Struct Multidisc Optim（2013）48：653-667 DOI 10.1007 / s00158-013-0916-7
工业应用
多组件拼焊板（TWB）结构的耐撞性设计
徐凤祥·孙光永·李光耀·李清
收到日期：2012年10月22日/修订日期：2013年2月1日/接受日期：2013年2月26日/在线发布日期：2013年4月3日
copy;Springer-Verlag柏林海德堡2013
摘要
拼焊板（TWB）结构的耐撞性在车辆轻量化设计中日益受到关注。 尽管多目标优化（MOO）在很大程度上已经成功地应用于增强车辆结构的耐撞性，但是大多数现有设计仅限于单一或均匀的薄壁部件。 TWB结构等非均匀部件受到了有限的关注。 在本文中，通过考虑B柱部件的结构重量，侵入位移和速度作为目标，提出了涉及受到侧面碰撞的B柱和内门系统的多部件TWB结构的MOO， B柱不同位置的厚度和焊接高度作为设计变量。 MOO问题是通过使用一系列不同的元建模技术，包括响应面法（RSM），人工神经网络（ANN），径向基函数（RBF）和Kriging（KRG）来近似复杂的非线性响应。 通过比较发现，基于径向基函数（RBF，尤其是多二次模型，即RBF-MQ）构建的元模型与实验设计（DoE）检测点吻合良好。
F. Xu G. Sun G. Li（）
湖南大学汽车车身先进设计制造国家重点实验室，长沙410082
· ·
电子邮件：gyli@hnu.edu.cn
F. Xu
重庆理工大学汽车零部件制造与测试技术教育部重点实验室，重庆400054
Q.李
悉尼大学航空航天，机械和机电工程学院，澳大利亚新南威尔士州2006年，澳大利亚
这项研究表明多组分TWB结构可以进行优化，以进一步提高耐撞性和减轻重量，为轻量化设计提供了一类新的结构/材料配置。
关键词Crashworthiness·多目标优化（MOO）·元建模方法·定制焊缝毛坯（TWB）结构·侧面碰撞
介绍
人们越来越重视轻量化的车辆以解决一系列严苛的环境相关问题，如材料使用和燃料消耗。 为了实现这些苛刻的目标，大量的努力致力于开发各种量身定制的焊接技术（Gery et al。2005; Aslanlar等人2007; 刘等人。2007; Chung等人2009）。 适当的拼焊板（TWB）结构的应用已被证明是相当有效的，以解决上述减轻商业车辆重量和提高生产率的问题。 定制焊接坯料的术语源自汽车工程师可以“定制”冲压位置的想法，以便以更高效的方式实现特定材料属性和/或厚度分配的目的（Kinsey et al。2000）。 事实上，许多汽车公司已经通过结合铝合金和高强度钢等各种先进材料广泛应用激光TWB技术（Jie et al。 2005）。
TWB技术指的是包含多个不同材料或不同厚度的片材，其在成型过程之前焊接在一起以构造单个坯件。 由于焊接线附近热影响区（HAZ）材料性质的变化，焊接工艺造成了传统成形工艺的成形性问题（Kinsey et al。2000）。 随着TWB技术的越来越广泛的应用，TWB结构的耐撞性设计越来越受到关注，因为它们的材料性质和结构行为可能不同于传统结构（Pan et al。2010).
内车门板，B柱和正面侧轨是车辆采用的TWB结构的典型例子（Zhang et al。2007; 朱等人2008）。 使用TWB的内门板可以使用拓扑，尺寸和形状优化来开发（Shin et al。2002）。 Song和Park进行了TWB结构的汽车前门的多学科优化，以获得刚度，固有频率和侧面碰撞耐撞性标准（2006）。 基于TWB的B柱结构在保护乘员免受侧面碰撞事故的严重伤害方面发挥着至关重要的作用，并且在车辆顶部碰撞和侧面碰撞的碰撞限制条件下进行了优化以最小化重量（Pan et al。2010）。 然而，文献中报道的这些TWB结构优化主要集中在单个组件上。 它仍然在多组分结构下报道。
非线性有限元分析（FEA）已被证明是一种强大的工具，用于计算分析耐撞性以满足各种安全要求（Shi et al。2007; 廖等人。2008a, b; 潘等人。2010）。 冲击建模涉及材料和几何非线性以及摩擦接触动态的高度复杂的力学问题。 TWB和传统结构的主要区别在于焊缝的存在。 有时有必要对含有HAZ的焊接区域进行建模，这些焊接区域可能与基础材料具有明显不同的机械性能（Zhao et al。2001）。 为了降低计算成本，建立了熔合线的重合节点模型以模拟TWB结构的瞬时影响（Pan et al。2010).
除了新材料和TWB技术之外，优化技术是确保车辆满足更高性能要求的另一种有前途的方法（Yang et al。2002）。 在这方面，使用元模型来近似高度非线性的耐撞性设计问题越来越受到关注。 作为实际应用的有效替代，元建模或代理技术已被广泛应用于工业设计中（Myers et al。1971, 2009; Bascedil;和Boyacı2007a, b; Bezerra等人2008; 孙等人。2011a; 古普塔等人。
2012）。 在汽车工程领域，多目标优化通常通过将优化算法与单响应曲面法（RSM），人工神经网络（ANN），径向基函数（RBF）或Kriging（KRG）等单个元建模技术相结合来进行。等（Gu et al。2001; Fang等人2005a; Zhang等人2007; 潘等人。2010; 孙等人。2011b）。 然而，关于涉及内门板和B柱系统的多个TWB结构的耐撞性设计，要确定哪些元模型能够提供最佳逼近决不容易。 出于这个原因，上述不同的替代技术将被考虑在内（Fang et al。2005a; Song等人2012).
在这项研究中，针对多个TWB结构进行多目标优化（MOO）设计，以进一步降低结构重量并改善车辆的耐撞性标准（例如B柱的入侵位移和速度）。 首先，创建侧面碰撞的有限元（FE）模型并使用物理测试数据进行验证。 然后采用均匀的拉丁超立方抽样（LHS）对设计域进行采样，以获得准确的兴趣响应。 为了有效地近似所关注的响应，将几种广泛使用的替代建模技术相互比较。 最后，采用非支配排序遗传算法（NSGA-II）和多目标粒子群优化算法（MOPSO）生成最优解进行比较。 发现多组分TWB结构虽然通过组合不同材料而显着优势，但可以进一步改善以实现更好的耐撞性。
方法
-
- 基于元模型的优化方法
为了定义优化问题，关于设计变量的客观和约束函数的数学表达是必不可少的。 在这方面，元建模已被证明对高度复杂的问题有效（Kurtaran et al。2002; Zerpa等人。2005; Goel等人。2008; Forrester和Keane2009）。 元建模的基本思想是构建一个合适的数学代理来近似未知的目标函数或约束函数。 为此，通过DoE方法需要一组采样点，如因子设计，拉丁超立方体，中心组合设计和Taguchi正交阵列（Fang et al。2005b）。 在这些样本点进行数值模拟以获得目标和约束的真实响应。 在这些FE取样运行之后，可以构建不同的替代模型以近似FE解决方案。
-
- 元建模技术
没有
采样点处的数值模拟
替代模型的构建
元模型的错误评估
不同的元模型技术RSM，KRG，ANN，RBF等
设计空间的抽样（统一的LHS）
优化问题的定义目标函数
约束条件，设计变量和范围
-
-
- 响应面法（RSM）
-
RSM逼近有三个关键步骤。 首先，近似函数的形式被定义为先验。 其次，必须选择足够数量的设计点来采样该设计空间。 最后，使用最小二乘法或其他方法将模型拟合到分析结果中，如图2所示。
是
执行多目标优化
满足准确性？
结束
获得帕累托解决方案并选择满意的解决方案
图1基于元模型的优化程序流程图
分析
图2
|
P2 |
||||||||
|
P1 |
||||||||
X2
Y
P1
P2
X2
X1
X1
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
