车身结构的设计优化方法与流程

本技术涉及车身结构设计优化，尤其涉及一种车身结构的设计优化方法。

背景技术：

1、在汽车车身结构的设计与优化中，碰撞安全性是衡量车辆安全性能的核心指标。现有汽车车身耐撞性设计中，通常采用有限元碰撞仿真评估整车响应，并结合蒙特卡洛分析、响应面或代理模型开展不确定性研究。

2、然而，上述方法要么基于固定参数假设，难以真实表征制造公差、材料波动和装配偏差对碰撞响应的传递影响；要么虽能描述统计分布，却计算开销较大，难以支撑快速迭代，且多停留于整体响应层面，难以进一步明确各输入参数对性能波动的具体贡献。

3、因此，如何在车身耐撞性分析中高效量化输入不确定性影响，并提高对关键影响参数的识别能力，从而助力汽车车身结构的设计与优化，成为亟待解决的技术问题。

技术实现思路

1、本技术实施例提供一种车身结构的设计优化方法，以解决上述技术问题。该方案面向车身耐撞性设计过程中输入不确定性影响难以高效量化、关键影响参数难以准确识别的问题，围绕当前车身结构中工艺材料参数、结构传力过程与耐撞性能响应之间的关联关系，建立能够表征参数变化对性能失效影响的分析机制，在耐撞性能失效场景下追溯导致失效的关键因素，并据此对车身结构设计参数进行针对性优化。

2、第一方面，本技术实施例提供一种车身结构的设计优化方法，所述方法包括：

3、获取当前车身结构的联合概率代理模型；其中，所述联合概率代理模型采用依据碰撞载荷传递路径构建的以工艺材料参数为根节点、以传力结构截面力为中间节点、以耐撞性能响应为叶节点的贝叶斯网络拓扑结构，所述联合概率代理模型用于表征相邻层节点之间的条件概率分布；

4、基于所述联合概率代理模型，确定在耐撞性能失效事件发生的条件下所述工艺材料参数的后验分布信息；

5、根据所述工艺材料参数的所述后验分布信息与先验分布信息之间的差异度，确定导致耐撞性能失效的归因结果；

6、根据所述归因结果，调整所述工艺材料参数的设计值。

7、在一种可能的实施方式中，所述获取当前车身结构的联合概率代理模型，包括：

8、获取多组关于工艺材料参数的样本数据；其中，每组所述样本数据包括所述工艺材料参数、所述工艺材料参数的对应的传力结构截面力和耐撞性能响应；

9、依据碰撞载荷传递路径，以所述工艺材料参数为根节点、以所述传力结构截面力为中间节点、以所述耐撞性能响应为叶节点，构建贝叶斯网络拓扑结构；

10、基于所述样本数据，学习所述贝叶斯网络拓扑结构中相邻层节点之间的条件概率分布，建立所述联合概率代理模型。

11、在一种可能的实施方式中，所述获取多组关于工艺材料参数的样本数据，包括：

12、采用拉丁超立方抽样方法，在所述工艺材料参数的设计空间内进行抽样，获取多组样本点；

13、采用显式动力学有限元仿真对每组所述样本点进行碰撞仿真，从仿真结果中提取各所述样本点对应的传力结构截面力和耐撞性能响应。

14、在一种可能的实施方式中，所述基于所述样本数据，学习所述贝叶斯网络拓扑结构中相邻层节点之间的条件概率分布，建立所述联合概率代理模型，包括：

15、获取各所述工艺材料参数的先验分布信息；

16、对所述样本数据进行标准化预处理，得到标准化后的样本数据；其中，所述标准化后的样本数据均为无量纲数值；

17、基于所述先验分布信息和所述标准化后的样本数据，分别拟合所述传力结构截面力关于所述工艺材料参数的第一条件概率分布，以及所述耐撞性能响应关于所述传力结构截面力的第二条件概率分布；

18、依据贝叶斯网络链式分解法则，将所述先验分布信息、所述第一条件概率分布以及所述第二条件概率分布相乘，组装得到所述联合概率代理模型。

19、在一种可能的实施方式中，所述基于所述先验分布信息和所述标准化后的样本数据，分别拟合所述传力结构截面力关于所述工艺材料参数的第一条件概率分布，以及所述耐撞性能响应关于所述传力结构截面力的第二条件概率分布，包括：

20、构建所述工艺材料参数与所述传力结构截面力的第一联合向量，采用混合概率密度模型拟合所述第一联合向量的联合概率密度分布，并基于拟合得到的联合概率密度分布和所述先验分布信息，依据贝叶斯定理推导所述第一条件概率分布；

21、构建所述传力结构截面力与所述耐撞性能响应的第二联合向量，采用混合概率密度模型拟合所述第二联合向量的联合概率密度分布，并基于拟合得到的联合概率密度分布进行边缘化处理，依据贝叶斯定理推导所述第二条件概率分布。

22、在一种可能的实施方式中，所述混合概率密度模型为高斯混合模型，所述采用混合概率密度模型拟合所述第一联合向量的联合概率密度分布，包括：

23、设定多个候选分量数量，并以所述候选分量数量训练高斯混合模型；

24、分别计算各训练后的高斯混合模型的贝叶斯信息准则值，选取使所述贝叶斯信息准则值最小的候选分量数量作为最优分量数量；

25、以所述最优分量数量训练高斯混合模型，将训练后的高斯混合模型作为拟合后的所述第一联合向量的联合概率密度分布。

26、在一种可能的实施方式中，所述以所述最优分量数量训练高斯混合模型，包括：

27、采用聚类算法对所述第一联合向量的样本数据进行聚类，以聚类结果初始化所述高斯混合模型的各分量参数；

28、交替执行期望步和最大化步进行迭代训练，直至满足预设收敛条件时停止，得到训练后的高斯混合模型。

29、在一种可能的实施方式中，所述基于拟合得到的联合概率密度分布和所述先验分布信息，依据贝叶斯定理推导所述第一条件概率分布，包括：

30、以所述第一联合向量的联合概率密度分布作为分子，以所述工艺材料参数的先验分布信息作为分母，计算二者的比值，得到所述传力结构截面力关于所述工艺材料参数的第一条件概率分布。

31、在一种可能的实施方式中，所述基于拟合得到的联合概率密度分布进行边缘化处理，依据贝叶斯定理推导所述第二条件概率分布，包括：

32、对所述第二联合向量的联合概率密度分布在所述耐撞性能响应的维度上进行积分，得到所述传力结构截面力的边缘概率密度分布；

33、以所述第二联合向量的联合概率密度分布作为分子，以所述传力结构截面力的边缘概率密度分布作为分母，计算二者的比值，得到所述耐撞性能响应关于所述传力结构截面力的第二条件概率分布。

34、在一种可能的实施方式中，所述方法还包括模型验证步骤，所述模型验证步骤包括以下验证方式中的至少一种：

35、第一种方式：采用留一交叉验证，每次剔除一组样本数据，以剩余样本数据重新训练所述联合概率代理模型；利用训练后的联合概率代理模型预测被剔除样本对应的传力结构截面力和耐撞性能响应；计算预测值与实际仿真值之间的均方根误差，以评估所述联合概率代理模型的预测精度；

36、第二种方式：基于所述联合概率代理模型进行多次采样，生成传力结构截面力和耐撞性能响应的采样样本；将所述采样样本与用于训练的实际仿真样本进行分布一致性检验，以验证所述联合概率代理模型复现真实碰撞响应分布形态的能力。

37、在一种可能的实施方式中，所述基于所述联合概率代理模型，确定在耐撞性能失效事件发生的条件下所述工艺材料参数的后验分布信息，包括：

38、从所述工艺材料参数的先验分布信息中抽取多组候选样本；

39、基于所述联合概率代理模型，分别确定各组所述候选样本在所述耐撞性能失效事件下的失效权重；

40、根据所述失效权重对所述候选样本进行重采样，获得服从所述后验分布的后验样本集。

41、在一种可能的实施方式中，所述根据所述工艺材料参数的所述后验分布信息与先验分布信息之间的差异度，确定导致耐撞性能失效的归因结果，包括：

42、分别计算所述工艺材料参数的所述后验分布信息与所述先验分布信息之间的kl散度，得到各所述工艺材料参数的灵敏度指标；

43、将所述灵敏度指标大于或等于第一预设阈值的工艺材料参数识别为关键敏感参数，将灵敏度指标小于或等于第二预设阈值的工艺材料参数识别为非敏感参数。

44、在一种可能的实施方式中，所述计算所述工艺材料参数的所述后验分布信息与所述先验分布信息之间的kl散度，包括：

45、对所述后验分布信息的后验样本集进行核密度估计，获得后验概率密度函数；

46、对于所述后验样本集中的各样本点，分别计算所述后验概率密度函数值与所述先验分布信息的概率密度值之比的对数；

47、对所述对数在所述后验样本集上求平均，得到所述kl散度的数值估计。

48、在一种可能的实施方式中，所述根据所述归因结果，调整所述工艺材料参数的设计值，包括：

49、缩小所述关键敏感参数的制造公差范围，和/或，将所述关键敏感参数的设计名义值向有利于提升耐撞性能的方向偏移；

50、放大所述非敏感参数的制造公差范围。

51、在一种可能的实施方式中，在根据所述工艺材料参数的所述后验分布信息与先验分布信息之间的差异度，确定导致耐撞性能失效的归因结果之前，还包括：

52、基于所述联合概率代理模型进行正向采样，获得所述耐撞性能响应的概率密度函数或累积分布函数；

53、根据预设的失效阈值，计算所述耐撞性能响应超出所述失效阈值的失效概率；

54、若所述失效概率大于预设风险阈值，则执行根据所述工艺材料参数的所述后验分布信息与先验分布信息之间的差异度，确定导致耐撞性能失效的归因结果的步骤。

55、在一种可能的实施方式中，所述工艺材料参数包括以下至少之一：前纵梁钣金厚度、吸能盒壁厚、材料屈服强度、材料抗拉强度、材料延伸率、焊点失效应变、结构胶失效应变；

56、所述传力结构截面力包括：前纵梁截面力和/或副车架纵梁截面力；

57、所述耐撞性能响应包括：乘员舱峰值侵入量和/或b柱下加速度。

58、第二方面，本技术实施例提供一种车身结构的设计优化装置，所述装置包括：

59、第一处理单元，用于获取当前车身结构的联合概率代理模型；其中，所述联合概率代理模型采用依据碰撞载荷传递路径构建的以工艺材料参数为根节点、以传力结构截面力为中间节点、以耐撞性能响应为叶节点的贝叶斯网络拓扑结构，所述联合概率代理模型用于表征相邻层节点之间的条件概率分布；

60、第二处理单元，用于基于所述联合概率代理模型，确定在耐撞性能失效事件发生的条件下所述工艺材料参数的后验分布信息；

61、第三处理单元，用于根据所述工艺材料参数的所述后验分布信息与先验分布信息之间的差异度，确定导致耐撞性能失效的归因结果；

62、第四处理单元，用于根据所述归因结果，调整所述工艺材料参数的设计值。

63、第三方面，本技术实施例提供一种电子设备，包括：存储器，处理器；

64、所述存储器存储计算机执行指令；

65、所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如上第一方面和/或第一方面各种可能的实施方式。

66、第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上第一方面和/或第一方面各种可能的实施方式。

67、第五方面，本技术实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面和/或第一方面各种可能的实施方式。

68、本技术实施例提供的车身结构的设计优化方法，通过获取用于表征工艺材料参数、传力结构截面力以及耐撞性能响应之间条件概率分布关系的联合概率代理模型，并基于耐撞性能失效事件确定工艺材料参数的后验分布信息，能够从性能失效结果反向量化各工艺材料参数对失效的影响程度；进而根据工艺材料参数的后验分布信息与先验分布信息之间的差异度确定导致耐撞性能失效的归因结果，并依据归因结果调整工艺材料参数的设计值，实现对关键影响参数的高效识别与针对性优化，提高车身结构耐撞性设计的分析效率和优化准确性。