随着社会的高速发展和进步，人们对品质生活的要求越来越高；随着5G通讯技术的变革，汽车作为现代出行代步的重要通行工具，也在经历新一轮的技术变革，并将迎来新一轮高速发展时期。因此，快速、高效地推出新型轻量化迭代产品日渐成为了汽车行业的关键技术。

 

当前汽车行业的整车开发过程中，为了适应快速迭代的市场要求，只能不断压缩产品的开发周期。现有公认有效的压缩开发周期方法，是通过提高每次虚拟分析精度来减少开发前期虚拟分析轮次。

 

而现有的解决方案存在以下4个问题，限制了虚拟分析过程效率进一步提升的可能：①整车数模结构数据库的建立不够完善，导致新项目架构基础薄弱，需要从0开始建模；②早期建立的数模结构不够智能，导致已有项目的车身数模结构无法被高效地重复利用；③现有的数模结构建立工具和整车虚拟分析工具之间，数据格式不能通用共享，导致虚拟分析优化过程往往需要人为的多轮数据转化、计算分析，才能完成结构优化过程；④在现有的汽车产品研发工作中，受结构设计开发工程师的经验影响较大，加上虚拟验证分析过程太冗杂，导致“横向对比不同接头的架构性能”较难实现，给正向设计开发增加了难度。

 

数字驱动的智能车身结构轻量化仿真系统

因此，为进一步缓解以上难题，构建了一套由数字驱动的、可实现自动化装配及整车性能优化系统，该系统包括4个板块，数字化参数驱动设计系统、整车结构数据库、自动仿真优化系统及整车轻量化结果分析及预测系统。系统的业务流转如图1所示。

 

 

图1 数字驱动的智能车身结构轻量化仿真系统

 

其中整车结构数据库是系统基础，系统采用柔性化参数的方式构建结构模型数据，使数模结构具有可自动化组装功能，并将历史项目的关键接头数模结构存档，构建了整车关键接头结构的数模数据库，为后续项目的借用、提取提供方便；数字化参数驱动设计系统具有关键性能录入、制定关键整车数模结构参数设计的功能，为数字化驱动整车结构设计奠定基础，具有参数驱动设计的功能；自动仿真优化系统具有驱动整车数模结构自动化组装、整车结构轻量化优化分析及结果寻优的功能，串联结构数模构建和性能优化分析功能?？?；整车轻量化结果分析及预测系统具有抓取、整合分析整车轻量化参数的功能，并通过统计方法及行业经典经验预测轻量化模型；4个板块串联后，具有自动化寻找并储存最优性能的整车轻量化结构模型及性能参数的功能，为快速选型、决策提供数据支持。

 

搭建整车结构数据库

采用SFE工具，通过柔性化参数方式构建整车关键结构的数据模型：选择整车结构的关键接头结构，关键结构布置基点、建立特征曲率基线；并依据接头的几何特征和有限元模型截面形状，创建带参数的基础截面；并依据上述基础元素特征生成梁、接头、曲面，完成各关键接头结构的柔性化、参数化数模结构的创建。由该建模方法构建的数模结构，因数模结构由带参数的基点及基线构成，可实现数模结构与结构数字参数之间映射关系的建立；关键接头的结构数据通过体系化命名，可实现与系统设计参数信息绑定，使整车关键接头的结构数模，具有联动筛选功能，完成参数化建模的数模结构数据库的搭建，如图2所示。

 

 

图2 关键接头的数模结构数据库示例

 

构建数字化参数驱动系统设计

采用网页设计，支持车型特征、整车尺寸、关键结构特征、关键接头结构种类、结构尺寸等参数的选择和参数输入，以及整车性能关键要求的期望目标设置值输入。该网页中的数字参数，通过多接口连接技术，与整车结构数据库中的柔性化结构构建一一数学映射关系，赋予网页数字系统驱动整车结构数据库的结构选型的功能。

 

 

图3 数字化参数驱动系统示例

 

搭建自动仿真优化系统

自动仿真流程搭建

自动仿真流程采用MDO系统搭建而成，MDO系统与构建数字化参数驱动系统串联，接收到车身设计参数后，按要求调用关键接头模块、自动组装生成参数化车身模型；启动有限元数字模型进行关键工况的物理仿真计算；以关键工况的物理仿真物理变化值，对目标值进行评价；根据评价结果及优化方向，更新车身参数化模型后，自动进行下一轮优化迭代；如此往复，直到所有完成所有模型的计算，最终将计算结果按照寻优规则推送至整车轻量化结果分析及预测系统。仿真业务流转流程如图4所示。

 

领域培养遗传算法

由于本项目涵盖白车身范围的关键结构优化，涉及了接头结构种类及数量、整车架构尺寸、关键结构尺寸、截面尺寸、料厚等共计107个变量优化，优化目标包括了扭转刚度、弯曲刚度、整车重量、模态等多种目标参数。综合考虑了计算周期、准确率及系统的鲁棒性，最终选择了培养遗传算法（NCGA）作为本项目的寻优方法。与传统的DOE计算方法相比，领域培养遗传算法更适合目标多、变量多的计算工况，该算法的鲁棒性更强、可靠性更强，所获得的优化结果覆盖范围更广。培养遗传算法（NCGA）与DOE方法的对比如图5所示。

 

 

图5 NCGA算法与DOE算法过程对比

 

本项目优化过程的数学表达模型如下：

 

根据设计经验和工程经验车身参数化建模可以抽象为f(x1，x2，x3...xn); 众多的设计变量，

实型、整型、离散型设计变量，来表达车身参数化的数字模型。再根据工程设计经验给出参数的定义范围和参数离散类型。比如：长度、宽度、Y向坐标等用数学表达式进行表示。

 

学科专业的分析：扭转刚度的分析，根据物理仿真方程采用隐函数f(x1，x2，x3...xn)来表

示，并采用CAE求解器对专业的物理仿真求解。同理弯曲刚度的分析，根据物理仿真方程采用隐函数f(x1，x2，x3...xn)表示，完成弯曲刚度的专业分析。根据工程需要非常重要的工程评价指标轻量化系数采用fmf(x1，x2，x3...xn)表示，这里既含专业分析后的物理量，也含全局变量。

 

 

 

优化结果分析

本项目经过7轮迭代优化，共计进行了1051次优化计算后，获得的仿真优化分析结果如图6所示。其中散点图为优化结构的质量-扭转刚度结果和质量-弯曲刚度结果合集，支持可目视化结构模型的快速选择。本项目还通过影响因子对目标的灵敏度分析，识别了对整车弯曲刚度、扭转刚度及质量高敏感的前16个影响因子，以及对目标结果影响最不敏感的前12个影响因子，为下一代整车结构设计积累经验。

 

 

 

图6 仿真优化结果及分析

 

搭建整车轻量化结果分析及预测系统

为了方便决策者更快、更精准得从众多优化分析结果中，快速识别最优方案，本项目将行业公认的轻量化计算方法（如图7所示）嵌入至系统代码中，并在计算结果按照既定顺序排序后，经过轻量化公式判断、筛选，获取排名前十的优化结果后，推送、展示在整车轻量化结果分析及预测系统中。本项目综合选择了三个最优优化方案，分别适合货车、普通乘用客车及高舒适性客车系列产品的开发工况，结果如图7所示。

 

 

图7 轻量化计算方法

 

 

图8 优化结果对比

 

本项目搭建了数字驱动的智能车身结构轻量化仿真系统，该系统包括4个板块：数字化参数驱动设计系统、整车结构数据库、自动仿真优化系统及整车轻量化结果分析及预测系统。该自动化的仿真系统构建，打破了初始车身结构设计完全依赖设计经验的传统，开启了向数字化科技技术指导转变；该系统所采用的柔性化、全参数?？榻?，集成仿真一体化技术，实现0人工整车结构优化；多学科仿真前处理模型全自动生成，仿真效率提升80%以上；智能结构数据库，实现整车结构快速决策、选配；依托智能化系统获得更准确的轻量化设计参数，科学地研究了结构设计参数对车身综合性能影响，可有效提升车身设计的稳健性。开创了汽车行业整车架构智能化设计的新思路。

 

资料来源：达索官方