基于径向基函数神经网络的车门轻量化设计

以逆向设计得到的某轻型货车车门为例,探究该车门的轻量化潜能。以参数辨识所得到的关键零部件厚度为输入参数,车门刚度性能和车门质量为输出响应,建立了基于径向基函数(Radial Basis Function,RBF)的神经网络近似模型。在近似模型的基础上,以钣金件厚度为设计变量,车门抗凹刚度和下垂刚度为约束条件,以质量最小为目标,应用模拟退火优化算法实现了车门的轻量化。在保证车门抗凹刚度和下垂刚度性能满足设计要求的前提下,实现减重0.81kg,RBF神经网络近似模型的应用有效缩短了轻量化设计的时间。