīng)面近似模型
一般認(rèn)為R2≥0.9時(shí),近似模型的精度可以接受。由表1 可知:彎扭剛度、質(zhì)量、成本響應(yīng)的R2均接近1,說明這4個(gè)響應(yīng)的近似模型能夠很好地替代高強(qiáng)度的有限元仿真模型;模態(tài)響應(yīng)的R2<0.9,其原因在于,模態(tài)分析得到的固有頻率與剛度和質(zhì)量有關(guān),即設(shè)計(jì)輸入(零件厚度)與模態(tài)響應(yīng)(固有頻率、振型、階次)之間的線性相關(guān)性并不強(qiáng)。若進(jìn)一步提高近似模型的精度,需要繼續(xù)增加樣本點(diǎn)數(shù)量,考慮到仿真計(jì)算效率以及除R2外的其他3個(gè)誤差分析次要指標(biāo)均達(dá)標(biāo),所以接受已構(gòu)建的近似模型。
通過對標(biāo)車性能仿真分析,制定該多用途貨車白車身整體扭轉(zhuǎn)模態(tài)頻率、扭轉(zhuǎn)剛度、彎曲剛度的參考指標(biāo)下限分別為50 Hz、15 000 N·m/(°)、7 000 N/mm。避開現(xiàn)階段多用途貨車白車身基礎(chǔ)性能指標(biāo)制定的局限性問題,在實(shí)施輕量化方案時(shí)以保持原車性能水平,權(quán)衡各性能的利弊來換取較大幅度輕量化效果為開展思路,具體制定依次遞進(jìn)的3 組優(yōu)化方案,分別為:方案1,保持原車身基礎(chǔ)性能水平;方案2,允許靜剛度下降10%,扭轉(zhuǎn)模態(tài)頻率波動2 Hz;方案3,允許靜剛度下降20%,扭轉(zhuǎn)模態(tài)頻率波動4 Hz。利用自動優(yōu)化算法分別進(jìn)行以質(zhì)量最小為目標(biāo)函數(shù),剛度、模態(tài)為約束條件,成本為響應(yīng)的優(yōu)化設(shè)計(jì),優(yōu)化結(jié)果匯總?cè)绫? 所示。分別統(tǒng)計(jì)3 組優(yōu)化方案中的最優(yōu)解,如表3~表9所示。
表2 3組優(yōu)化方案結(jié)果匯總
表3 頂蓋優(yōu)化前、后設(shè)計(jì)變量取值 mm
表4 后圍優(yōu)化前、后設(shè)計(jì)變量取值 mm
表5 前圍優(yōu)化前、后設(shè)計(jì)變量取值 mm
表6 前輪罩優(yōu)化前、后設(shè)計(jì)變量取值 mm
表7 前地板優(yōu)化前、后設(shè)計(jì)變量取值 mm
表8 后地板優(yōu)化前、后設(shè)計(jì)變量取值 mm
表9 側(cè)圍優(yōu)化前、后設(shè)計(jì)變量取值 mm
本文以多用途貨車為研究對象,選取車身73個(gè)零件的1 680 個(gè)樣本點(diǎn)進(jìn)行試驗(yàn)設(shè)計(jì),得到各零件對性能貢獻(xiàn)量的靈敏度排序。通過加厚敏感部件、減薄不敏感零件,實(shí)現(xiàn)車身板件厚度的合理設(shè)計(jì),并采用多學(xué)科優(yōu)化設(shè)計(jì)方法,從性能、質(zhì)量、成本3個(gè)維度完成了對多用途貨車白車身輕量化空間的研究。結(jié)果表明:以穩(wěn)定現(xiàn)有剛度水平為目標(biāo),扭轉(zhuǎn)模態(tài)頻率從52.49 Hz 優(yōu)化到54.77 Hz,可實(shí)現(xiàn)質(zhì)量減輕14.63 kg,材料成本降低175.57 元;以允許剛度下降10%為目標(biāo),扭轉(zhuǎn)模態(tài)與基礎(chǔ)車身持平,可實(shí)現(xiàn)質(zhì)量減輕20.37 kg,材料成本降低226.24 元;以允許剛度下降20%為目標(biāo),扭轉(zhuǎn)模態(tài)頻率較基礎(chǔ)車身下降2.32 Hz,可實(shí)現(xiàn)質(zhì)量減輕25.78 kg,材料成本降低244.35元。