留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多种代理模型在汽车座椅轻量化设计中的应用研究

龙江启 胡俊

龙江启, 胡俊. 多种代理模型在汽车座椅轻量化设计中的应用研究[J]. 机械科学与技术, 2021, 40(8): 1285-1292. doi: 10.13433/j.cnki.1003-8728.20200194
引用本文: 龙江启, 胡俊. 多种代理模型在汽车座椅轻量化设计中的应用研究[J]. 机械科学与技术, 2021, 40(8): 1285-1292. doi: 10.13433/j.cnki.1003-8728.20200194
LONG Jiangqi, HU Jun. Study on Application of Surrogate Models to Lightweight Design of Automobile Seat[J]. Mechanical Science and Technology for Aerospace Engineering, 2021, 40(8): 1285-1292. doi: 10.13433/j.cnki.1003-8728.20200194
Citation: LONG Jiangqi, HU Jun. Study on Application of Surrogate Models to Lightweight Design of Automobile Seat[J]. Mechanical Science and Technology for Aerospace Engineering, 2021, 40(8): 1285-1292. doi: 10.13433/j.cnki.1003-8728.20200194

多种代理模型在汽车座椅轻量化设计中的应用研究

doi: 10.13433/j.cnki.1003-8728.20200194
基金项目: 

国家自然科学基金项目 51475336

详细信息
    作者简介:

    龙江启, 教授, 硕士生导师, 研究方向为汽车轻量化, longjiangqi@163.com

  • 中图分类号: U463.83

Study on Application of Surrogate Models to Lightweight Design of Automobile Seat

  • 摘要: 针对汽车座椅传统轻量化方法存在计算周期长, 提出一种基于多种代理模型的汽车座椅轻量化设计方法。首先, 建立某乘用车座椅子系统碰撞台车试验的仿真模型, 并经台车试验验证。然后, 结合优化拉丁超立方试验设计, 以6个座椅部件厚度和3种材料类型为设计变量, 通过多种代理模型对样本点进行近似拟合。最后, 以质量最小、1阶频率最大为目标, 以假人最大下潜量、靠背转角为约束, 采用粒子群算法进行多目标优化。结果表明: 相比Kriging代理模型优化结果, 基于多种代理模型优化, 汽车座椅多减重0.74 kg, 提高了36%, 1阶模态频率提高1.39 Hz, 计算周期缩短80%。
  • 图  1  汽车座椅有限元模型

    图  2  1阶振型(前后摆动)

    图  3  2阶振型(前后摆动)

    图  4  3阶振型(弯扭组合)

    图  5  座椅骨架模态频率试验

    图  6  传感器固定点位置

    图  7  选择优化的零部件

    图  8  前碰工况下假人最大下潜量(中点垂向最大位移)

    图  9  后碰工况下靠背最大转角

    图  10  优化流程图

    图  11  不同响应的R2值比较

    图  12  各响应的预测值与仿真结果比较

    图  13  Kriging优化流程图

    表  1  座椅骨架的模态频率 Hz

    座椅模态频率 1阶模态 2阶模态 3阶模态
    试验 16.93 17.72 37.58
    仿真 16.98 18.40 41.23
    下载: 导出CSV

    表  2  材料参数表

    材料编号Ai 材料名称 泊松比 弹性模量/GPa 密度/(kg·m-3)
    A1 铝合金 0.35 45 1 840
    A2 镁合金 0.33 72 2 720
    A3 高强度钢 0.28 195 7 830
    下载: 导出CSV

    表  3  零件的初始厚度及其上下限

    零件 初始厚度/mm 上限/mm 下限/mm
    坐盆前后横管 2 2.5 1.5
    靠背侧边板 1.5 2.0 1.0
    坐垫加强板 3.5 4.0 3.0
    滑轨连接板 2.5 3.0 2.0
    坐盆侧边板 2.0 2.5 1.5
    座椅滑轨 1.65 2.0 1.0
    下载: 导出CSV

    表  4  设计要求及目标

    参数 初始值 目标
    座椅骨架质量m/kg 18.39 最小
    1阶模态频率F/Hz 16.98 最大
    假人最大下潜量Z/mm 35.10 < 40
    靠背最大转角R/(°) 27.34 < 25
    下载: 导出CSV

    表  5  多个代理模型

    编号 代理模型
    1 PRS1(一次多项式响应曲面模型)
    2 KRG-Matern linear(通过改变相关函数得到3种不同的克里金模型)
    3 KRG-Exponential
    4 KRG-Gauss
    5 RBF-Gauss(径向基函数选择高斯函数)
    下载: 导出CSV

    表  6  粒子群算法参数设置

    参数名称 数值
    最大迭代 50
    粒子数 10
    惯性系数 0.9
    粒子增量 0.9
    整体增量 0.9
    下载: 导出CSV

    表  7  迭代过程中为每个响应选择代理模型

    迭代次数 R Z F m
    1 2 4 4 5
    2 2 4 4 4
    3 5 5 4 5
    4 3 3 4 3
    5 2 2 2 5
    6 2 4 4 5
    下载: 导出CSV

    表  8  优化方案

    零件 优化厚度/mm 优化材料
    坐盆前后横管 2.5 A2
    靠背侧边板 1.8 A2
    坐垫加强板 3.4 A2
    滑轨连接板 2.8 A2
    坐盆侧边板 2.0 A3
    座椅滑轨 1.9 -
    下载: 导出CSV

    表  9  优化结果

    参数 优化值
    骨架质量m/kg 15.60
    1阶频率F/Hz 18.32
    假人最大下潜Z/mm 29.33
    靠背最大转角R/(°) 23.33
    下载: 导出CSV

    表  10  Kriging近似模型确定性系数

    参数 R2
    m 0.98
    F 0.91
    Z 0.92
    R 0.91
    下载: 导出CSV

    表  11  汽车座椅骨架的优化解及响应

    设计变量 方案1 方案2 方案3
    材料类型A1 3 3 2
    材料类型A2 3 3 1
    材料类型A3 3 2 1
    材料类型A4 2 2 2
    材料类型A5 3 3 3
    厚度T1/mm 2.2 2.5 2.1
    厚度T2/mm 1.3 1.6 1.7
    厚度T3/mm 3.2 3.1 3.2
    厚度T4/mm 2.8 2.6 2.9
    厚度T5/mm 2.4 2.2 2.2
    厚度T6/mm 2.0 1.8 1.8
    1阶频率F/Hz 18.15 18.17 18.34
    骨架质量m/kg 17.60 17.02 16.34
    靠背最大转角R/(°) 24.56 25.19 23.66
    假人最大下潜Z/mm 24.34 26.44 39.12
    下载: 导出CSV

    表  12  两种优化方案与原始模型对比

    参数 迭代优化 Kriging优化 原始模型
    骨架质量m/kg 15.60 16.34 18.39
    1阶频率F/Hz 18.37 18.34 16.98
    靠背最大转角R/(°) 23.33 23.66 27.34
    假人最大下潜Z/mm 29.33 39.12 35.10
    下载: 导出CSV

    表  13  计算周期对比

    方案 迭代优化 Kriging优化
    样本点数量 33 150
    计算时间/h 70~90 350~370
    下载: 导出CSV
  • [1] DENG L, WANG X Y, JIN J S, et al. Precision forging technology for aluminum alloy[J]. Frontiers of mechanical Engineering, 2018, 13(1): 25-36 doi: 10.1007/s11465-018-0477-y
    [2] 李明, 杜徐徐. 新能源汽车座椅轻量化设计的探讨[J]. 工业设计, 2020(1): 153-154 https://www.cnki.com.cn/Article/CJFDTOTAL-GYSH202001066.htm

    LI M, DU X X. Discussion on lightweight design of new energy automobile seat[J]. Industrial Design, 2020(1): 153-154 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GYSH202001066.htm
    [3] 白煜, 丁晓红. 基于拓扑优化的复合材料汽车座椅骨架设计[J]. 上海理工大学学报, 2017, 39(1): 75-80 https://www.cnki.com.cn/Article/CJFDTOTAL-HDGY201701013.htm

    BAI Y, DING X H. Optimal design of composite automotive seat frame based on topology optimization[J]. Journal of University of Shanghai for Science and Technology, 2017, 39(1): 75-80 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-HDGY201701013.htm
    [4] PALANIKUMAR K, SUBBIAH V. Bio caryota fiber reinforced polymer composites: mechanical properties and vibration behavior analysis[J]. Journal of Bionic Engineering, 2019, 16(3): 480-491 doi: 10.1007/s42235-019-0039-y
    [5] 薛玉荣. 汽车座椅支架用铝合金管材性能的研究[J]. 热加工工艺, 2015, 44(3): 55-57, 61 https://www.cnki.com.cn/Article/CJFDTOTAL-SJGY201503016.htm

    XUE Y R. Study on performance of aluminum alloy tube for car seat bracket[J]. Hot Working Technology, 2015, 44(3): 55-57, 61 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SJGY201503016.htm
    [6] 李强红, 李剑平, 李三红, 等. 汽车座椅滑车碰撞有限元分析与试验研究[J]. 汽车技术, 2007(5): 30-33 https://www.cnki.com.cn/Article/CJFDTOTAL-QCJS200705008.htm

    LI Q H, LI J P, LI S H, et al. Finite element analysis and test study about sled impact test of automobile seat[J]. Automobile Technology; 2007(5): 30-33 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QCJS200705008.htm
    [7] 刘新田, 王吉昌, 赵礼辉, 等. 基于台架试验的座椅轻量化研究[J]. 现代制造工程, 2012(10): 64-68 https://www.cnki.com.cn/Article/CJFDTOTAL-XXGY201210017.htm

    LIU X T, WANG J C, ZHAO L H, et al. Analysis of lightweight seat based on bench test[J]. Modern Manufacturing Engineering, 2012(10): 64-68 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XXGY201210017.htm
    [8] 任明, 孙涛, 石永金, 等. 基于Kriging近似模型的车架轻量化优化[J]. 机械强度, 2019, 41(6): 1372-1377 https://www.cnki.com.cn/Article/CJFDTOTAL-JXQD201906017.htm

    REN M, SUN T, SHI Y J, et al. Lightweight optimization of vehicle frame structure based on the Kriging approximate model[J]. Journal of Mechanical Strength, 2019, 41(6): 1372-1377 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JXQD201906017.htm
    [9] PAN F, ZHU P. Lightweight design of vehicle front-end structure: contributions of multiple surrogates[J]. International Journal of Vehicle Design, 2011, 57(2-3): 124-147 http://www.onacademic.com/detail/journal_1000039377595710_02ad.html
    [10] 陈媛媛, 郑玲. 基于代理模型的汽车正撞安全性仿真优化[J]. 汽车工程, 2018, 40(6): 673-678, 718 https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201806008.htm

    CHEN Y Y, ZHENG L. Simulation and optimization of vehicle frontal crashworthiness based on surrogate model[J]. Automotive Engineering, 2018, 40(6): 673-678, 718 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201806008.htm
    [11] 郑建洲, 陈有松, 吕斌斌, 等. 基于Kriging模型的座椅子系统安全性能优化研究[J]. 汽车工程, 2019, 41(11): 1301-1307 https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201911012.htm

    ZHENG J Z, CHEN Y S, LV B B, et al. A study on safety performance optimization of seat subsystem based on Kriging model[J]. Automotive Engineering, 2019, 41(11): 1301-1307 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201911012.htm
    [12] VIANA F A C, HAFTKA R T, STEFFEN V JR. Multiple surrogates: how cross-validation errors can help us to obtain the best predictor[J]. Structural and Multidisciplinary Optimization, 2009, 39(4): 439-457 doi: 10.1007/s00158-008-0338-0
    [13] 胡朝辉, 成艾国, 陈少伟, 等. 多材料-多零件规格组合结构多目标优化的应用[J]. 机械工程学报, 2010, 46(22): 111-116 https://www.cnki.com.cn/Article/CJFDTOTAL-JXXB201022022.htm

    HU Z H, CHENG A G, CHEN S B, et al. Application of multi-objective optimization of multi-material-multi-part specification composite construction[J]. Journal of Mechanical Engineering, 2010, 46(22): 111-116 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JXXB201022022.htm
    [14] 丰亮. 基于刚度和模态分析的纯电动汽车白车身轻量化设计[D]. 长沙: 湖南大学, 2017

    FENG L. Lightweight design of pure electric automobiles' body based on stiffness and modal analysis[D]. Changsha: Hunan University, 2017 (in Chinese)
    [15] 高轶男. 基于组合代理模型的汽车碰撞安全性多目标优化研究[D]. 重庆: 重庆大学, 2016

    GAO Y N. Multi objective optimization of vehicle crashworthiness based on surrogate model[D]. Chongqing: Chongqing University, 2016 (in Chinese)
    [16] 张利彪, 周春光, 马铭, 等. 基于粒子群算法求解多目标优化问题[J]. 计算机研究与发展, 2004, 41(7): 1286-1291 https://www.cnki.com.cn/Article/CJFDTOTAL-JFYZ200407034.htm

    ZHANG L B, ZHOU C G, MA M, et al. Solutions of multi-objective optimization problems based on particle swarm optimization[J]. Journal of Computer Research and Development, 2004, 41(7): 1286-1291 (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JFYZ200407034.htm
  • 加载中
图(13) / 表(13)
计量
  • 文章访问数:  23
  • HTML全文浏览量:  4
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-02-02
  • 刊出日期:  2021-10-09

目录

    /

    返回文章
    返回