基于负泊松比结构填充的汽车吸能盒及其多目标优化方法与流程

技术特征：

1.一种基于负泊松比结构填充的汽车吸能盒，其特征在于，包含负泊松比吸能内芯、吸能盒外壳和前保横梁；所述负泊松比吸能内芯的材料是铝合金，结构组成是以内凹六边形单胞三维扩展而来，具有负泊松比性能；所述吸能盒外壳为两端开口内部中空的筒型结构，截面为多边形；前端焊接在前保横梁上；后端有法兰，用螺栓与前纵梁固定连接；所述负泊松比吸能内芯与吸能盒外壳内表面粘接固定，负泊松比吸能内芯的长度与吸能盒外壳的长度相等，宽度和高度与相应方向的内表面凹槽最低点间的距离相等。

2.根据权利要求1所述的一种基于负泊松比结构填充的汽车吸能盒，其特征在于，所述吸能盒外壳表面有压溃诱导槽；其中第一级压溃诱导槽为上表面两侧的切槽和在后表面的椭圆形凹槽，与吸能盒总长的比例均在黄金分割点0.618处；第二级压溃诱导槽为上表面的椭圆形凹槽，与吸能盒从上表面两侧的切槽至后端剩余部分的比例在黄金分割点0.618处。

3.根据权利要求1所述的一种基于负泊松比结构填充的汽车吸能盒，其特征在于，所述吸能盒外壳的材料为铝合金，壁厚1.5-2.5mm。

4.根据权利要求1所述的一种基于负泊松比结构填充的汽车吸能盒，其特征在于，所述负泊松比吸能内芯是由高强度铝合金AlSi12通过快速成型技术制成。

5.一种基于权利要求1-4任一所述基于负泊松比结构填充的汽车吸能盒实现的多目标优化方法，其特征在于，具体步骤如下：

步骤1：利用CATIA建立参数化内凹六边形单胞并扩展为与吸能盒内壁尺寸相等的结构单元，在Hypermesh建立吸能盒外壳及前保横梁的有限元模型；

步骤2：以内凹六边形的单胞结构内夹角θ、单胞底边长度a、胞斜边长度b、胞壁厚度t作为设计变量，并初步确定这四个设计变量的取值范围；

55°≤θ≤75°；12≤a≤16；4≤b≤6；0.6≤t≤1.2

并以此取值范围作为下一步优化的约束条件；

基于各自的取值范围，利用哈默斯雷实验设计方法生成100组实验点；

步骤3：对所生成的100组实验点分别利用参数化模型形成100个吸能盒填充内芯，导入Hypermesh中进行有限元处理并拓展填充到吸能盒外壳中，增加约束，并与前保横梁形成组件；

步骤4：基于LS-dyna建立100％正碰和40％正碰的碰撞模型并进行碰撞仿真，得到4种优化目标变量的100组仿真结果；以100％正碰的压溃位移S₁和平均碰撞力F₁、40％偏碰的压溃位移S₂和平均碰撞力F₂作为优化目标变量，以碰撞力峰值F_m为约束条件，根据仿真结果形成四个目标变量及一个约束目标变量与四个设计变量间的相关数据表；利用isight里的响应面模块生成形如

$f={\mathrm{\β}}_0+\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\β}}_i{x}_i+\underset{i=1}{\overset{n}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{\mathrm{\β}}_{ij}{x}_i{x}_j$

的5个二次响应面模型：

$\left\{\begin{array}{c}{S}_1=s_1(\mathrm{\θ},a,b,t)\\ F_1=f_1(\mathrm{\θ},a,b,t)\\ S_2=s_2(\mathrm{\θ},a,b,t)\\ F_2=f_2(\mathrm{\θ},a,b,t)\\ F_m=f_m(\mathrm{\θ},a,b,t)\end{array}\right.$

其中f为四个目标变量S₁、F₁、S₂、F₂；β₀为常数项待定系数；β_i为第i个一次项待定系数；β_ij为第ij个二次项待定系数；n为因素个数,此处为4；x_i、x_j分别为尺寸参数即设计变量θ、a、b、t，i＝1，2，3，4；j＝1，2，3，4；

步骤5：根据多目标优化思想，针对以上四个优化目标函数构建多目标优化函数：

其中约束函数g为碰撞力峰值满足碰撞法规要求的160Mpa的上限，四个设计变量应在各自的取值范围内；

其中多目标优化函数采用权重优化函数：

$F={\mathrm{\ω}}_1\frac{S_1}{S_0}+{\mathrm{\ω}}_2\frac{F_1}{F_0}+{\mathrm{\ω}}_3\frac{S_2}{S_0}+{\mathrm{\ω}}_4\frac{F_2}{F_0}$

式中S₀为压溃位移的归一化底数，F₀为平均碰撞力的归一化底数，取值为对标吸能盒的压溃位移和平均碰撞力；

根据道路正面碰撞事故的两类碰撞的概率比，100％碰撞/40％碰撞＝7/5，以及碰撞中对平均碰撞力和压溃位移的不同要求，设置综合权重系数为

ω₁＝0.18，ω₂＝0.40，ω₃＝0.13，ω₄＝0.29；

步骤6：利用帝国竞争算法对次方案的多目标问题进行优化：

(1)初始帝国建立：

初始设置有100个国家，即形成100个以四维设计变量为基础的数组：

Country＝{X}＝[x₁,x₂,x₃,x₄]^T

式中x_i，i＝1，2，3，4为尺寸参数，即设计变量θ、a、b、t；

每个国家的成本为Cost＝f(Country)＝f(x₁,x₂,x₃,x₄)，即优化目标函数F；成本越小，即F越小，国家竞争力越强，对初始国家进行排序后，成本较低的前几个国家成为帝国，其余成为殖民地；第i个帝国的规范化竞争力为

$M_i=\left|\frac{f_i-\underset{n}{\max }\left\{f_j\right\}}{{\mathrm{\Σ}}_j^n(f_j-\underset{n}{\max }\{f_j\left\}\right)}\right|$

(2)同化：

每个殖民地通过一个均匀随机数d来控制殖民地向帝国移动的距离；均匀分布的随机数；在此d是殖民地与帝国之间的距离；设定每块殖民地移动的距离s服从均匀分布s～U(0，α×d_d)，α＞1，帝国周围的殖民地逐渐向帝国靠近；

(3)竞争：

第i个帝国的总规范化成本为

$N.T.M_n=T.M_n-\underset{j}{max}\{T.M_j\}$

其中T.M_n为第i个帝国的总成本，为其帝国自有成本及占有殖民地的成本的加权叠加；

在竞争中，每个帝国都有可能占据最弱帝国中的最弱殖民地；从总权利最弱的帝国中挑选出一个弱小的殖民地，按照一定概率分配给其他帝国；

(4)合并收敛：

经过帝国之间的相互竞争之后，权利较小的帝国所拥有的殖民地会被权利比其强大的帝国侵占，当殖民地全部被占领后则该帝国就会自动灭亡；迭代N次后，当仅剩一个帝国统领所有殖民地时，算法结束；

最终得到优化后的四个设计变量参数的最优解。