Research on Application of Electric Vehicle Collision Based on Reliability Optimization Design Method(基于可靠性優(yōu)化設(shè)計(jì)方法的電動(dòng)汽車(chē)碰撞應(yīng)用研究)
- 文件介紹:
- 該文件為 docx 格式,下載需要 10 積分
- Research on Application of Electric Vehicle Collision Based on Reliability Optimization Design Method(基于可靠性優(yōu)化設(shè)計(jì)方法的電動(dòng)汽車(chē)碰撞應(yīng)用研究)摘要:在提到多學(xué)科設(shè)計(jì)優(yōu)化方法時(shí),往往采用確定性優(yōu)化設(shè)計(jì)來(lái)設(shè)置約束邊界。此外,在設(shè)計(jì)、制造和運(yùn)行過(guò)程中,只有少量的空間公差(或不確定度)可用。因此,缺乏不確定性的確定性優(yōu)化設(shè)計(jì)不能滿足可靠性設(shè)計(jì)優(yōu)化的需要。本文將可靠性優(yōu)化設(shè)計(jì)方法、有限元分析、最優(yōu)拉丁超立方體試驗(yàn)設(shè)計(jì)和響應(yīng)面近似模型相結(jié)合,對(duì)電動(dòng)汽車(chē)側(cè)面結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì),提高其耐撞性。本文首先建立了電動(dòng)汽車(chē)側(cè)面碰撞有限元模型并進(jìn)行了驗(yàn)證。然后,以車(chē)輛受力結(jié)構(gòu)的尺寸和材料屈服強(qiáng)度為設(shè)計(jì)變量,并以實(shí)際碰撞中的碰撞速度為隨機(jī)變量,采用95%可靠性優(yōu)化方法對(duì)汽車(chē)側(cè)面碰撞的耐撞性進(jìn)行優(yōu)化。結(jié)果表明,95%可靠性優(yōu)化設(shè)計(jì)使車(chē)身側(cè)部總能量吸收提高了9.45%,B柱和車(chē)門(mén)內(nèi)板的侵入分別降低了10.42%和14.75%。B柱和車(chē)門(mén)內(nèi)板的侵入速度分別降低了10.35%和17.78%。通過(guò)與傳統(tǒng)確定性優(yōu)化方法和可靠性優(yōu)化方法的比較,后者能更好地滿足碰撞安全目標(biāo),提高車(chē)身設(shè)計(jì)的可靠性。
關(guān)鍵詞:可靠性優(yōu)化;電動(dòng)汽車(chē);試驗(yàn)設(shè)計(jì);有限元仿真;安全性。
1 介紹
為了解決環(huán)境和能源問(wèn)題,世界各國(guó)都在大力發(fā)展電動(dòng)汽車(chē)產(chǎn)業(yè)。與傳統(tǒng)燃料汽車(chē)相比,電動(dòng)汽車(chē)在碰撞過(guò)程中具有特殊性。除了汽車(chē)碰撞結(jié)構(gòu)變形造成的乘員傷害外,還必須考慮動(dòng)力電池碰撞擠壓引起的火災(zāi)爆炸危險(xiǎn)。
近年來(lái),國(guó)內(nèi)外學(xué)者在汽車(chē)碰撞安全領(lǐng)域開(kāi)展了一系列可靠性研究。對(duì)于多目標(biāo)優(yōu)化問(wèn)題,錢(qián)等人[2017]采用統(tǒng)一拉丁方試驗(yàn)設(shè)計(jì)方法,建立了精度高的近似模型,實(shí)現(xiàn)了車(chē)體的輕量化。youn和choi[2004]提出了一種高效穩(wěn)定的可靠性優(yōu)化設(shè)計(jì)混合平均法,發(fā)展了一種新的可靠性優(yōu)化設(shè)計(jì)響應(yīng)面方法,并將該方法應(yīng)用于汽車(chē)側(cè)面碰撞結(jié)構(gòu)優(yōu)化設(shè)計(jì)。它不僅提高了汽車(chē)側(cè)面碰撞的耐撞性,而且實(shí)現(xiàn)了車(chē)身的輕量化。Lee等人[2008]提出了一種基于可靠性的穩(wěn)健優(yōu)化設(shè)計(jì)方法,并用單變量降維法、性能矩積分法和百分位差分法進(jìn)行了精度和效率的比較。將其應(yīng)用于汽車(chē)的耐撞性,得到了一種較好的耐撞性可靠性優(yōu)化設(shè)計(jì)方法(RODM)。marklund和nilsson[2001]在線性和二次響應(yīng)曲面的基礎(chǔ)上,采用全局逼近的方法對(duì)車(chē)身進(jìn)行優(yōu)化。潘等人[2010]采用實(shí)驗(yàn)設(shè)計(jì)和向量迭代法對(duì)B柱結(jié)構(gòu)點(diǎn)焊進(jìn)行優(yōu)化。
這些優(yōu)化設(shè)計(jì)方法為提高車(chē)身碰撞安全性提供了有益的探索,但這些研究?jī)H僅是基于側(cè)面碰撞法規(guī)。由于側(cè)面碰撞規(guī)則中的碰撞速度是固定的,沒(méi)有考慮實(shí)際交通條件下碰撞速度的隨機(jī)性,安全性不一定滿足最優(yōu)可靠性要求。其次,RODM不涉及電動(dòng)汽車(chē)的安全研究領(lǐng)域,以提高車(chē)身的安全性。
由于傳統(tǒng)優(yōu)化設(shè)計(jì)的不確定性,導(dǎo)致優(yōu)化后的車(chē)身剛度和強(qiáng)度均不滿足可靠性要求。針對(duì)實(shí)際工況下碰撞速度的隨機(jī)性,進(jìn)行了基于RODM的車(chē)身結(jié)構(gòu)應(yīng)用研究。
2 可靠性優(yōu)化設(shè)計(jì)理論
2.1 最優(yōu)拉丁超立方體實(shí)驗(yàn)設(shè)計(jì)
拉丁超立方體實(shí)驗(yàn)設(shè)計(jì)將各個(gè)因素的設(shè)計(jì)區(qū)域平均分割,并隨機(jī)組合各個(gè)層次。因此,在對(duì)高維設(shè)計(jì)空間進(jìn)行采樣時(shí),采樣點(diǎn)可能分布不均。因此,最優(yōu)拉丁超立方體實(shí)驗(yàn)設(shè)計(jì)方法正是基于拉丁超立方體方法的理論,優(yōu)化算法將采樣點(diǎn)均勻分布在設(shè)計(jì)空間中。通用優(yōu)化準(zhǔn)則[Klepaczko(2005)]:假設(shè)響應(yīng)的數(shù)學(xué)模型是,其中q(x)是平均值為零的高斯分布函數(shù)。l維參數(shù)(S和T)的協(xié)方差函數(shù)為q(x)性能由參數(shù)q和θ決定,因此,最終的優(yōu)化準(zhǔn)則等于-log丨R丨的最小值。
2.2 可靠性優(yōu)化設(shè)計(jì)理論介紹
產(chǎn)品制造過(guò)程中存在一定的偏差。這樣的偏差可以在預(yù)期產(chǎn)品的平均值附近波動(dòng);因此,實(shí)際情況中的變量是不確定的。傳統(tǒng)的確定性優(yōu)化設(shè)計(jì)結(jié)果往往收斂于邊界約束,給設(shè)計(jì)、制造和運(yùn)行過(guò)程留下很小的允許誤差[Hai等人(2009年)]。但由于確定性優(yōu)化不考慮不確定性因素,這類(lèi)結(jié)果往往導(dǎo)致不可靠的結(jié)果。因此,有必要基于可靠性理論對(duì)產(chǎn)品進(jìn)行優(yōu)化設(shè)計(jì)。可靠性優(yōu)化設(shè)計(jì)是將設(shè)計(jì)變量按一定概率隨機(jī)分布,最終使產(chǎn)品的失效概率在一定范圍內(nèi)。因此,它是一種能夠定量評(píng)價(jià)產(chǎn)品可靠性并獲得產(chǎn)品性能最優(yōu)解的優(yōu)化方法。
采用概率統(tǒng)計(jì)、可靠性分析和優(yōu)化設(shè)計(jì)相結(jié)合的方法,對(duì)機(jī)械結(jié)構(gòu)進(jìn)行設(shè)計(jì)和優(yōu)化,確保結(jié)構(gòu)的安全可靠。因此,基于概率統(tǒng)計(jì)和隨機(jī)過(guò)程理論,RODM的發(fā)展迅速,應(yīng)用廣泛。可靠性優(yōu)化是將設(shè)計(jì)變量按一定的概率隨機(jī)分布,最終使產(chǎn)品失效概率在一定的期望范圍內(nèi)的方法。因此,可靠性優(yōu)化方法是一種能定量評(píng)價(jià)產(chǎn)品可靠性,同時(shí)使產(chǎn)品性能達(dá)到最優(yōu)解的方法。在可靠性優(yōu)化中,將可靠性要求輸入到目標(biāo)函數(shù)或約束條件中。利用該優(yōu)化方法,可以得到產(chǎn)品設(shè)計(jì)的最優(yōu)解,達(dá)到預(yù)定的最佳目標(biāo)[張等人(2007)]。可靠性優(yōu)化方法由可靠性分析和可靠性優(yōu)化兩部分組成。可靠性分析是可靠性優(yōu)化的基礎(chǔ)。可靠性的主要任務(wù)是確定系統(tǒng)或結(jié)構(gòu)部件的失效率。失效率是違反約束界的概率,通常由輸入變量的某些偏差引起。結(jié)構(gòu)或系統(tǒng)的可靠性定義為滿足問(wèn)題約束條件[喬等人(2009)]的概率。...