基于多目标可靠性优化平台的车身前部结构设计

为了在保证精度的同时考虑不确定性因素高效开展车身结构优化设计,建立了多目标可靠性优化平台.采用径向基函数(RBF)代理模型代替仿真模型,基于概率充分因子法将概率约束转化为单一确定性约束,选取自适应加权多目标优化算法高效获取帕累托最优前沿(POF),基于智能补点方法生成补充样本点持续更新RBF模型,提升优化精度直至收敛....     

基于GWO-KRG近似模型的乘员约束系统可靠性优化设计

为提升乘员约束系统安全性能,本文中将近似模型参数优化技术应用于约束系统可靠性优化设计中。首先建立某车型驾驶员侧约束系统仿真模型,并基于实车碰撞试验结果对仿真模型进行验证,然后采用灰狼优化(GWO)算法优化克里金(KRG)模型的相关参数,得到高精度的GWO-KRG近似模型。最后,基于GWO-KRG近似模型和可靠性优化方法对约束系统进行优化设计。结果表明:GWO-KRG近似模型能提供更准确的预测响应值;经可靠性优化后的约束系统安全性能得到提高的同时可靠性也得到保证。     

基于序列Kriging模型的汽车车身轻量化可靠性优化设计CSCD

为减少汽车车身轻量化可靠性优化设计的计算量并提高优化设计的精度,提出一种序列Kriging可靠性优化设计方法。以整车质量作为优化目标,选取整车耐撞性指标作为可靠性约束,建立可靠性优化设计模型。采用Latin超立方试验设计生成汽车正面碰撞有限元仿真模型的样本数据进行计算,根据有限元仿真结果构建目标和约束函数的Kriging近似模型;采用序列优化与可靠性评定方法 (SORA)将该嵌套优化问题解耦为单层次优化问题;优化每一迭代步,基于Kriging模型采用功能度量法评定概率约束。结果表明:所提方法满足工程设计所需的效率和精度要求,满足了整车安全性、轻量化和可靠性设计要求,整车质量减少约1.4%。     

钢筋混凝土简支梁的多目标可靠性稳健优化设计

为提高钢筋混凝土简支梁的可靠性和稳健性,运用可靠性和稳健优化设计的理论,建立了适合可靠性稳健优化设计的多目标模型。针对可靠性稳健优化设计的多目标模型多属于高维多目标优化问题,把灰色理论中的关联分析引入粒子群优化算法中,根据灰色关联能够很好地分析目标矢量之间的接近程度,并能掌握解空间全貌的特点,提出了适合高维多目标优化问题求解的灰色粒子群算法。与传统方法相比,该方法更能迅速准确地得到钢筋混凝土简支梁的可靠性稳健优化设计信息。     

基于概率模型和数据驱动的动力总成悬置系统可靠性优化

针对电动汽车动力总成悬置系统（PMS）一部分参数为概率变量,一部分参数为离散数据的复杂不确定情形,开展了基于概率模型和数据驱动的电动汽车PMS可靠性优化设计研究。首先,基于任意多项式混沌（APC）展开和广义最大熵原理推导了一种求解该复杂不确定情形下PMS响应不确定性和可靠性的高效方法;然后,基于蒙特卡洛抽样,给出了该复杂不确定情形下求解PMS响应不确定性和可靠性的参考方法;接着,提出了一种基于APC展开法的灵敏度分析方法,进一步提出了一种考虑响应不确定性和可靠性的PMS优化设计方法;最后,通过应用算例验证方法的有效性,并对系统进行了灵敏度分析和可靠性优化。结果表明,所提出的方法可有效地处理电动汽车PMS一部分参数为概率变量、一部分参数为离散数据的复杂不确定情形,并能可靠地优化该情形下的系统固有特性,且方法具有较高的计算精度和计算效率。     

考虑异质性出行需求的主支线公交树网络优化设计

公交线网优化设计是指在一定的运行约束条件下,选择1组公交线路和相关频率以达到优化目标的设计过程,可以表示为一个优化问题。针对具有高异质性出行需求的主支线公交树网络,在考虑客流需求和运营约束的前提下,以用户和运营者的成本最小为目标,提出了1种多目标非线性混合整数优化模型。优化变量为候选线路服务频率。为求解这一模型,设计了1种基于改进的布谷鸟算法的高效元启发式方法。该方法包括初始候选路线集生成过程;基于MNL模型的公交分配过程;确定路线服务频率的改进布谷鸟算法过程。通过算例验证了该方法的有效性和适用性。数值分析结果表明,该算法通过对所有可能的候选路径的服务频率选择得到接近最优的公交线路网络。另一方面,通过保持高峰时的公交线路为有效备择线路,为具有异质性出行需求的网络的重新设计提供了更好的解决方案。此外,该系统在1次运行中产生了1组帕累托解,其允许公交线网设计师评估运营商成本和乘客成本并做出折中方案。通过比较3种算法的计算结果和CPU时间,证明了改进的布谷鸟算法的可靠性和有效性。另外还研究了最优公交网络设计与公交运行速度、总需求规模等关键设计输入参数之间的关系,分析结果表明,关键设计输入参数与最优公交网络具有一定的协同效应。模型与算法为实际的大规模主支线公交树网络的优化设计提供了1种有效的工具。     

考虑定位信息不确定性的多车协同定位算法

针对车载全球定位系统(global positioning system)存在的定位精度较差、定位可靠性较低等问题,提出了一种车车通信环境下考虑定位信息不确定性的多车协同定位算法.该算法在所研究车辆均装有车载GPS和前置距离传感器的基础上,以定位信息不确定性为依据进行协同定位.对自适应卡尔曼滤波进行改进以确定车辆定位信息的不确定度,搭建车间相对位置模型求解2车相对位置关系,最后设计联邦卡尔曼滤波算法利用多车数据进行融合以实现定位效果的优化.通过数值仿真表明这一算法与自车组合导航相比有效提升了GPS定位精度和可靠性,两者分别平均提升了35.2%和42.6%,且在车联网渗透率较高以及GPS信号较差时,定位效果提升更为明显.      

基于遗传算法的膜片弹簧的稳健化设计

在离合器膜片弹簧传统优化设计模型的基础上,应用工程稳健性的灵敏度分析,考虑了可控变量和不可控参数变差对膜片弹簧优化设计的影响,并采用遗传算法对目标函数进行了求解。结果表明,遗传算法具有比传统优化方法更强的全局寻优能力,稳健化设计能有效、可靠的减小质量波动对膜片弹簧优化设计的影响。     

ABS控制器参数的优化设计

在基于逻辑门限的ABS控制策略的基础上，建立了汽车ABS系统的仿真模型；提出了使用遗传算法优化设计ABS控制器的参数，并利用遗传算法和数字仿真相结合的手段，获得了参数设计结果。通过对优化设计参数和原设计参数运行结果的比较，证明基于遗传算法的优化设计方法有效，设计结果可供工程实践参考。     

基于可靠性的车桥结构多学科优化

为降低优化过程中不确定性因素对系统性能的影响,将考虑可靠性,即基于6σ的方法与协同优化方法相结合,建立了车桥基于6σ的协同优化模型,进行了车桥轻量化的多学科优化.结果表明,考虑可靠性的协同优化方法求得的最优解提高了系统的可靠性.     

基于区间方法的汽车乘员约束系统的不确定性优化

针对约束系统中一些参数因受制造和测量等因素影响而产生的不确定性,在用区间来描述不确定性的基础上,建立了汽车约束系统的不确定性优化模型,并应用基于序列线性规划的非线性区间数优化方法进行求解.将该方法用于某微型客车驾驶员侧约束系统的优化,与传统的确定性优化方法相比,该方法不仅能提升约束系统的防护性能,而且可提高其可靠性.     

基于区间不确定性的前悬架多目标可靠性优化

为减小悬架定位参数在车轮跳动过程中的变化量,以改善整车的操纵稳定性,减小轮胎的磨损,提出了一种考虑不确定性因素的前悬架不确定性多目标优化方法。首先,在Adams/Car中建立某车轿麦弗逊式前悬架模型,并运用Adams/Insight进行悬架设计硬点参数的灵敏度分析。然后,利用基于薄板样条插值的高维模型描述技术构建了设计变量和不确定变量与目标函数之间的近似模型。最后,针对该近似模型运用双层嵌套的改进非支配排序遗传算法和隔代遗传算法进行多目标不确定性优化与可靠性优化,得到Pareto最优解集。结果表明,优化后悬架主要定位参数在车轮跳动过程中的变化量有不同程度的减小,说明整车的操纵稳定性有所改善。     

基于模型的DPF主动再生排气温度控制

颗粒物捕集器(DPF)主动再生发生时需要将柴油发动机排气温度提升到500℃以上并维持在较长一段时间内。为减少由于控制对象纯滞后特性、强扰动因素引起的不确定性,降低高排气温度带来的主动再生风险,结合基于模型的控制策略提出了一种优化的再生温度控制算法和控制器结构,并展开了仿真分析、参数优化等研究工作。设计的控制结构考虑实际工程应用需求,采用基于发动机排气温度和排气流量的增益补偿和前馈加反馈控制方案,可兼顾性能和成本因素,并具有较强的适应性和可操作性。仿真和台架试验、车辆道路试验结果均表明,主动再生过程中对实际排温控制的超调量小于3%,在发动机瞬态工况和车辆运行等强扰动工作工况下的稳态控制误差小于25℃。     

快速公交路径优化设计模型及算法研究

分析了当前大城市多模式公交网络结构,构建了多模式公交超级网络;研究了公交出行者的策略选择行为,在考虑行程时间可靠性、座位期望以及诸多延误因子的基础上改进了策略阻抗模型;提出了BRT网络设计的双层规划模型:下层模型以改进策略阻抗模型为前提,进行了多模式公交网络平衡配流,上层模型旨在优化BRT的线路走向和布局;基于遗传算法和粒子群优化,设计了求解该双层规划模型的混合启发式算法,并用一个简单算例验证了本研究中模型与算法的可行性,提出了BRT线网优化设计的建议。     

基于降维算法的车身可靠性优化

基于降维算法,以最小化车身质量作为优化目标,选取车身弯曲和扭转刚度功能函数可靠度作为约束条件,建立了一种新的车身可靠性优化模型。利用降维算法,建立了新的n个一维函数模型近似替代原功能函数,借助泰勒级数和统计矩理论,求解车身功能函数的前4阶矩信息,并通过4阶矩法,得到车身可靠度;通过基于改进自适应遗传算法的优化方法与可靠性评定,将该嵌套优化问题解耦为单层优化问题;优化每一迭代步,采用罚函数法来改进适应度函数。与传统可靠性优化方法相比,本文方法无需多重积分求解功能函数统计矩,无需迭代搜索最可能失效点,且可避免种群陷入局部最优的缺陷。数值算例结果表明:所提方法具有较高的计算精度和较好的适应性。     

考虑气动阻力和横风稳定的汽车车身多目标优化设计

综合考虑了气动阻力特性和横风稳定性,对车身外形参数进行了多目标自动优化设计。综合利用参数化建模技术、计算流体力学(CFD)仿真、试验设计方法、响应面模型和智能优化算法,集成Pro/Engineer参数化建模和ICEM网格划分工具以及Fluent仿真软件,在多学科优化平台modeFRONTIER上,搭建了一种自动优化设计流程。利用该流程,基于遗传算法(GA)对MIRA快背式模型车身几何外形进行了改型设计,得到了考虑车身气动阻力特性和横风稳定性的最优权衡设计解集。该结果使得气动阻力因数降低了5.2%,侧向力因数降低了5.8%。因而,实现了车身气动阻力和横风稳定性的多目标优化。     

汽车行驶阻力模型参数的确定

在分析汽车行驶阻力特性后,结合仿真分析与试验设置等具体应用需要,建立起含有3个未知系数的行驶阻力模型。基于非线性最小二乘法拟合原理,应用数值计算方法求解微分方程,并进行优化迭代;充分利用汽车滑行过程数据记录中的丰富信息,快速有效地求解出汽车的行驶阻力模型。     

汽车前纵梁结构耐撞性分析及多目标优化设计

为提高汽车前纵梁结构的耐撞性和轻量化水平,文章对其进行多目标优化设计。基于动态落锤冲击试验,建立并验证了前纵梁有限元模型的准确性以及建模方法的可靠性。结合试验设计、粒子群优化（PSO）算法改进的支持向量机回归模型（SVR）和非支配排序遗传算法Ⅱ（NSGA-Ⅱ）,以减轻前纵梁质量和增加其比吸能为优化目标,对前纵梁的结构进行确定性优化和可靠性优化。结果表明,优化后的前纵梁结构耐撞性和轻量化水平都有了提升,同时也保证了设计的可靠性。     

汽车乘员约束系统多目标不确定性优化EI北大核心CSCD

计及乘员约束系统不确定性参数对乘员安全性的影响,在非线性区间数规划(NINP)和局部加密近似模型相结合的基础上提出一种乘员约束系统多目标不确定性优化方法。根据实车前碰撞试验结果对乘员约束系统的数值模型进行校正,并利用区间序关系将乘员约束系统不确定性优化问题转换为确定性优化问题;采用隔代映射遗传算法(IP-GA)和微型多目标遗传算法(μMOGA)来求解满足乘员约束系统防护性能的非支配解集。结果表明:该方法能获得考虑不确定性影响的乘员约束系统最佳匹配参数,从而确保汽车乘员的安全性,在汽车安全领域具有广泛的工程应用前景。     

汽车乘员约束系统多目标不确定性优化

计及乘员约束系统不确定性参数对乘员安全性的影响,在非线性区间数规划(NINP)和局部加密近似模型相结合的基础上提出一种乘员约束系统多目标不确定性优化方法。根据实车前碰撞试验结果对乘员约束系统的数值模型进行校正,并利用区间序关系将乘员约束系统不确定性优化问题转换为确定性优化问题;采用隔代映射遗传算法(IP-GA)和微型多目标遗传算法(μMOGA)来求解满足乘员约束系统防护性能的非支配解集。结果表明:该方法能获得考虑不确定性影响的乘员约束系统最佳匹配参数,从而确保汽车乘员的安全性,在汽车安全领域具有广泛的工程应用前景。