[发明专利]基于粒子群优化算法的车辆保险杠结构优化方法

摘要

一种基于粒子群优化算法的车辆保险杠结构优化方法，包括：对保险杠建模，并进行强度工况和低速碰撞工况仿真分析，得到仿真模型，在优化设计域内进行采样，建立近似模型；采用灵敏度分析技术对建立的目标函数进行全局灵敏度分析，获得主要变量；运用数据挖掘技术对优化设计域识别得到增补区域；在优化设计域及增补区域中进行采样，运行粒子群优化算法得到优化结果后，圆整到工程值得到保险杠优化结构；本发明克服了碰撞工况强非线性以及考核工况多带来的优化困难，提高碳纤维复合材料保险杆结构优化的效率。

主权项

1.一种基于粒子群优化算法的车辆保险杠结构优化方法，其特征在于，包括以下步骤：1)对保险杠建模，并进行强度工况和低速碰撞工况仿真分析，得到仿真模型，在优化设计域内进行采样，建立近似模型；2)基于近似模型，运用惩罚函数法构造目标函数，采用Sobol指标的全局灵敏度分析，对目标函数进行灵敏度分析，计算设计变量的综合灵敏度指标，获取主要变量；3)运用数据挖掘技术对优化设计域识别得到增补区域；4)在优化设计域及增补区域中进行采样，运行粒子群优化算法得到优化结果后，圆整到工程值得到保险杠优化结构；所述的近似模型为Kriging近似模型，采用确定性系数R²评价其预测精度，得到高精度Kriging近似模型，其中：y_i为样本点的有限元计算值，为样本点Kriging近似模型预测值，为所有样本点仿真结果的平均值，n为检验的样本点数；所述的目标函数为Y_object，其中：if C_i≤0,f_i＝0， else f_i＝C_i，C_i为约束函数，nc为约束函数个数，Y_m为保险杠整体质量，h为惩罚因子；所述的设计变量包括：五个厚度变量、两个宽度变量和两个弧度变量；所述的综合灵敏度指标通过全局灵敏度指标s_i叠加获得，其中：局部方差所述的识别，具体步骤包括：1)设置粒子群数量P、采样比例系数sf、增补系数tc；2)根据例子群数量P、采样比例系数sf，运用最优拉丁超立方试验设计方法进行部分采样，并计算目标函数值；3)根据增补系数tc判断每个粒子类别，获得增补区域；所述的采样比例系数sf，其取值范围为0≤sf≤1，增补系数tc的取值范围为0≤tc≤1；所述的增补区域中进行采样的粒子数目为其中：N代表问题维度，L_ij代表第i个增补空间变量j维的范围，代表第i个增补空间的超体积，V_s代表子空间总体积。