一种电动轮自卸车车架结构抗疲劳轻量化设计方法与流程

本发明涉及电动轮自卸车车架结构抗疲劳轻量化设计方法，属于电动轮自卸车车架结构优化设计领域。

背景技术：

百吨级电动轮自卸车常年在矿山坑洼路面恶劣环境下作业，其关键承载部件车架的结构性能对车辆运行可靠性和使用安全性起着至关重要的作用。然而，国产百吨级电动轮自卸车车架结构设计依赖于传统经验，通过增加材料厚度来保证车架结构刚强度性能的做法势必造成结构重量冗余和疲劳寿命过剩等问题。因此，为提高材料利用率，降低制造成本和节省资源消耗，需要开展电动轮自卸车车架结构优化设计研究。

现有的电动轮自卸车车架结构优化设计主要围绕改善车架结构的强度、刚度、固有频率或者减轻重量等单一目标进行，通过改变几何结构拓扑关系实现优化目标，这类方法的优势是目标明确且易实现。但是，重型装备承载结构形状复杂，工作环境极其恶劣，仅仅满足单一优化目标的车架结构显然难以保证车辆运行可靠和使用安全的要求。同时，该优化方法往往在改善车架结构性能或轻量化设计之后再来验证结构的疲劳可靠性指标，这会造成优化后的车架结构可能无法满足疲劳可靠性能而需要重新进行结构拓扑优化设计，带来重复性工作。因此，目前电动轮自卸车车架结构轻量化设计方法在计算精度和效率方面尚不理想。

技术实现要素：

为解决现有电动轮自卸车车架结构轻量化设计方法所存在的计算效率和精度偏低等问题，克服背景技术所述缺陷，本发明提供一种电动轮自卸车车架结构抗疲劳轻量化设计方法，本发明方法包括以下步骤：

(1)建立电动轮自卸车车架结构抗疲劳轻量化设计模型；选择对电动轮自卸车车架结构疲劳寿命和重量影响大的纵梁厚度、尾梁厚度、龙门梁厚度和加强筋厚度作为设计变量，以电动轮自卸车车架结构疲劳寿命和电动轮自卸车车架结构重量作为优化目标，建立电动轮自卸车车架结构多目标优化模型，即：

min F₁(x1,x2,x3,x4)

max F₂(x1,x2,x3,x4)

s.t.x₁∈X₁，x₂∈X₂，x₃∈X₃，x₄∈X₄

式中F₁(x1,x2,x3,x4)和F₂(x1,x2,x3,x4)表示电动轮自卸车车架结构重量和电动轮自卸车车架结构疲劳寿命；x₁、x₂、x₃、x₄表示设计变量，x₁为纵梁厚度、x₂为尾梁厚度、x₃为龙门梁厚度、x₄为加强筋厚度；X₁、X₂、X₃、X₄分别为x₁、x₂、x₃、x₄的设计空间；

(2)利用优化拉丁超立方抽样方法在设计变量空间内进行试验设计，获取纵梁厚度、尾梁厚度、龙门梁厚度和加强筋厚度四个设计变量样本点；

(3)建立电动轮自卸车车架结构参数化模型，通过有限元计算获取各设计变量样本点对应的电动轮自卸车车架结构重量和电动轮自卸车车架结构疲劳寿命两个目标函数响应值；

(4)根据各设计变量样本点和目标函数响应值，构建Kriging近似模型并进行精度评估；

(5)利用非支配排序多目标遗传算法进行全局寻优，计算Pareto最优解并进行精度评估，确定优化结果。

进一步的，步骤(1)中，电动轮自卸车车架结构重量F₁(x1,x2,x3,x4)需要满足设计要求F₁(x1,x2,x3,x4)≤m，m为电动轮自卸车车架结构最大设计重量；电动轮自卸车车架结构疲劳寿命F₂(x1,x2,x3,x4)需要满足设计要求F₂(x1,x2,x3,x4)≥N，N为电动轮自卸车车架结构最小设计疲劳寿命。

进一步的，步骤(2)中，通过优化拉丁超立方抽样方法获得的设计变量样本点组数为30。

进一步的，步骤(3)中，电动轮自卸车车架结构有限元模型中的各单元重量之和等于电动轮自卸车车架结构重量；电动轮自卸车车架结构疲劳寿命通过商业软件Msc.Fatigue中的准静态叠加法计算确定。

进一步的，步骤(4)中，在设计空间中选取试验设计方案外的任意若干组变量值进行电动轮自卸车车架结构重量和电动轮自卸车车架结构疲劳寿命有限元计算，并与Kriging近似模型的计算结果进行对比，若两者相对误差在5％以内，则Kriging近似模型符合要求，否则需要利用拉丁超立方抽样方法重新采样构建Kriging近似模型。

进一步的，步骤(5)中，利用商业软件Isight中的非支配排序多目标遗传算法进行全局寻优获得Pareto最优解，根据优化后得到的设计变量进行电动轮自卸车车架结构重量和电动轮自卸车车架结构疲劳寿命有限元计算，将有限元计算结果与Kriging近似模型优化后得到的目标函数响应值进行对比，若两者相对误差在5％以内，且目标函数响应值满足步骤(1)中所述的设计要求，则将该Pareto最优解作为最终的优化结果，否则需要重新寻优。

本方法的具体效果是：既能够减轻电动轮自卸车车架结构重量又能够保证其疲劳寿命满足设计要求，计算效率高，优化方案合理且易实现。

附图说明

图1为本发明的流程图；

图2为某型电动轮自卸车车架结构；

图3为某型电动轮自卸车车架结构抗疲劳轻量化设计变量；

图4为某型电动轮自卸车车架结构有限元模型；

图5为车架重量近似模型关于纵梁和尾梁厚度的三维曲面图；

图6为车架疲劳寿命近似模型关于纵梁和尾梁厚度的三维曲面图；

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细说明。

下面给出了某型电动轮自卸车车架结构抗疲劳轻量化设计的实例，但本发明的保护范围不限于下述的实施范例。

参见图1所示，(1)建立电动轮自卸车车架结构抗疲劳轻量化设计模型，某型电动轮自卸车车架结构如图2所示；选择对电动轮自卸车车架结构疲劳寿命和重量影响大的纵梁厚度、尾梁厚度、龙门梁厚度和加强筋厚度作为设计变量，参见图3所示，1为纵梁、2为尾梁、3为龙门梁和4为加强筋；以电动轮自卸车车架结构疲劳寿命和电动轮自卸车车架结构重量作为优化目标，建立电动轮自卸车车架结构多目标优化模型，即：

min F₁(x1,x2,x3,x4)

max F₂(x1,x2,x3,x4)

s.t.x₁∈X₁，x₂∈X₂，x₃∈X₃，x₄∈X₄

式中F₁(x1,x2,x3,x4)和F₂(x1,x2,x3,x4)表示电动轮自卸车车架结构重量和电动轮自卸车车架结构疲劳寿命，其中F₁(x1,x2,x3,x4)≤32吨，F₂(x1,x2,x3,x4)≥5.0×10⁷次；x₁、x₂、x₃、x₄表示设计变量，x₁为纵梁厚度、x₂为尾梁厚度、x₃为龙门梁厚度、x₄为加强筋厚度；X₁、X₂、X₃、X₄分别为x₁、x₂、x₃、x₄的设计空间，其中X₁为(20,40)，X₂为(30,50)；X₃为(20,35)；X₄为(10,20)；

(2)利用优化拉丁超立方抽样方法在设计变量空间内进行试验设计，获取尾梁厚度、纵梁厚度、龙门梁厚度和加强筋厚度四个设计变量样本点共30组，各方案如表1所示：

表1拉丁超立方抽样试验设计方案

(3)建立电动轮自卸车车架结构参数化模型，通过有限元计算获取各设计变量样本点对应的电动轮自卸车车架结构重量和电动轮自卸车车架结构疲劳寿命两个目标函数响应值，其中，电动轮自卸车车架结构有限元模型中的各单元重量之和等于电动轮自卸车车架结构重量；电动轮自卸车车架结构疲劳寿命通过商业软件Msc.Fatigue中的准静态叠加法计算确定。

(4)根据各设计变量样本点和目标函数响应值，构建Kriging近似模型，其中，车架重量近似模型关于纵梁和尾梁厚度的三维曲面图如图5所示，车架疲劳寿命近似模型关于纵梁和尾梁厚度的三维曲面图如图6所示；另外，在设计空间中选取试验设计方案外的任意若干组变量值进行电动轮自卸车车架结构重量和电动轮自卸车车架结构疲劳寿命有限元计算，并与Kriging近似模型的计算结果进行对比，若两者相对误差在5％以内，则Kriging近似模型符合要求，否则需要利用拉丁超立方抽样方法重新采样构建Kriging近似模型，某型电动轮自卸车车架结构抗疲劳轻量化设计Kriging近似模型精度验证结果如表2所示：

表2 Kriging近似模型精度分析结果

(5)利用商业软件Isight中的非支配排序多目标遗传算法进行全局寻优获得Pareto最优解，根据优化后得到的设计变量进行电动轮自卸车车架结构重量和电动轮自卸车车架结构疲劳寿命有限元计算，将有限元计算结果与Kriging近似模型优化后得到的目标函数响应值进行对比，若两者相对误差在5％以内，且目标函数响应值满足步骤(1)中所述的设计要求，则将该Pareto最优解作为最终的优化结果，否则需要重新寻优，优化结果及其精度验证结果如表3所示：

表3 Kriging近似模型优化结果和精度分析结果