基于衍生式設計的汽車線束支架輕量化建模*

景琦勛，趙鵬飛，張冰肖，陳 勇

（上海大學機電工程與自動化學院，上海 200444）

引 言

隨著汽車節(jié)能減排工作越來越受到政府及社會的重視，汽車的輕量化設計技術逐漸成為汽車行業(yè)不可或缺的關鍵技術[1]。汽車的輕量化就是在保證汽車的強度和安全性能的前提下，盡可能地降低汽車的整體質量，增強汽車的動力，減少燃油或電能消耗量，從而減少汽車對環(huán)境的污染。近年來，隨著人工智能算法在各個領域的應用普及以及增材制造技術的日益成熟，汽車零件的設計流程勢必迎來嶄新的變革[2–4]。

復雜的汽車線束分布于汽車各個模塊系統，相互連接，類似于人的神經網絡，傳遞著感應信號、控制信號等各類電信號[5]。用于固定和保護線束的線束支架遍布整個汽車系統，對汽車整體系統的穩(wěn)定運行具有至關重要的影響[6]。由于不同車型的設計構造不同，支架的每處安裝環(huán)境和要求也不一樣，對應線束支架的設計參數也隨之發(fā)生改變，因此線束支架的設計并沒有預定義的標準零件與規(guī)范的設計準則。傳統參數化建?？赏ㄟ^變量驅動特征對線路設計的修改，解決線束設計隨環(huán)境變動的問題。

衍生式設計是一種嶄新的設計師與計算機之間的協作設計探索過程。設計者可以將設計目標輸入衍生式設計軟件中，同時輸入性能或空間要求、材料、制造方法、成本約束等參數，計算機借助計算、人工智能和機器學習的強大功能，從每個迭代中學習哪些有效、哪些無效，探索所有可能的解決方案組合，從而列出所有相關設計，快速生成設計備選方案和目標參數供設計師選擇和參考。它與傳統拓撲優(yōu)化的差異在于：拓撲優(yōu)化是在工程師完成某一設計之后，利用已掌握的拓撲學知識算法，逐漸改善原有設計結果；而衍生式設計則是基于設計師根據經驗和實際工況輸入的設計目標、制造方式和限制條件，根據人工智能算法自我迭代，直接生成最符合設計師優(yōu)化期望的模型方案，其設計結果可完全跳出已有的設計框架。

本文利用一個簡單的線束支架案例，提出了一種基于參數化建模與衍生式設計的汽車線束支架的生成和優(yōu)化流程方案。首先利用參數化建模過程，根據線束布局的空間坐標參數自動生成線束支架設計方案，以適應不同的線束支架安裝環(huán)境；而后衍生式設計利用迭代算法，提供以參數化設計模型為基礎的更符合材料、成本、安全系數等約束條件的線束支架模型。本文將兩者結合起來，形成一個汽車線束支架模型的快速生成以及輕量化設計流程。

1 線束支架設計

1.1 參數化基礎建模

在汽車線束設計過程中，首先需要收集管路、結構等已有的空間數據，使用這些環(huán)境數據進行布線設計，生成三維可視化線束數模[7–8]。這些線束的分布數據可以作為參數化建模的坐標參數，在線束坐標參數的基礎上稍加改進，直接生成比較符合線束走向的參數化線束支架模型。

以實際汽車線束支架為例，將表1中的參數導入計算機輔助設計軟件中。設計的基礎樣條曲線由7個空間參數點（No.1—No.7）的X,Y,Z坐標約束，隨后基于參數R（線束橫截面直徑）生成橫截面并掃掠生成基礎的線束模型，見圖1。該設計過程充分發(fā)揮參數化設計優(yōu)勢，建模數據與輸入參數直接關聯，可隨時根據實際測量數據變更輸入參數，對模型進行實時更新。

表1 線束三維空間坐標參數 mm

圖1 參數化基礎

1.2 衍生式設計條件輸入

由于不同使用部位的工作溫度不同（如發(fā)動機附件溫度較機艙內其他附件溫度高），長期使用的極限溫度可達125°C，這里使用的線束支架需要具備較好的剛強度、抗振動疲勞性和高溫下的穩(wěn)定性，因此，線束支架一般選用聚酰胺材質[5]，而其他部位（如行李艙）則可使用聚丙烯（PP）材質塑料。本設計是基于聚酰胺12（PA12）以及PP材料兩種材料的增材設計。表2為PP和PA12材料的主要特性。

表2 PP和PA12材料主要特性

線束支架僅用于汽車線束支撐，不需要承受過大的應力，因此設計中盡可能減小材料用量以減小汽車的整車質量，衍生式設計的目標設定為使質量最小化，且安全系數選擇較小的1.5。

模型的優(yōu)化,特別是對設計的性能和功能至關重要的一些幾何圖元部分是在實際工況下不影響安全性和實用性的基礎上進行。因此在進行優(yōu)化之前，需要選出不需改變或優(yōu)化的部分，將它們設定為“保留幾何圖元”進行保護（該部分在畫布中一般顯示為綠色）。如圖2所示，本案例中選擇的保留幾何圖元是線束支架的起始位置與結束位置以及用于連接汽車其他部位的固定支架位置。

圖2 幾何圖元的三級建模及工況設置

此外，衍生式設計的設計條件主要包括結構約束和結構載荷。結構約束用來判定模型外界環(huán)境之間的接觸部位，包含銷、固定、鉸鏈三種類型的約束。結構載荷功能主要是將設計應該承受的各種力添加到模型中，以模擬出實際工作過程中零件的受力情況，進而在符合設計目標的基礎上對設計進行分析與優(yōu)化。本案例中選擇固定支架上的螺紋孔以及支架底面作為約束特征。分別選擇支架的兩個端面及固定支架的側面作為受力面，兩端面設置大小為50 N、垂直于端面指向零件的力；固定支架側面設置大小為5 N、垂直于側面指向零件的力。

1.3 衍生式設計結果

衍生式設計的輸出會根據輸入條件進行相應的調整。如圖3所示，即使源于同一基礎模型且工作于相同工況下，因選用材料的力學性能有所區(qū)別，算法建構的模型結構也會發(fā)生相應的變化來維持符合要求的安全系數。

圖3 不同材料的衍生式優(yōu)化設計輸出建模

衍生式設計的迭代過程是直接基于分析結果的優(yōu)化過程，從最終設計所附帶生成的應力分析結果（圖4）可以看出，兩種不同材料的優(yōu)化結果的應力均符合要求，而在體積和質量方面，相比原版模型，經過迭代優(yōu)化后的結果均有肉眼可見的顯著下降。在數值上，從表3可以看出，質量減輕可達71.57%和74.38%，完全實現了“質量最小化”的預期優(yōu)化目標；最大Mises等效應力較初始設計均有所下降，顯然優(yōu)化后的設計應力分布變得更加均勻合理，且中間起支撐作用的主體部分不存在大量低應力區(qū)域，因而沒有不必要的材料浪費和額外質量。

圖4 不同材料原版設計和衍生式優(yōu)化設計后的應力云圖

表3 輸出設計主要參數

值得一提的是，衍生式設計的主要優(yōu)化是基于迭代算法，結果2和結果4的設計均為算法根據選定設計目標經70次迭代后的最終結果（圖5），但介于原版設計和最終優(yōu)化結果之間的迭代結果也會被保留，其主要參數也介于優(yōu)化前和優(yōu)化后的參數之間。因此在實際應用中，設計人員可以根據實際需要，根據模型外貌選擇合適的迭代次數，對選定迭代次數的模型稍加修飾，即可作為后續(xù)設計的參考模型。

圖5 衍生式設計迭代優(yōu)化過程

2 仿真分析

隨后對衍生式設計的自動生成結果進行力學仿真分析和交叉驗證。如圖6所示，利用衍生式設計中所設定的邊界條件進行仿真分析，觀察到絕大部分區(qū)域的Mises應力值均不會超過材料的屈服極限，極個別部位的應力集中點導致最大應力變大，但這些點均處于被保護的沒有被優(yōu)化的“保留幾何圖元”內，可通過增加圓角等方式消除應力集中。因此在整個基于衍生式設計的流程中，依然需要設計師全程參與工況條件、優(yōu)化目標的輸入以及最后結果的判斷、選擇和修改。

3 結束語

衍生式設計充分利用創(chuàng)新設計結構帶來的優(yōu)勢分散應力，在安全系數允許的范圍內，大大減輕了支架的質量，輕量化效果顯著?；趨祷?，有利于快速生成模型與進行參數調整，且參數應當來自于線束的布置，使得線束支架模型更貼合實際情況。結合基于人工智能深度學習迭代算法的衍生式設計，設計者只需依據實際工況和需求進行條件調整，就可自動生成多種符合設計目標的結果，兩者結合形成的設計流程極大地提升了設計速度和優(yōu)化效果。該套流程將不僅僅局限于此，還可給任何設計領域帶來嶄新的變革。