錢立軍, 丁 玲, 祝安定
(合肥工業(yè)大學(xué) 機械與汽車工程學(xué)院,安徽 合肥 230009)
汽車縱梁是汽車正碰中最重要的吸能部件,理想的縱梁設(shè)計應(yīng)該能夠充分利用縱梁的塑性變形來吸收汽車碰撞中的大部分能量。設(shè)計分析中,汽車縱梁通常可以簡化為薄壁結(jié)構(gòu),因此,研究薄壁結(jié)構(gòu)的碰撞變形吸能特性在汽車縱梁設(shè)計中具有重要意義。
針對薄壁方管的抗撞性尺寸優(yōu)化問題,可以利用iSIGHT軟件建立優(yōu)化設(shè)計仿真流程及平臺進行優(yōu)化設(shè)計研究[1],但如果僅以比吸能最優(yōu)為優(yōu)化目標(biāo),在實現(xiàn)比吸能最優(yōu)的同時無法保證良好的碰撞峰值力性能。也可以運用正交試驗法和響應(yīng)面代理模型近似理論,以矩形薄壁直梁件的壁厚、橫截面寬度、寬高比和圓角半徑為設(shè)計變量,以結(jié)構(gòu)的比吸能、峰值載荷和平均載荷為目標(biāo)函數(shù),對薄壁直梁件進行抗撞性多目標(biāo)優(yōu)化[2]。
圖1所示為薄壁直梁件軸向正碰有限元模型,薄壁直梁件的一端附加一剛性體,并且在剛性體上均勻分布著總質(zhì)量為600kg的mass質(zhì)量單元。
圖1 薄壁直梁件軸向正碰有限元模型
將薄壁直梁件的單元尺寸設(shè)定為5.0mm,單元類型采用適合于大變形的Belytschko-Tsay 4節(jié)點薄殼單元[3],單元沿厚度方向選用3個積分點。材料模型選擇MAT24,質(zhì)量密度為7.9×10-9t/mm3,彈性模量E為210GPa、泊松比υ為0.3[4]。
采用Cowper-Symonds公式考慮材料應(yīng)變率的影響,選擇經(jīng)驗值C=40,p=5。對于材料的塑性段應(yīng)力-應(yīng)變關(guān)系,當(dāng)應(yīng)變?yōu)?0、0.08、0.16、0.40、0.75mm 時,其應(yīng)力相應(yīng)為0.207、0.250、0.275、0.290、0.300GPa[1]。薄壁直梁件及附加剛體以50km/h的速度撞擊剛性墻,碰撞過程中定義薄壁直梁件與剛性墻的接觸類型為單面自動接觸,碰撞持續(xù)時間為30ms。
選取薄壁直梁件截面高度H、截面寬度W及壁厚T為設(shè)計變量,H和W的取值范圍設(shè)定為40~100mm。轎車前縱梁厚度在1.4~2.2mm之間,前縱梁加強板厚度可能達到2.5mm,所以設(shè)定壁厚的取值范圍為1.2~2.8mm。隨著橫截面尺寸的變化,相同長度直梁的質(zhì)量亦發(fā)生變化,所以采用比吸能SEA(IntE/mass,IntE為吸能結(jié)構(gòu)在碰撞過程中所吸收的總內(nèi)能,mass為所分析結(jié)構(gòu)在碰撞過程中的有效吸能部分的質(zhì)量)作為能量評價指標(biāo),另一個評價指標(biāo)是吸能結(jié)構(gòu)在碰撞變形過程中的碰撞峰值力Fmax[5]。優(yōu)化問題的數(shù)學(xué)模型可以表示為[6]:
在iSIGHT軟件中搭建優(yōu)化流程,如圖2所示。
圖2 iSIGHT中優(yōu)化流程
利用iSIGHT軟件的文件解析功能編輯輸入文件new.cmf得到參數(shù)化模型,通過過程集成功能可以方便地對Hypermesh軟件進行調(diào)用生成new.k文件和summary文件。將new.k文件作為輸入文件繼續(xù)調(diào)用LS-DYNA軟件進行計算,并對其輸出文件glstat、rwforce和summary進行文件解析,得到薄壁直梁件吸能、質(zhì)量和碰撞力的數(shù)據(jù),通過計算器計算SEA和Fmax。在此基礎(chǔ)上,運用拉丁超立方試驗設(shè)計方法生成樣本點,調(diào)用真實CAE模型仿真,獲得一系列離散方案的結(jié)果,并對其擬合構(gòu)建響應(yīng)面近似模型。以SEA最大、Fmax最小為目標(biāo),在響應(yīng)面近似模型上采用多目標(biāo)遺傳算法NSGA-Ⅱ進行尋優(yōu)[7],最后對多目標(biāo)結(jié)果進行權(quán)衡處理,并選取一個Pareto解作為確定性優(yōu)化方案對其進行質(zhì)量分析。為使優(yōu)化結(jié)果滿足6σ水平的可靠性要求,進行基于6σ的多目標(biāo)穩(wěn)健性優(yōu)化。
通過拉丁超立方試驗設(shè)計方法生成32個樣本點,采集得到一組變量和響應(yīng)的樣本數(shù)據(jù),采用響應(yīng)面方法擬合樣本數(shù)據(jù),構(gòu)建近似模型[8-9]。本文采用檢驗?zāi)P驮跇颖军c的擬合平均相對誤差值及其R2值,檢驗近似模型的精度。表1所列給出了SEA、Fmax平均相對誤差值和R2值,其值達到可接受水平,說明近似模型滿足耐撞性設(shè)計的精度要求。
表1 平均相對誤差和R2值檢驗
SEA、Fmax的響應(yīng)面模型如圖3所示。SEA、Fmax實際仿真值與近似模型預(yù)測值的擬合對比,如圖4所示。
由于目標(biāo)函數(shù)間的矛盾性質(zhì),使每個目標(biāo)函數(shù)同時達到各自最優(yōu)值的解是不存在的。因此,解決多目標(biāo)優(yōu)化問題的最終目的只能是在各個目標(biāo)之間進行協(xié)調(diào)權(quán)衡和折衷處理,使各子目標(biāo)盡可能達到最優(yōu),即所要找的并不是所有子目標(biāo)的最優(yōu)解,而是所謂的Pareto解。
本文采用多目標(biāo)遺傳算法NSGA-Ⅱ?qū)陧憫?yīng)面替代模型的多目標(biāo)優(yōu)化問題進行優(yōu)化求解,每一步計算耗費時間很短,提高了多目標(biāo)遺傳算法實施的可行性,最終得到一個Pareto解集,如圖5所示。
圖3 響應(yīng)面模型
圖4 實際仿真值與近似模型預(yù)測值擬合對比
從圖5中可以看出,SEA和Fmax這2個目標(biāo)是矛盾的,一個目標(biāo)的改善必須以犧牲另外一個目標(biāo)的性能作為代價。
設(shè)計者可根據(jù)實際需要,從Pareto解集中選擇滿意的最優(yōu)化解。
圖5 優(yōu)化得到的Pareto解集
從Pareto解集中取出6個解的優(yōu)化結(jié)果,對壁厚T進行圓整,并將優(yōu)化結(jié)果與實際仿真值進行對比,得到兩者的相對誤差值,見表2所列。從表中可以看出最大相對誤差值為3.68%,在可接受的范圍之內(nèi)。
數(shù)據(jù)接收過程中,為了確保每次能正確的把圖像數(shù)據(jù)寫進后面的緩沖 FIFO 中,在寫入 FIFO 之前首先通過數(shù)據(jù)比較器在圖像數(shù)據(jù)中找到圖像幀頭后使能后面的FIFO,把后面的圖像數(shù)據(jù)寫入到FIFO中[8]。
對Pareto解進行分析可以發(fā)現(xiàn),Pareto解集中薄壁直梁件截面高度H取值為40mm或41mm,且40mm居多;截面寬度W取值為40~45mm,且40mm居多。這說明同時考慮SEA和Fmax雙目標(biāo)綜合作用效果時,薄壁直梁件寬高比在1左右,且截面尺寸較小時效果較好。
在H和W取值相同的情況下,隨著壁厚的增加,SEA值增大,吸能效果變好,與此同時Fmax也隨之增大。因此,直梁件的厚度增加過大會導(dǎo)致碰撞的峰值力過大,適當(dāng)?shù)卦黾又绷旱暮穸葘υ黾咏Y(jié)構(gòu)的碰撞吸能能力是有利的。
表2 優(yōu)化結(jié)果
以上對薄壁直梁件的抗撞性研究采用的是確定性優(yōu)化方法,該算法將設(shè)計推向設(shè)計約束的極限邊界上,未考慮加工制造過程的不確定性。如果存在不確定性干擾,該優(yōu)化方案極有可能違反這些約束,有必要進行6σ質(zhì)量分析,評估該優(yōu)化方案的可靠性和質(zhì)量水平。
考慮加工工藝因素,在實際加工過程中薄壁部件的壁厚、截面尺寸均存在一定的不確定性。通常在3σ質(zhì)量水平控制下的加工過程中,薄壁壁厚和截面尺寸加工精度可達±0.05mm。假設(shè)設(shè)計變量服從以確定性優(yōu)化方案為均值的正態(tài)分布,由于缺乏統(tǒng)計數(shù)據(jù),各設(shè)計變量的均方差由σ=ε/3(ε為工藝誤差)近似計算得到[10]。
基于已建立的SEA、Fmax的響應(yīng)面模型,用于質(zhì)量分析的數(shù)學(xué)模型為:
采用基于蒙特卡洛抽樣的6σ分析,當(dāng)設(shè)計變量波動時,優(yōu)化目標(biāo)Fmax滿足6σ水平的可靠性要求,但另一優(yōu)化目標(biāo)SEA的σ水平為0.524 4,可靠度為40%,其質(zhì)量水平較低,可靠性極低。綜合多目標(biāo)效果,確定性優(yōu)化方案達不到一定的質(zhì)量水平的可靠度要求。
為解決上述問題,將RSM近似建模技術(shù)、蒙特卡洛隨機模擬技術(shù)和6σ質(zhì)量管理方法相結(jié)合,進行多目標(biāo)穩(wěn)健性優(yōu)化,6σ穩(wěn)健優(yōu)化模型中各響應(yīng)的均值和均方差由蒙特卡洛模擬實現(xiàn)。實現(xiàn)蒙特卡洛模擬須先將系統(tǒng)仿真值進行隨機抽樣,采用描述抽樣以減少抽樣點,提高效率。將抽樣值代入RSM近似模型得到各響應(yīng)的蒙特卡洛云圖,從而計算各響應(yīng)的均值和均方差[10-12]。基于6σ穩(wěn)健優(yōu)化數(shù)學(xué)模型為:
約束響應(yīng)概率密度分布如圖6所示。
圖6 約束響應(yīng)的概率密度分布
由優(yōu)化結(jié)果可知,穩(wěn)健性優(yōu)化使SEA由24 586J/kg上升至24 738J/kg,此時 SEA 的均方差為48.846,相比于確定性優(yōu)化結(jié)果(均方差為50.403),其穩(wěn)健性得到了一定的提高;同時SEA的σ水平提高至8.0,可靠度提高至100%。Fmax由190 350.0N 上升至198 994.3N,此時Fmax均方差為2 620.7,相比于確定性優(yōu)化結(jié)果(均方差為2 610.4),其穩(wěn)健性有所下降,盡管這一結(jié)果比確定性優(yōu)化解差,F(xiàn)max仍然滿足6σ水平的可靠性要求。綜合多目標(biāo)效果,穩(wěn)健性優(yōu)化結(jié)果滿足6σ水平的可靠性要求,質(zhì)量遠(yuǎn)遠(yuǎn)高于確定性優(yōu)化方案。
(1)本文構(gòu)建的RSM近似模型滿足耐撞性設(shè)計的精度要求,將響應(yīng)面方法和多目標(biāo)遺傳算法NSGA-Ⅱ相結(jié)合實現(xiàn)抗撞性優(yōu)化設(shè)計,優(yōu)化效率得到較大提高,且優(yōu)化結(jié)果與實際仿真值的相對誤差滿足精度要求。
(2)iSIGHT在解決多目標(biāo)設(shè)計問題時,可以得到理想的設(shè)計結(jié)果,并可根據(jù)實際需要從Pateto解集中選擇滿意的最優(yōu)化解。
(3)基于6σ多目標(biāo)穩(wěn)健性優(yōu)化結(jié)果滿足6σ水平的可靠性要求,該方法可推廣應(yīng)用到汽車其他薄壁構(gòu)件及其整車的耐撞性分析中,為實際工程中的多目標(biāo)穩(wěn)健性優(yōu)化設(shè)計提供參考依據(jù)。
[1] 汪 凱,王曉華,章 桐.基于iSIGHT的薄壁方管抗撞性尺寸優(yōu)化[J].佳木斯大學(xué)學(xué)報:自然科學(xué)版,2012,30(1):23-27.
[2] 彭洪梅.汽車薄壁直梁件碰撞性能仿真及參數(shù)解析[D].大連:大連理工大學(xué),2011.
[3] 吳陽年,姜 平,楊士欽,等.汽車薄壁桿件的軸向耐撞性分析[J].合肥工業(yè)大學(xué)學(xué)報:自然科學(xué)版,2000,23(4):542-545.
[4] 胡遠(yuǎn)志,曾必強,謝書港.基于LS-DYNA和 HyperWorks的汽車安全仿真與分析[M].北京:清華大學(xué)出版社,2011:14-46.
[5] 陳吉清,周鑫美,饒建強,等.汽車前縱梁薄壁結(jié)構(gòu)碰撞吸能特性及其優(yōu)化的研究[J].汽車工程,2010,32(6):486-492.
[6] 吳廣發(fā),趙希祿.汽車前縱梁碰撞吸能特性的優(yōu)化設(shè)計[J].機械設(shè)計與研究,2011,27(4):118-120.
[7] 賴宇陽.Isight參數(shù)優(yōu)化理論與實例詳解[M].北京:北京航空航天大學(xué)出版社,2012:187-249.
[8] 周 萍,于德介,臧獻國,等.采用響應(yīng)面法的汽車轉(zhuǎn)向系統(tǒng)固有頻率優(yōu)化[J].汽車工程,2010,32(10):883-887.
[9] 蘭鳳崇,鐘 陽,莊良飄,等.基于自適應(yīng)響應(yīng)面法的車身前部吸能部件優(yōu)化[J].汽車工程,2010,32(5):404-408.
[10] 高偉釗,莫旭輝,付 銳,等.基于Kriging的泡沫填充錐形薄壁結(jié)構(gòu)耐撞性6σ穩(wěn)健性優(yōu)化設(shè)計[J].固體力學(xué)學(xué)報,2012,33(4):370-377.
[11] 張 勇,徐西鵬,楊永柏,等.基于不確定性準(zhǔn)則的薄壁管耐撞可靠性設(shè)計 [J].中國機械工程,2012,23(21):2612-2615.
[12] 崔 杰,張維剛,常偉波,等.基于雙響應(yīng)面模型的碰撞安全性穩(wěn)健性優(yōu)化設(shè)計[J].機械工程學(xué)報,2011,47(24):97-103.