基于多对象离散拓扑优化方法的车身结构平台化设计

doi:10.19562/j.chinasae.qcgc.2024.06.014

摘要/Abstract

摘要：

产品族的平台化设计可以提高零部件的通用率，降低生产成本。但是目前关于平台化的研究主要集中在参数化设计层面，缺少直接对产品拓扑结构进行平台化设计的方法。为此，本文面向车身结构的平台化设计需求提出了一种适用于多对象拓扑结构的并行设计方法。首先将改进图分解算法与多目标遗传算法结合得到单个车型拓扑结构划分的最优设计方案；其次基于车身拓扑结构模块化设计流程提出了一种面向多对象优化的多种群多染色体遗传算法（multi-population and multi-chromosome genetic algorithm， MPMCGA），该算法能够保证各对象的设计目标损失在允许范围内的同时，提升平台模块的共享潜力。最后通过对3款概念车身的底板结构进行平台化设计，验证了多对象离散拓扑优化方法的有效性。

关键词: 车身设计, 平台化设计, 离散拓扑优化, 遗传算法

Abstract:

Platform design for product families can increase component commonality and reduce production cost. However， current research on platform is primarily concentrated at the parametric design， lacking direct methods for platform design at the topology structure of product. Therefore， a parallel design method suitable for multi-objects topology structure for the platform design requirements of vehicle body structure is proposed in this paper. Firstly， the improved graph decomposition algorithm is combined with multi-objective genetic algorithm to obtain the optimal design solution for the topology structure partition of a single vehicle body. Then， a multi-population and multi-chromosome genetic algorithm （MPMCGA） for multi-object optimization is proposed based on the modular design process of vehicle body topology structure， which ensures that the design objective loss of each object is within an allowable range while enhancing the sharing potential of modules. Finally， platform design is applied to the underbody panel of three concept vehicle bodies， verifying the effectiveness of the multi-object discrete topology optimization method.

Key words: vehicle body design, platform design, discrete topology optimization, genetic algorithm

华钧伟,侯文彬. 基于多对象离散拓扑优化方法的车身结构平台化设计[J]. 汽车工程, 2024, 46(6): 1075-1084.

Junwei Hua,Wenbin Hou. Platform Design of Vehicle Body Based on Multi-object Discrete Topology Optimization[J]. Automotive Engineering, 2024, 46(6): 1075-1084.

图/表 14

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

表 1

参考文献 15

1	黄向东，陈上华，曾庆洪，等. 高拓展性模块化车身架构的研究和应用［J］. 汽车工程， 2016， 38（9）： 1101-1106.
	HUANG X D， CHEN S H， ZENG Q H， et al. Research and application of highly extensible modular body architecture［J］. Automotive Engineering， 2016， 38（9）： 1101-1106.
2	XU C， YAO W. Mean value-based collaborative method for structural optimization of aircraft family［J］. Proceedings of the Institution of Mechanical Engineers， Part G： Journal of Aerospace Engineering， 2022， 236（16）： 3468-3481.
3	ÖMAN M， NILSSON L. An improved critical constraint method for structural optimization of product families［J］. Structural and Multidisciplinary Optimization， 2012， 45（2）： 235-246.
4	ZOU J， YAO W， XIA T. A sensitivity-based coordination method for optimization of product families［J］. Engineering Optimization， 2016， 48（7）： 1145-1163.
5	FELLINI R， KOKKOLARAS M， MICHELENA N， et al. A sensitivity-based commonality strategy for family products of mild variation， with application to automotive body structures［J］. Structural and Multidisciplinary Optimization， 2004， 27（1-2）： 89-96.
6	TORSTENFELT B， KLARBRING A. Conceptual optimal design of modular car product families using simultaneous size， shape and topology optimization［J］. Finite Elements in Analysis and Design， 2007， 43（14）： 1050-1061.
7	KHALKHALI A， SHOJAEEFARD M H， DAHMARDEH M， et al. Optimal design and applicability of electric power steering system for automotive platform［J］. Journal of Central South University， 2019， 26（4）： 839-851.
8	陈潇凯，王晨宇，施国标，等. 基于多学科设计优化的车辆产品族设计［J］. 北京理工大学学报， 2022， 42（1）： 53-62.
	CHEN X K， WANG C Y， SHI G B， et al. Vehicle product family design based on multidisciplinary design optimization［J］. Transactions of Beijing Institute of Technology， 2022， 42（1）： 53-62.
9	KUMAR R， ALLADA V. Function-technology-based product platform formation［J］. International Journal of Production Research， 2007， 45（24）： 5687-5714.
10	LYU N， SAITOU K. Topology optimization of multicomponent beam structure via decomposition-based assembly synthesis［J］. Journal of Mechanical Design， 2005， 127（2）： 170-183.
11	FORMENTINI G， BOIX R， FAVI C. Design for manufacturing and assembly methods in the product development process of mechanical products： a systematic literature review［J］. The International Journal of Advanced Manufacturing Technology， 2022， 120（7-8）： 4307-4334.
12	LI C， WU R， YANG W. Optimization and selection of the multi-objective conceptual design scheme for considering product assembly， manufacturing and cost［J］. SN Applied Sciences， 2022， 4（4）.
13	周伟，李敏，丘铭军，等. 基于改进遗传算法的车身板件厚度优化［J］. 清华大学学报（自然科学版）， 2022， 62（3）： 523-532.
	ZHOU W， LI M， QIU M J， et al. Vehicle body panel thickness optimization by a genetic algorithm［J］. Journal of Tsinghua University（Science and Technology）， 2022， 62（3）： 523-532.
14	殷学冰，陈勇，代青林，等. 基于NSGA-Ⅱ算法和模糊控制的纯电动汽车2DCT换挡规律研究［J］. 汽车工程， 2022， 44（10）： 1571-1580.
	YIN X B，CHEN Y，DAI Q L， et al. Study on shift schedule of 2DCT for pure electric vehicle based on NSGA-Ⅱ algorithm and fuzzy control［J］. Automotive Engineering， 2022， 44（10）： 1571-1580.
15	HOU W， SHAN C， YU Y， et al. Product-family shared-component selection based on the consistency constraint function［J］. Proceedings of the Institution of Mechanical Engineers， Part D：Journal of Automobile Engineering， 2018， 232（6）： 838-849.

车型	共享模块面积/m²	性能损失/%	共享率/%
车型 a	0.88	8.5	80
车型 b	2.16	3.8
车型 c	2.16	2.4

[1]	吴杰,张辉. 遗传算法优化的双线圈磁流变制动器模糊PID控制[J]. 汽车工程, 2024, 46(3): 526-535.
[2]	张旭东, 温雅, 邹渊, 孙文景, 张兆龙, 唐风敏, 刘卫国. 面向车载时间敏感网络的流量调度策略及改进算法研究[J]. 汽车工程, 2024, 46(1): 75-83.
[3]	袁新杰,刘芳,侯中军. 基于GA-PSO-Otsu算法的质子交换膜燃料电池催化层孔结构自适应识别[J]. 汽车工程, 2023, 45(9): 1702-1709.
[4]	陈国强,申正义,孙利,支梦帆,李彤. 基于BP神经网络优化遗传算法的智能座舱感性意象预测[J]. 汽车工程, 2023, 45(8): 1479-1488.
[5]	李兆宗,张硕,张承宁. 基于遗传算法的车用轴向磁通电机温度模型优化[J]. 汽车工程, 2023, 45(4): 609-618.
[6]	陈勇,魏长银,李晓宇,李彦林,刘彩霞,林霄喆. 融合工况识别的增程式电动汽车模糊能量管理策略研究[J]. 汽车工程, 2022, 44(4): 514-524.
[7]	张家旭,王晨,郭崇,滕飞,李东燃. 基于自适应神经模糊推理系统的平行泊车路径规划[J]. 汽车工程, 2021, 43(3): 323-329.
[8]	王成铭,范颖,邹冬华,王金明,李正东,陈忆九,仲梁维. 基于遗传算法的高精度事故重建与损伤分析[J]. 汽车工程, 2021, 43(12): 1787-1792.
[9]	葛如海, 崔义忠, 洪亮, 肖轩. 基于NSGA-Ⅱ的主动式安全气囊参数优化^*[J]. 汽车工程, 2020, 42(9): 1216-1223.
[10]	魏彤辉, 左文杰, 郑宏伟, 李锋. 基于降维算法的车身可靠性优化^*[J]. 汽车工程, 2020, 42(7): 941-948.
[11]	曾发林, 胡枫. 基于声品质贡献因子的发动机悬置优化^*[J]. 汽车工程, 2020, 42(5): 628-635.
[12]	王国仰, 祁金柱, 刘世宇, 帅石金, 王志明. 基于多目标遗传算法的SCR系统氨覆盖率优化^*[J]. 汽车工程, 2020, 42(3): 279-285.
[13]	柯俊, 祖洪飞, 史文库. 基于有限元法及遗传算法的推力杆球铰多目标优化方法^*[J]. 汽车工程, 2020, 42(2): 178-183.
[14]	熊辉, 郭宇昂, 陈超义, 许庆, 李克强. 基于遗传优化与深度学习的交通信号灯检测^*[J]. 汽车工程, 2019, 41(8): 960-966.
[15]	周卫琪, 齐翔, 陈龙, 徐兴. 基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计^*[J]. 汽车工程, 2019, 41(2): 198-205.