一种基于耐撞性的变截面长玻纤增强聚丙烯保险杠横梁优化方法

1.本发明涉及涉及汽车车身新材料、新结构领域，尤其涉及一种基于耐撞性的变截面长玻纤增强聚丙烯保险杠横梁优化方法。


背景技术：

2.汽车保险杠横梁存在着轻量化和耐撞性的矛盾，所以提出一种变截面长玻纤增强聚丙烯复合材料的保险杠横梁，能够较好的协同以上矛盾，并且通过对复合材料保险杠横梁的变截面厚度进行优化，可使保险杠横梁的强度和轻量化达到最优。
3.目前的保险杠横梁设计和优化主要有以下两方面不足：
4.1、保险杠横梁多为金属材质，在轻量化和成本上存在着巨大的劣势；
5.2、一般采用确定性优化方法对结构进行优化设计，未考虑设计参数的不确定性，无法保证优化结果的稳健性。


技术实现要素：

6.本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于耐撞性的变截面长玻纤增强聚丙烯保险杠横梁优化方法，通过cad的参数化建模缩短建模时间，并且融合有限元仿真技术、正交实验设计方法、粒子群算法优化神经网络模型法，均值一阶可靠性分析方法及t分布麻雀觅食算法对横梁的中部截面厚度及两端截面厚度参数进行基于6sigma的不确定性优化，缩短了保险杠横梁的开发成本和时间，并且提高了优化的稳健性。
7.本发明为解决上述技术问题采用以下技术方案：
8.一种基于耐撞性的变截面lgf-pp保险杠横梁优化方法，包括以下步骤：
9.步骤1)，在isight优化软件中，选取正交实验设计方法，在各个设计变量参数预设的阈值范围内均匀选取n组设计样本点，所述设计变量参数分别为变截面lgf-pp保险杠横梁中部截面厚度t1及两端截面厚度t2，n为大于0的自然数；
10.步骤2)，根据选取的设计样本点，在catia软件中建立n组变截面lgf-pp保险杠横梁的几何模型；
11.步骤3)，将n组变截面lgf-pp保险杠横梁的几何模型，导入hypermesh软件中，对其进行几何清理和网格划分，并定义变截面lgf-pp保险杠横梁的材料本构模型；
12.步骤4)，将预设的美国汽车安全技术法规(fmvss)保险杠碰撞器模型导入hypermesh中，通过rbe2分别建立每一个变截面lgf-pp保险杠横梁和吸能盒的连接关系，设置碰撞器模型与变截面lgf-pp保险杠横梁的相对位置和碰撞速度，约束吸能盒后端节点的6个自由度，同时定义碰撞器模型和变截面lgf-pp保险杠横梁模型之间的接触和输出；
13.步骤5)，计算每一个变截面lgf-pp保险杠横梁碰撞时对应的碰撞力峰值(pf)、吸收能量(e)、质量(m)和被侵入量(sc)；
14.步骤6)，利用基于粒子群算法优化神经网络模型法，以n组变截面lgf-pp保险杠横梁对应的横梁的中部截面厚度(t1)及两端截面厚度(t2)参数为输入，以n组变截面lgf-pp保险杠横梁对应的pf、比吸能sea(sea＝e/m)、m和sc作为输出，构建以下四个粒子群算法优化神经网络代理模型：pf代理模型、sea代理模型、m代理模型和sc代理模型。
15.步骤7)，分别计算出步骤6)中四个代理模型拟合的相关系数r2和均方根误差rmse；
16.步骤8)，对于每一个响应面模型，将其相关系数r2、均方根误差rmse分别和预设的第一阈值、预设的第二阈值进行比较；若四个代理模型模型的相关系数r2均大于等于预设的第一阈值、均方根误差rmse将小于等于预设的第二阈值，执行步骤9)；否则重新执行步骤1)至步骤7)，直至四个响应面模型的相关系数r2均大于等于预设的第一阈值、均方根误差rmse均小于等于预设的第二阈值；
17.步骤9)，以变截面lgf-pp保险杠横梁的pf、sea和m为优化目标，以变截面lgf-pp保险杠横梁的sc为约束条件，以变截面lgf-pp保险杠横梁的中部截面厚度(t1)及两端截面厚度参数(t2)为设计变量，建立变截面lgf-pp保险杠横梁耐撞性的确定性优化数学模型；
[0018][0019]
步骤10)，根据建立的确定性优化数学模型，t分布麻雀觅食算法对变截面lgf-pp保险杠横梁的中部截面厚度(t1)及两端截面厚度参数(t2)进行确定性优化，得到pareto解集；
[0020]
步骤11)，从pareto解集中选取一组最优妥协解后输出。
[0021]
步骤12)，采用均值一阶可靠性分析(mvfo)方法对确定性优化结果进行6sigma可靠性分析，可靠性分析的设计变量值为确定优化的最优妥协解，设计变量变异系数设为0.05，概率分布为正态分布。若可靠度分析结果满足6sigma要求，则步骤11)所得的最优妥协解即为优化最终解；否则执行步骤13)。
[0022]
步骤13)，以变截面lgf-pp保险杠横梁的pf、sea和m为优化目标，以变截面lgf-pp保险杠横梁的sc为约束条件，以变截面lgf-pp保险杠横梁的t1、t2为设计变量，建立变截面lgf-pp保险杠横梁的不确定性优化数学模型：
[0023][0024]
步骤14)，根据建立的不确定性优化数学模型，采用t分布麻雀觅食算法对变截面lgf-pp保险杠横梁的t1、t2进行基于6sigma的不确定性优化，得到满足6sigma的质量水平和可靠性的pareto解集；
[0025]
步骤15)，从pareto解集中选取一组最优妥协解后输出，作为优化最终解。
[0026]
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
[0027]
1.本发明利用长玻纤增强聚丙烯非金属复合材料保险杠横梁替代了传统的金属材料保险杠横梁，在满足刚度和强度的基础上，大大提高了保险杠横梁的轻量化效果。
[0028]
2.采用不确定优化方法对长玻纤增强聚丙烯保险杠横梁进行优化，兼顾了耐撞性和轻量化的妥协最优，提高了优化结果的稳健性。
附图说明
[0029]
图1是本发明实施例提供的基于耐撞性的长玻纤增强聚丙烯保险杠横梁优化方法的流程图；
[0030]
图2是本发明实施例提供的长玻纤增强聚丙烯保险杠横梁优化参数示意图；
[0031]
图3是本发明实施例提供的长玻纤增强聚丙烯保险杠横梁碰撞模型示意图。
具体实施方式
[0032]
非金属复合材料由于其力学性能和轻量化效果被运用于汽车零部件设计中，以提高汽车的被动安全性和轻量化程度。目前针对基于耐撞性的长玻纤增强聚丙烯复合材料的保险杠有效优化方法较少，所以本发明公开了一种基于耐撞性的变截面长玻纤增强聚丙烯保险杠横梁优化方法，通过该优化方法可提高保险杠横梁的耐撞性和轻量化的同时保证优化结果的鲁棒性。
[0033]
下面结合附图对本发明的技术方案做进一步的详细说明：
[0034]
如图1所示，一种基于耐撞性的变截面长玻纤增强聚丙烯保险杠横梁优化方法由五方面内容组成：参数化建模及仿真、代理模型建立、确定性优化、可靠性分析、不确定性优化。
[0035]
参数化建模及仿真计算包括以下步骤：
[0036]
步骤1)，在isight优化软件中，选取正交实验设计方法，在各个设计变量参数预设的阈值范围内均匀选取27组设计样本点，所述设计变量参数分别为变截面lgf-pp保险杠横梁中部截面厚度t1及两端截面厚度t2，其中t1和t2的阈值范围为[4mm，6mm]；
[0037]
步骤2)，根据步骤1)选取的设计样本点，在catia软件中建立27组变截面lgf-pp保险杠横梁的cad模型；
[0038]
步骤2.1)，变截面lgf-pp保险杠横梁的截面形状为矩形，其长边和短边长分别为90mm和30mm。横梁的为跨距为1300mm，弯曲角度为30
°
，两个吸能盒内侧间距为960mm，取一组参数t1＝5mm，t2＝5mm，建立草图，并在草图上进行约束，如图2所示；
[0039]
步骤2.2)，将变截面lgf-pp保险杠横梁的设计变量参数与草图进行关联；
[0040]
步骤2.3)，将27组变截面lgf-pp保险杠横梁的设计变量参数，作为设计表导入到catia中；
[0041]
步骤2.4)，以步骤2.2)中得到的变截面lgf-pp保险杠横梁模型为基础，对catia中的宏功能进行二次开发，得到27组变截面lgf-pp保险杠横梁模型，名称分别为1.catpart、2.catpart.....27.catpart。
[0042]
步骤3)，将27组变截面lgf-pp保险杠横梁的cad模型，导入hypermesh软件中，对其
进行几何清理，采用壳单元对变截面lgf-pp保险杠横梁进行网格划分，并设置变截面lgf-pp保险杠横梁的材料本构模型为*mat piecew-ise linear plasticity，并用cowper-symods公式来模拟材料的最大应力应变失效模式；
[0043]
步骤4)，将预设的美国汽车安全技术法规(fmvss)保险杠碰撞器模型导入hypermesh中，如图3所示，
[0044]
步骤4.1)，变截面lgf-pp保险杠横梁和吸能盒的连接方式是刚性连接，通过rbe2来模拟；
[0045]
步骤4.2)，约束吸能盒后端节点的6个自由度；
[0046]
步骤4.3)，碰撞器模型的前表面与地面保持垂直，基准线保持水平，碰撞器的中心线与变截面lgf-pp保险杠横梁中心线对齐，碰撞器模型与变截面lgf-pp保险杠横梁之间的碰撞速度为4m/s；
[0047]
步骤4.4)，定义碰撞器模型和变截面lgf-pp保险杠横梁模型之间的接触算法为*contact_automatic_surface_to_surface，输出为碰撞力、能量和位移；
[0048]
步骤5)，计算每一个变截面lgf-pp保险杠横梁碰撞时对应的碰撞力峰值(pf)、吸收能量(e)、质量(m)和被侵入量(sc)；
[0049]
代理模型建立包括以下步骤：
[0050]
步骤6)，利用基于粒子群算法优化神经网络模型法，以27组变截面lgf-pp保险杠横梁对应的横梁的中部截面厚度(t1)及两端截面厚度(t2)参数为输入，以n组变截面lgf-pp保险杠横梁对应的pf、比吸能sea(sea＝e/m)、m和sc作为输出，构建以下四个粒子群算法优化神经网络代理模型：pf代理模型、sea代理模型、m代理模型和sc代理模型。
[0051]
步骤7)，分别计算出步骤6)中四个代理模型拟合的相关系数r2和均方根误差rmse，计算公式如下：
[0052][0053][0054]
式中，n为样本点的数量，i为样本点的序号，fi为第i个样本点的仿真试验结果，f
i’为第i个样本点处的响应面预测结果，是所有样本点的仿真试验结果的平均值，p为多项式的项。
[0055]
步骤8)，对于每一个响应面模型，将其相关系数r2、均方根误差rmse分别和预设的第一阈值、预设的第二阈值进行比较；若四个代理模型模型的相关系数r2均大于等于预设的第一阈值、均方根误差rmse将小于等于预设的第二阈值，执行步骤9)；否则重新执行步骤1)至步骤7)，直至四个响应面模型的相关系数r2均大于等于预设的第一阈值、均方根误差rmse均小于等于预设的第二阈值；
[0056]
预设的第一阈值优先设置为0.9，第二阈值优先设置为0.1。
[0057]
确定性优化包括以下步骤：
[0058]
步骤9)，以变截面lgf-pp保险杠横梁的pf、sea和m为优化目标，以变截面lgf-pp保险杠横梁的sc为约束条件，以变截面lgf-pp保险杠横梁的中部截面厚度(t1)及两端截面厚度参数(t2)为设计变量，建立变截面lgf-pp保险杠横梁耐撞性的确定性优化数学模型；
[0059][0060]
步骤10)，根据建立的确定性优化数学模型，t分布麻雀觅食算法对变截面lgf-pp保险杠横梁的中部截面厚度(t1)及两端截面厚度参数(t2)进行确定性优化，得到pareto解集；
[0061]
步骤11)，从pareto解集中选取一组最优妥协解后输出；
[0062]
可靠性分析步骤如下：
[0063]
步骤12)，采用均值一阶可靠性分析(mvfo)方法对确定性优化结果进行6sigma可靠性分析，可靠性分析的设计变量值为确定优化的最优妥协解，设计变量变异系数设为0.05，概率分布为正态分布。若可靠度分析结果满足6sigma要求，则步骤11)所得的最优妥协解即为优化最终解；否则执行步骤13)；
[0064]
不确定性优化包括以下步骤：
[0065]
步骤13)，以变截面lgf-pp保险杠横梁的pf、sea和m为优化目标，以变截面lgf-pp保险杠横梁的sc为约束条件，以变截面lgf-pp保险杠横梁的t1、t2为设计变量，建立变截面lgf-pp保险杠横梁的不确定性优化数学模型：
[0066][0067]
步骤14)，根据建立的不确定性优化数学模型，采用t分布麻雀觅食算法对变截面lgf-pp保险杠横梁的t1、t2进行基于6sigma的不确定性优化，得到满足6sigma的质量水平和可靠性的pareto解集；
[0068]
步骤15)，从pareto解集中选取一组最优妥协解后输出，作为优化最终解，优化后的变截面lgf-pp保险杠横梁的t1、t2以及sc的sigma值均达到了6以上，可靠性达到100％，所以通过基于6sigma不确定性优化的结果较一般的确定性优化方法的结果具有更高的可靠性。
[0069]
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0070]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。