[发明专利]车辆防翻滚系统优化设计方法

权利要求书

1.一种车辆防翻滚系统优化设计方法，其特征在于，包括以下步骤：

（1）确定设计变量及其取值范围，基于试验设计给出设计点取样，设计变量分3类，第一类为拓扑变量，第二类为系统及构件几何尺寸，第三类为适用于防翻滚结构受力协调渐进变形特性的材料性能参数；

（2）采用基于自动建模的方法生成对应的梁单元有限元分析模型并求解给出性能响应，梁单元有限元分析模型由参数化建模的自动脚本生成，梁单元有限元分析模型计算结果后处理由自动化脚本执行，自动获取和计算相应的防翻滚性能指标，并添加到相应的数据文件或者数据库;

（3）基于梁单元模型计算结果训练机器学习模型获得输入设计变量和防翻滚性能的回归模型，经训练验证的机器学习模型快速预测随机给定的规定范围内的设计的防翻滚系统性能指标；

（4）基于结构优化算法，经迭代求得最优的结构设计。

2.根据权利要求1所述的车辆防翻滚系统优化设计方法，其特征在于，步骤（1）中的拓扑变量为构件的数量、分布及各构件之间的拓扑连接关系，采用基于杆件离散结构的基结构方法来实现，防翻滚结构的承载主要构件为薄壁管材，这类管材在轴向长度方向的尺寸大于横截面尺寸5倍以上，因此，在有限元分析模型中通过梁单元来表示，几何尺寸的描述，本方法采用基于截面库中的横截面编号及周长，壁厚的方式表征，材料性能参数采用材料屈服应力，极限应力及延伸率来表征，材料应力应变关系通过对应的材料模型来生成，材料性能参数应该满足特定的性能要求以适用于防翻滚结构协调渐进变形的要求。

3.根据权利要求2所述的车辆防翻滚系统优化设计方法，其特征在于，对于连续型变量在其设计范围内进行取样，数据点取样基于试验设计，使得数据点在设计空间尽可能均匀分布，并减少数据点。

4.根据权利要求1所述的车辆防翻滚系统优化设计方法，其特征在于，步骤（2）中数据点的性能评估采用基于梁单元模型的非线性有限元分析来完成，梁单元有限元分析模型前后处理及分析流程都可以标准化并采用相应计算机程序自动执行，可以快速生成机器学习所需要的大量数据点，梁单元有限元模型分析结果误差由详细有限元分析模型结果及试验测试进行标定。

5.根据权利要求1所述的车辆防翻滚系统优化设计方法，其特征在于，步骤（3）中的防翻滚性能指标包括侧向力，侧向能量吸收，竖向力，纵向力，纵向能量吸收及各个方向加载时的变形量。

6.根据权利要求1所述的车辆防翻滚系统优化设计方法，其特征在于，步骤（4）中为便于机器学习，还需要对各类变量进行特征工程，选择设计变量及其组合来提高机器学习效果，根据结构设计参数预测防翻滚性能指标可以采用机器学习中的监督学习中回归方法，将所获得的数据点随机或者按某种规则分层抽样分成两个部分，一个部分用于训练，另一个部分用于验证机器学习的效果，机器学习模型的数据点和方法选择及最优参数的设置是一个根据学习效果，不断迭代而精度提高的过程，补充样本后改进特征，重新评估学习模型及参数调优，结构优化算法可以采用遗传算法，模拟退火算法，粒子群算法在内的多种优化算法来实现，防翻滚系统的性能指标包括不同方向的力，能量及变形指标，因此是一个多目标优化问题，可以给出帕累托最优解集。

7.根据权利要求6所述的车辆防翻滚系统优化设计方法，其特征在于，可以对比多种机器学习模型的效果，并从中选择最优的模型，对机器学习模型参数进行优化，选择最优的参数，经训练验证满足精度要求的模型参数可以保存相应参数，并且，可以调用预测新的设计的防翻滚结构的性能指标。