[发明专利]一种汽车车身耐撞性和轻量化快速设计方法

权利要求书

1.一种汽车车身耐撞性和轻量化快速设计方法，其特征在于，包括以下步骤：

S1、建立汽车车身耐撞性和轻量化优化函数：

min:f(x)

s.t.c₁(x)≤T₁

c₂(x)≤T₂

x∈{(x₁,...,x_n)|L_i≤x_i≤U_i,i＝1,...,n}

其中，x为汽车侧身薄壁结构部件的厚度所构成的决策向量，f(x)为目标函数，c₁(x)、c₂(x)分别为两个约束条件函数，T₁和T₂分别为两个约束条件需要满足的指标，L_i和U_i为第i个厚度设计参数的取值下限和上限，n为待优化的厚度参数数目；

S2、在搜索空间{(x₁,...,x_n)|L_i≤x_i≤U_i,i＝1,...,n}中执行随机采样，得到N个样本，并对每个采样获得的样本采用有限元分析，获得每个样本解的目标函数值和约束函数值，最终获得数据集DB＝{[x_j,f(x_j),c₁(x_j),c₂(x_j)]|j＝1,...,N}；此处x_j,j＝1,...,N的物理意义为：第j个由汽车设计参数组合而成的向量；

S3、根据数据集DB构建先验分布；

构建高斯分布p(x)＝N(m_t,C_t)，其中此处x_j,j＝1,...,N的物理意义为：由汽车设计参数组合而成的向量，T表示对向量进行转置，N表示数据集DB所包含的数据规模；

S4、将汽车车身耐撞性和轻量化优化函数转换为无约束优化函数：

无约束优化函数如下所示：

min:g(x)

x＝(x₁,...,x_n)

x∈{(x₁,...,x_n)|L_i≤x_i≤U_i,i＝1,...,n}

其中g(x)为f(x)、c₁(x)、c₂(x)由组合而成的函数，具体为f(x)+α·max{c₁(x)-T₁,0}+β·max{c₂(x)-T₂,0}，max{c₁(x)-T₁,0}表示计算c₁(x)-T₁的值以后将其与0作比较，并取最大值，α和β为两个预设的参数；

S5、根据数据集DB，针对目标函数和约束条件构建高斯过程模型，构建的高斯过程模型具体如下：

其中为针对g(x)的预测值，为的不确定性，k()为高斯核函数，k(x)＝(k(x,x₁),...,k(x,x_N))^T，x表示汽车侧身薄壁结构部件的厚度所构成的决策向量，K为由元素K_i,j＝k(x_i,x_j)构成的矩阵，f＝(f(x₁),...,f(x_N))^T

S6、将先验分布与期望提升结合，构建进化期望提升函数，并更新数据集DB，得到更新后的数据集DB；

期望提升函数如下：

其中Φ()和φ()分别为高斯分布的概率累积函数和概率密度函数；EEI(x)为所构建的期望提升函数，p(x)表示S3中所构建的先验分布，f_min表示目前数据集DB中所存储的所有数据中最小的目标函数值，随后建立优化问题采用梯度下降法求解优化问题得到填充解x_q；使用有限元分析获得x_q的目标函数值和约束值，并将x_q存入到数据集DB中得到更新后的数据集DB；

S7、利用x_q更新先验分布p(x)：

利用x_q更新先验分布p(x)的具体步骤如下：

1)生成若干后代解x_i i＝1,...,λ；

2)采用S5中构建的高斯过程模型评估后代解的质量即根据预测得到的值，值越小则质量越好，并根据质量排序；

3)根据排序，选择出质量最好的k个解，并根据排序为这k个解分配权重w_j：

w_j为第j个解的权重向量，rank_j表示根据质量排序后得到的序数；

4)利用k个解的分配权重更新p(x)的期望和方差：

m_t+1表示第t+1代的先验分布的期望，m_t表示第t代的先验分布的期望，C_t+1表示第t+1代的先验分布的协方差矩阵，C_t表示第t代的先验分布的协方差矩阵；若当前为迭代的第t代，则下一代的先验分布为高斯分布p(x)＝N(m_t+1,C_t+1)；

S8、重复执行S5-S7，直到获得最优解。

2.一种汽车车身多材料结构匹配轻量化设计系统，其特征在于，包括计算机设备；所述计算机设备被配置或编程为用于执行权利要求1所述方法的步骤。