一种转向系统结构的多目标设计方法与流程

本发明属于汽车转向系统
技术领域：
，具体涉及一种转向系统结构的多目标设计方法。
背景技术：
：转向系统是汽车的重要组成部分，由于直接与驾驶员接触，转向系统的性能表现将直接影响驾驶员的安全及主观感觉。在汽车正面碰撞过程中，转向系统中转向管柱和方向盘等零部件向后运动，驾驶员则由于惯性产生向前的运动，因此转向系统结构能量吸收的好坏对汽车的被动安全性具有重要影响。在汽车怠速过程中，转向系统的一阶固有模态容易与发动机的二阶激励频率重合从而引起方向盘的共振，因此转向系统设计过程中应使其一阶模态避开发动机的激励频率。转向系统结构的重量对于汽车的生产成本和汽车的油耗水平亦具有重要影响，因此设计过程中要严格控制。综上所述，转向系统设计的好坏对于整车的被动安全。舒适性、成本和油耗水平等均具有重要影响。传统汽车转向系统结构设计过程中主要依靠设计经验来进行设计，转向系统的性能和成本等较难达到最优。为提高汽车的性能，单目标优化设计方法被引入转向系统结构设计中，使转向系统的性能得到了显著提升，但是不同目标的最优解之间存在冲突，需要设计者在不同的设计方案间进行妥协和根据经验进行选择。为在各个目标之间取得较好的平衡，不同多目标优化设计方法被开发用于转向系统结构的设计，尽管优化过程提供的多目标设计解集为转向同喜的设计提供了多样的选择性，但是存在着优化效率较低，较难找到全局最优点及不能提供精确的多目标解集等缺点，难以较快实现转向系统的多目标优化设计从而到达转向系统性能和成本的完美融合。技术实现要素：发明目的：为了克服现有技术中转向系统结构优化设计的优化效率较低，较难找到全局最优点及不能提供精确的多目标解集等不足，提出了一种转向系统结构的多目标设计方法，可广泛应用于传统和电动汽车转向系统的设计中。技术方案：为实现上述目的，本发明采用的技术方案为：一种转向系统结构的多目标设计方法，包括以下设计步骤：1)选取转向系统中各部分结构加强板的厚度及材料种类作为优化设计变量，应用最优拉丁方实验方法生成m个初始样本点，其中，m＝(n+1)(n+2)/2，n为设计变量的个数，并建立转向系统结构的有限元模型并计算初始样本点的响应，获得m组初始样本点组；2)运用所述有限元模型计算样本点组分别建立转向系统结构的性能代理模型，包括克里金代理模型f(x)、径向基函数代理模型g(x)和二阶多项式响应面代理模型h(x)；3)在当前设计区间内利用最优拉丁方实验方法生成n个代理模型计算样本点，应用所述性能代理模型分别计算代理模型计算样本点，获得代理模型计算样本点组；在生成代理模型计算样本点时采用阶段采样策略来选取样本点；4)将所述代理模型计算样本点组按照相应对应的目标函数值进行升序排列，其中针对目标函数t将克里金代理模型f(x)获得的样本点组放入集合At，径向基函数代理模型g(x)获得的样本点组放入集合Bt，二阶多项式响应面代理模型h(x)获得的样本点组放入集合Ct；5)根据第4)步获得的代理模型计算样本点在3t个不同集合At、Bt、Ct中出现的概率将其分为7t个子设计代理模型计算样本点集合；6)根据所述子设计代理模型计算样本点集合中的样本点数计算权值，在每个子设计代理模型计算样本点集合里选出最突出的代理模型计算样本点并将其作为有限元模型计算样本点，并利用有限元模型计算新选出的所述有限元模型计算样本点的函数值；7)将所有的有限元模型计算样本点融合并用于更新转向系统结构的克里金代理模型f(x)、径向基函数代理模型g(x)和二阶多项式响应面代理模型h(x)，同时在所有的有限元模型计算样本点中寻找当前全局最优点；8)判断并调整外循环迭代次数为3的整数倍，进行内循环并定义更新重点局部区域；9)将t个不同目标函数中p个最小函数值对应的样本点进行耦合，产生不同设计解集；10)根据满意度函数S进行转向系统结构设计解集的选取，并应用有限元模型对设计解集的准确性进行验证。进一步的，步骤1)中，选取转向系统中上管柱壳体、下管柱壳体、转向管柱上支架、转向管柱下支架、转向管柱安装支架、转向管柱安装支架加强板的厚度及材料种类作为优化设计变量。进一步的，步骤3)中，在生成代理模型计算样本点时采用阶段采样策略来选取样本点：如果迭代小于最大迭代次数的2/3，则采用粗略采样策略，生成n1个样本点；如果迭代大于最大迭代次数的2/3，则采用大量采样策略，生成n2个样本点，其中n2远大于n1。进一步的，所述步骤5)中，所述7t个子设计代理模型计算样本点集合为：Et＝At∩Bt∩Ct，Ft＝(At∩Bt)-Et，Gt＝(Bt∩Ct)-Et，Ht＝(At∩Ct)-Et，It＝At-(Et∪Ft∪Ht)，Jt＝Bt-(Et∪Ft∪Gt)，Kt＝Ct-(Et∪Ht∪Gt)。进一步的，步骤8)中判断并调整外循环迭代次数为3的整数倍的方法为：(I)如果外循环迭代次数是3的整数倍，则开始进行内循环并定义更新重点局部区域；(II)如果外循环迭代次数不是3的整数倍，则在整个设计区间内重复步骤2)-7)直至目标函数值满足公式：|F‾it-G‾it|<ϵ]]>其中，为上次迭代过程中有限元模型计算样本点里五个最小目标函数值的平均值，为所有有限元模型计算样本点里五个最小目标函数值的平均值，容差ε＝0.001。这个公式的意思是：用上一次迭代里产出的样本点里的最小五个样本点的平均值，来减去当前迭代里所产出的样本点里，最小五个样本点的平均值。指的是上一次迭代里产出的样本点里，最小五个样本点的平均值。进一步的，所述重点局部区域更新设计方法的基本流程为：如果当前外循环迭代次数小于最大迭代次数的2/3，则执行以下子步骤(a)-(b)一次，然后在整个设计区间执行所述步骤2)-7)；如果当前外循环迭代次数大于最大迭代次数的的2/3，则执行以下子步骤(a)-(d)；(a)根据对应的目标函数值按照升序排列的顺序分别选择最小的k个有限元模型计算样本点；同时，k个有限元模型计算样本点在每个维度的最大值和最小值分别定义重点局部区域的边界，建立重点局部区域；(b)在步骤(a)获得的重点局部区域执行步骤2)-7)，寻找当前最优点；(c)根据寻找的结果生成新的重点局部区域；(d)重复步骤(a)-(c)直至目标函数值满足公式或者内部迭代次数达到最大迭代次数；进一步的，所述步骤(c)根据寻找的结果生成新的重点局部区域的方法为：①如果当前最优值在步骤(a)获得的重点局部区域的里面，则新的重点局部区域尺寸减为原重点局部区域尺寸的一半，并且当前最优值在新的重点局部区域的中部；新的重点局部区域按照以下规则生成：dit=xitU-xitL]]>xitl=xit*-1/4dit]]>xitu=xit*+1/4dit]]>其中，dit,和为当前重点局部区域中面向第t个目标函数里第i个设计变量变化范围的长度、当前最优值、最大值和最小值，和为新的重点局部区域中面向第t个目标函数里第i个设计变量的最大值和最小值；②如果当前最优值在步骤(a)获得的重点局部区域的边界上，则新的重点局部区域尺寸与原重点局部区域的尺寸相同，并且当前最优值在新的重点局部区域的中部；新的重点局部区域按照以下规则生成：进一步的，所述步骤10)中，满意度函数S定义如下：S=Σq=1tdq-dq,mindq,max-dq,min]]>其中，dq,max、dq,min分别为样本点设计解集中第q个目标函数的最大值和最小值；dq是指当前用于判定的样本点的第q个目标函数值。进一步的，利用近似模型进行不同目标函数的计算，将目标函数值进行比较并剔除不符合设计要求的样本点。有益效果：本发明提供的一种转向系统结构的多目标设计方法，与现有技术相比，本发明的有益效果是：1、使用三种不同的近似模型技术来建立转向系统结构的近似模型，转向系统多目标迭代优化设计过程中，通过合理产生和组合有限元模型计算样本点和近似模型计算样本点来不断的更新和修正近似模型，从而显著提高近似模型的精度和寻找最优设计解集的效率。同时通过采用满足度函数来评价不同多目标设计解集，从而使转向系统的多目标设计获得较好的性能和生产成本。2、转向系统多目标设计过程中，采用重点局部区域更新方法来提升设计方法寻找全局最优点的效率。重点局部区域在迭代过程中自动缩放尺寸和位置，从而使设计方法在全局设计空间和局部设计空间寻找最优点时获得较好的平衡。同时，为获得较好的精度和效率，优化过程中采用阶段采样策略，在迭代初始阶段采用粗略采样策略从而防止设计方法过早收敛于局部最优点并显著提高计算效率，在迭代后部阶段则采用大量采样策略从而显著提高设计方法寻找全局最优点的精度。通过融合重点局部区域更新方法和阶段采用策略，显著提升了转向系统多目标设计方法的精度和效率，且最优解更具全局性。附图说明图1为本发明转向系统多目标设计方法的设计优化原理图；图2是本发明转向系统多目标设计方法中重点局部区域更新方法的示意图。具体实施方式下面结合附图对本发明作更进一步的说明。实施例如图1所示，本发明开发了一种转向系统结构的多目标设计方法，设计时首先选取转向系统中上管柱壳体、下管柱壳体、转向管柱上支架、转向管柱下支架、转向管柱安装支架、转向管柱安装支架加强板的厚度及材料种类作为设计变量作为优化设计变量。应用最优拉丁方实验方法生成91个初始样本点，然后建立转向系统结构的有限元模型并计算初始样本点的响应从而获得91组初始样本点组。运用所有获得的有限元模型计算样本点组分别建立转向系统结构的克里金代理模型f(x)、径向基函数代理模型g(x)和二阶多项式响应面代理模型h(x)。在当前设计区间内利用最优拉丁方实验方法生成n个代理模型计算样本点，应用上一步获得的性能代理模型分别计算代理模型计算样本点从而获得代理模型计算样本点组。在生成代理模型计算样本点时采用阶段采样策略来选取样本点，如果迭代小于最大迭代次数的2/3，则采用粗略采样策略，生成1000个样本点；如果迭代大于最大迭代次数的2/3，则采用大量采样策略，生成10000个样本点。将上一步获得的大量代理模型计算样本点组按照相应对应的目标函数值进行升序排列，本次设计共包含转向系统吸收能量最多，一阶系统模态最高和重量最轻三个优化目标，其中针对目标函数t将克里金代理模型f(x)获得的样本点组放入集合At，径向基函数代理模型g(x)获得的样本点组放入集合Bt，二阶多项式响应面代理模型获得的样本点组放入集合Ct。根据第4)步获得的代理模型计算样本点在9个不同集合A、B、C中出现的概率将其分为7t个子设计代理模型计算样本点集合，其中Et＝At∩Bt∩Ct,Ft＝(At∩Bt)-Et,Gt＝(Bt∩Ct)-Et,Ht＝(At∩Ct)-Et,It＝At-(Et∪Ft∪Ht),Jt＝Bt-(Et∪Ft∪Gt),Kt＝Ct-(Et∪Ht∪Gt)。根据子设计代理模型计算样本点集合中的样本点数计算权值，在每个子设计集合里选出最突出的代理模型计算样本点并将其作为有限元模型计算样本点，并利用有限元模型计算新选出的样本点的函数值。将所有的有限元模型计算样本点融合并用于更新转向系统结构的克里金代理模型f(x)、径向基函数代理模型g(x)和二阶多项式响应面代理模型h(x)，同时在所有的有限元模型计算样本点中寻找当前全局最优点。判断外循环迭代次数是否为3的整数倍：(I)如果外循环迭代次数是3的整数倍，则开始进行内循环并定义重点局部区域。同时，如果当前外循环迭代次数小于最大迭代次数的2/3，则执行以下子步骤(a)-(b)一次然后再整个设计区间执行全局最优迭代；如果当前外循环迭代次数大于最大迭代次数的的2/3，则执行以下子步骤(a)-(d)。如图2所示，重点局部区域更新设计方法的基本流程如下所示：(a)根据对应的目标函数值按照升序排列的顺序分别选择最小的10个有限元模型计算样本点。同时，10个有限元模型计算样本点在每个维度的最大值和最小值分别用于定义重点局部区域的边界从而建立重点局部区域；(b)在步骤(a)获得的重点局部区域执行类似全局最优迭代过程从而寻找当前最优点；(c)根据寻找的结果来生成新的重点局部区域：如果当前最优值在步骤(a)获得的重点局部区域的里面，则新的重点局部区域尺寸应减为原重点局部区域尺寸的一半，并且当前最优值在新的重点局部区域的中部。新的重点局部区域按照以下规则生成：dit=xitU-xitLxitl=xit*-1/4ditxitu=xit*+1/4dit---(1)]]>其中，dit,和为当前重点局部区域中面向第t个目标函数里第i个设计变量变化范围的长度、当前最优值、最大值和最小值。和为新的重点局部区域中面向第t个目标函数里第i个设计变量的最大值和最小值。如果当前最优值在步骤(a)获得的重点局部区域的边界上，则新的重点局部区域尺寸应与原重点局部区域的尺寸相同，并且当前最优值在新的重点局部区域的中部。新的重点局部区域按照以下规则生成：dit=xitU-xitLxitl=xit*-1/2ditxitu=xit*+1/2dit---(2)]]>(d)重复步骤(a)-(c)直至目标函数值满足公式(3)或者内部迭代次数达到最大迭代次数。|F‾it-G‾it|<ϵ---(3)]]>其中，为上次迭代过程中有限元模型计算样本点里五个最小目标函数值的平均值，为所有有限元模型计算样本点里五个最小目标函数值的平均值，容差ε＝0.001。(II)如果外循环迭代次数不是3的整数倍，则在整个设计区间内重复全局最优迭代直至目标函数值满足公式(3)。将3个不同目标函数中10个最小函数值对应的样本点进行耦合从而产生不同设计解集，利用近似模型进行不同目标函数的计算，将目标函数值进行比较并剔除不符合设计要求的样本点。根据满意度函数S进行转向系统结构设计解集的选取，并应用有限元模型对设计解集的准确性进行验证。满意度函数S定义如下：S=Σq=13dq-dq,mindq,max-dq,min---(4)]]>其中，dq,max，dq,min分别为样本点设计解集中第q个目标函数的最大值和最小值。对于样本点组，满意度函数S的值越小则设计越好。应用本方法对某车型的转向系统进行优化，以转向系统的一阶模态频率和系统的重量为优化目标，优化完成后，转向系统的一阶模态频率从28.25Hz提高到31.04Hz，转向系统的重量从10.54Kg减轻到9.96Kg。因此可知，通过应用本方法进行多目标优化后，转向系统的一阶模态频率和重量都得到了很好的优化。以上所述仅是本发明的优选实施方式，应当指出：对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页1 2 3