[发明专利]一种基于云计算技术的车身轻量化参数优化方法

说明书

本发明涉及一种基于云计算技术的车身轻量化参数优化方法，属于汽车研发和计算机仿真技术领域。该方法包括如下步骤：步骤1：选取变量和解析变量，轻量化目标选取钣金厚度作为变量；步骤2：用优化拉丁超立方方法在设定的变量范围内抽取样本；步骤3：提交云计算平台求解样本；步骤4：提取响应数据，建立近似模型；步骤5：定义优化条件开展优化计算。本发明通过配置主控服务的云计算平台，实现计算能力和效率的大幅提升。

技术领域

本发明涉及一种基于云计算技术的车身轻量化参数优化方法，属于汽车研发和计算机仿真技术领域。

背景技术

参数优化是达到设计目标的一种方法，通过将设计变量、设计目标参数化，采用优化方法，不断的调整设计变量，使得设计结果不断接近参数化的目标值。参数优化的一般过程分为：变量参数化、生成DOE（实验设计）样本、求解DOE过程中生成的样本、建立近似模型、求解优化模型。

参数优化主要包含三个过程：DOE、近似模型、优化，其中DOE的样本数量众多，对计算能力和效率的要求巨大，以往的计算平台，任务提交后，多台服务器之间不会进行资源调配，资源利用率低。

参数优化整个过程中，最关键的一步是如何建立近似模型；建立准确的近似模型对于迭代出一个有效的优化方案是至关重要的；变量数越多对样本数量的要求也越多，对于单个样本计算周期较长的大模型来说，求解众多的DOE样本对算力提出了考验，普通的工作站难以满足计算需求，而云计算技术可以有效解决算力不足的问题，达到提升优化精度、缩短计算周期的效果。

发明内容

本发明提出了一种基于云计算技术的车身轻量化参数优化方法，通过配置主控服务的云计算平台，实现计算能力和效率的大幅提升。

本发明为解决其技术问题采用如下技术方案：

一种基于云计算技术的车身轻量化参数优化方法，包括如下步骤：

步骤1：选取变量和解析变量，轻量化目标选取钣金厚度作为变量；

步骤2：用优化拉丁超立方方法在设定的变量范围内抽取样本；

步骤3：提交云计算平台求解样本；

步骤4：提取响应数据，建立近似模型；

步骤5：定义优化条件开展优化计算。

步骤1中所述解析变量是软件提取的钣金厚度参数。

步骤2的具体过程如下：

步骤2.1确定设计变量的变化范围，所有钣金厚度变化的上限是2.0倍基础厚度，下限是0.5倍基础厚度；

步骤2.2确定样本数量，选取70个钣金厚度作为变量，样本生成数量设置成350；

步骤2.3变量范围和样本数确定后，生成样本并输出。

本发明的有益效果如下：

1、本发明通过配置主控服务的云计算平台，实现计算能力和效率的大幅提升。

2、采用本发明的方法计算效率大幅提升后，样本数量可以大幅提升，样本数量的大幅提升，可以使原本受限于计算能力而无法通过提升样本数量以实现高精度建立近似模型的问题得以解决。

附图说明

图1是优化拉丁超立方取样效果图。

图2是云计算平台的架构逻辑示意图。

图3是建立近似模型的一般过程的流程图。

图4是本发明方法的流程图。

具体实施方式

下面结合附图对本发明创造做进一步详细说明。