基于数据驱动的车身结构智能设计与分析

doi:10.19562/j.chinasae.qcgc.2024.07.014

摘要/Abstract

摘要：

概念设计作为汽车设计流程的重要阶段，需要快速地进行方案设计和方案评估。目前一般采用参数化设计和CAE相结合的方法，实现基于分析的车身结构概念设计。随着机器学习和深度学习算法的发展和成熟，智能设计方法将成为车身结构设计主要创新技术。本文使用数据驱动和优化设计相结合的方法，自主研发了车身结构智能设计软件工具（S-iVCD）。首先，基于残差网络和热力图回归算法提取车身结构特征点，实现车身结构概念模型的自动化建模。其次，基于高斯过程采样收集车身结构数据集，采用全连接神经网络模型构建了车身结构网络模型，通过将车身各部件参数输入训练好的网络模型，实时得到车身整体性能的结果。最后，将数据驱动计算与移动渐近线算法结合，快速实现考虑质量、弯曲刚度和扭转刚度的车身结构多目标优化设计。通过与有限元实例对比，计算结果的误差在允许范围内，优化计算时间大为缩短，轻量化率达到了7.4%。由此表明基于数据驱动的车身结构优化设计方法对于汽车概念设计阶段提高效率是有效的。

关键词: 车身结构设计, 轻量化, 数据驱动分析, 全连接神经网络

Abstract:

As an important stage of the automotive design process， conceptual design requires rapid conceptual design and evaluation. The current methods generally use a combination of parametric design and CAE to achieve analysis based conceptual design of car body structures. With the development and maturity of machine learning and deep learning algorithms， intelligent design methods will become the main innovative technology for body structure design. In this article， a combination of data-driven and optimization design method is used to independently develop the vehicle structure intelligent design software tool （S-iVCD）. Firstly， based on residual networks and thermal map regression algorithms， feature points of the vehicle body structure are extracted to achieve automated modeling of the conceptual model of the vehicle body structure. Secondly， based on Gaussian process sampling， a body structure dataset is collected and a fully connected neural network model is used to construct the body structure network model. The parameters of various components of the vehicle body can be input into the trained network model to obtain the overall performance results of the vehicle body. Finally， by combining data-driven computing with the moving asymptote algorithm， a multi-objective optimization design of the vehicle body structure that considers mass， bending stiffness， and torsional stiffness is quickly achieved. By comparing with finite element examples， the error of the calculation results is within the allowable range， with the optimization calculation time greatly shortened， and the lightweight rate reaching 7.4%. This indicates that the data-driven body structure optimization design method is effective in improving efficiency in the conceptual design stage of automobiles.

Key words: body structure design, lightweighting, data-driven analysis, fully connected neural networks

曹榕,华钧伟,李永成,郭方俐,侯文彬. 基于数据驱动的车身结构智能设计与分析[J]. 汽车工程, 2024, 46(7): 1273-1281.

Rong Cao,Junwei Hua,Yongcheng Li,Fangli Guo,Wenbin Hou. Intelligent Design and Analysis of Body Structure Based on Data Drive[J]. Automotive Engineering, 2024, 46(7): 1273-1281.

图/表 15

图1

图2

图3

图4

图5

图6

图7

图8

表1

图9

表2

图10

表3

表4

图11

参考文献 17

1	韩景飞. 面向概念设计的车身结构智能建模方法的研究［D］.大连：大连理工大学，2021.
	HAN J F. Research on intelligent modeling methods of body structure for conceptual design［D］. Dalian： Dalian University of Technology， 2021.
2	余咏红. 概念设计与结构措施在建筑结构设计中的应用［J］. 房地产世界，2021（15）：41-43.
	YU Y H. Application of conceptual design and structural measures in building structural design［J］. The World of Real Estate， 2021（15）：41-43.
3	ESFE M H， ESMAILY R， KHABAZ M K， et al. A novel integrated model to improve the dynamic viscosity of MWCNT-Al2O3 （40：60）/Oil 5W50 hybrid nano-lubricant using artificial neural networks （ANNs）［J］. Tribology International， 2023，178（14）： 108-123.
4	BAGHOOLIZADEH M， DEHKORDI S A H H， ROSTAMZADEH-RENANI M， et al. Optimization of annual electricity consumption costs and the costs of insulation and phase change materials in the residential building using artificial neural network and genetic algorithm methods［J］. Journal of Energy Storage， 2023，62（14）： 1178-1201.
5	方培俊，蔡英凤，陈龙，等. 基于车辆动力学混合模型的智能汽车轨迹跟踪控制方法［J］. 汽车工程，2022，44（10）：1469-1483，1510.
	FANG P J， CAI Y F， CHEN L， et al. Trajectory tracking control method based on vehicle dynamics hybrid model for intelligent vehicle ［J］.Automotive Engineering，2022，44（10）：1469-1483，1510.
6	崔格格，吕超，李景行，等.数据驱动的智能车个性化场景风险图构建［J］.汽车工程， 2023，45（2）：231-242.
	CUI G G， LV C， LI J X， et al. Data-driven personalized scenario risk map construction for intelligent vehicles［J］.Automotive Engineering， 2023，45（2）：231-242.
7	李达，邓钧君，张照生，等.电动车辆动力电池安全预警策略研究综述［J］.汽车工程，2023，45（8）：1392-1407.
	LI D， DENG J J， ZHANG Z S， et al. Review on power battery safety warning strategy in electric vehicles［J］.Automotive Engineering， 2023， 45（8）： 1392-1407.
8	胡杰，余海，杨博闻，等.基于数据驱动的电动汽车电池安全风险预测［J］.汽车工程，2023，45（5）：814-824.
	HU J， YU H， YANG B W， et al. Battery safety risk prediction for data-driven electric vehicles［J］.Automotive Engineering， 2023，45（5）：814-824.
9	YOSHIMURA M， NISHIWAKI S， IZUI K. A multiple cross-sectional shape optimization method for automotive body frames［J］.Journal of Mechanical Design，2005，127 （8）： 49-57.
10	LI H， LIU Z， ZHU P， et al. A data-driven self-adaptive parameter tuning framework for composite automobile part optimization design［J］. Proceedings of the Institution of Mechanical Engineers， Part D： Journal of Automobile Engineering，2023，237（10-11）：2592-2604.
11	佟罡. 基于机器学习的车门协同设计冲突消解［D］.大连：大连理工大学，2019.
	TONG G. Machine learning-based door co-design conflict resolution［D］. Dalian ：Dalian University of Technology，2019.
12	KONG Y S， ABDULLAH S， SCHRAMM D， et al. Optimization of spring fatigue life prediction model for vehicle ride using hybrid multi-layer perceptron artificial neural networks［J］. Mech Syst Signal Process，2019，122（24）： 597-621.
13	TOPALOGLU A， KAYA N， ÖZTURK F. Predictions of the design decisions for vehicle alloy wheel rims using neural network［J］. Proceedings of the Institution of Mechanical Engineers， Part D： Journal of Automobile Engineering， 2022， 237 （12）：2913-2927.
14	BAYKASOGLU A， BAYKASOGLU C， CETIN E. Multi-objective crashworthiness optimization of lattice structure filled thinwalled tubes［J］. Thin-Walled Struct，2020， 149（26）： 617-630.
15	贾良跃，郝佳，商曦文，等. 基于长短期记忆网络的桁架车身结构轻量化设计优化［J］. 计算机集成制造系统，2022， 24 （2）： 1-20.
	JIA L Y，HAO J，SHANG X W， et al. Lightweight design optimization of truss body structure based on long short-term memory network［J］. Computer Integrated Manufacturing Systems，2022， 24（2）： 1-20.
16	WANG X， SUN P， ZUO W， et al. Multi-objective optimization of automobile body frame considering weight， rigidity， and frequency for conceptual design［J］. Advances in Mechanical Engineering， 2022，14（2）：317-335.
17	ROSTAMZADEH-RENANI M， BAGHOOLIZADEH M， ROSTAMZADEH-RENANI R， et al. The effect of canard’s optimum geometric design on wake control behind the car using artificial neural network and genetic algorithm［J］. ISA Transactions， 2022，131： 427-443.

参数	数值
激活函数类型	ReLU激活函数
学习率	0.001
样本批次大小	500
迭代次数	100
损失函数类型	MSE

项目	EI/（N·mm^-1）	GI/（N·m·（°）^-1）	t/s
求解器计算	31 755.86	21 630.26	30.20
数据驱动	31 632.32	21 769.83	0.93
误差/对比	0.389 0%	0.646 5%	32.40

车身性能	M/kg	EI/（N·mm^-1）	GI/（N·m·（°）^-1）
初始设计	442.46	30 867.52	21 205.42
优化设计	393.33	29 799.23	20 471.51

尺寸名称	初始尺寸/mm	优化尺寸/mm
B8_2H	176.00	142.82
B8_2W_T	0.99	0.80
LEN6_b2H	176.00	146.13
LEN6_b2W_T	0.99	0.85
LEN6_1_b2H	176.00	151.55
LEN6_1_b2W_T	0.99	0.82
CRO1_2_b1_H	176.00	152.82
CRO1_2_b1_W_T	0.99	0.86
LEN2_1_b1_W	176.00	155.19
LEN2_1_b1_H_T	0.99	0.87
B16_1_b4_H	176.00	156.07
B16_1_b4_W_T	0.99	0.90
LEN3_b3W	176.00	160.12
LEN3_b3H_T	0.99	0.90

[1]	王超,李明,成艾国,何智成,于万元. 钢-铝混合驾驶室材料-结构轻量化设计[J]. 汽车工程, 2024, 46(4): 735-744.
[2]	高聪,祝颖丹,刘伯芳,李铁虎,王志白,冯刚. 热塑性碳纤维/尼龙6复合材料界面优化及零件快速成型工艺研究[J]. 汽车工程, 2024, 46(3): 546-556.
[3]	段利斌,张雨,杜展鹏,刘冶钢,孟祥新,田冠男,郑海洋,吴闯. 基于VRB/OW-GFRP混合结构的CTB电池包上盖总成轻量化设计研究[J]. 汽车工程, 2024, 46(2): 290-299.
[4]	谷先广, 陈红林, 俞陆新, 张代胜. 精密铸铝件一体化设计及在车身轻量化中的应用[J]. 汽车工程, 2024, 46(1): 179-186.
[5]	金立生,纪丙东,郭柏苍. 基于多层时空融合网络的驾驶人注意力预测[J]. 汽车工程, 2023, 45(5): 759-767.
[6]	靳春宁,高妍,高世哲,邹天下,刘洋,张智恒. 基于辊冲一体式纵梁的轻量化拖挂式房车底盘[J]. 汽车工程, 2023, 45(5): 865-872.
[7]	陈一哲,范宏德,王祎纯,王辉,李俊,华林. 车用纤维金属层板构件冲压变形行为研究[J]. 汽车工程, 2023, 45(3): 517-526.
[8]	段利斌,周华锦,杜展鹏,张雨,徐伟,刘星,江浩斌. 基于SHCA-T算法的车身骨架多工况耐撞性优化设计[J]. 汽车工程, 2023, 45(2): 304-312.
[9]	张小俊,奚敬哲,史延雷,袁安录. 面向路侧视角目标检测的轻量级YOLOv7-R算法[J]. 汽车工程, 2023, 45(10): 1833-1844.
[10]	张立军,高泽,余海燕. 基于全生命周期分析的白车身选材方法[J]. 汽车工程, 2022, 44(6): 945-952.
[11]	王童,杜轶群,陈轶嵩,韩日美. 基于结构轻量化的城市客车车身生命周期评价[J]. 汽车工程, 2022, 44(5): 778-788.
[12]	李泽阳,刘钊,朱平. 注塑短纤维增强复合材料汽车尾门内板轻量化设计[J]. 汽车工程, 2022, 44(5): 789-798.
[13]	陈潇凯,李超,白影春,杨子发. 汽车多材料控制臂拓扑优化方法[J]. 汽车工程, 2021, 43(7): 1088-1095.
[14]	马芳武,王卓君,杨猛,梁鸿宇,武振江,蒲永锋. 汽车后副车架轻量化概念设计方法研究[J]. 汽车工程, 2021, 43(5): 776-783.
[15]	蒋荣超,张涛,孙海霞,刘大维,陈焕明,王登峰. 基于熵权TOPSIS法的CFRP防撞梁轻量化研究[J]. 汽车工程, 2021, 43(3): 421-428.