基于多目标优化的轨道车辆重量重心设计优化方法及系统与流程

本发明涉及轨道车辆及多目标优化算法技术领域，特别涉及一种基于多目标优化的轨道车辆重量重心设计优化方法。本发明还涉及一种基于多目标优化的轨道车辆重量重心设计优化系统。

背景技术：

随着中国机械工业的发展，轨道车辆设计制造业已日趋成熟。

对于轨道车辆而言，车辆系统及各级部件重量和重心控制，轴重、轮重及不平衡率计算是设计环节中的关键步骤，国内外车辆研制公司都极其重视。对计算结果的评估国际上采用的标准主要是IEC 61133和DIN 50125。其中，IEC 61133详细规定了机车重量的误差范围、每根轴重与平均轴重的差值范围和每个轮重与此轮所在轮对的平均值的差值范围；而DIN 50125只规定了机车的重量，轴重，轮重，机车重量的误差，每根轴重与平均轴重的差值，每个轮重与此轮所在轮对的平均值的差值应该满足合同或标书的要求，并没有给出具体数值。在欧洲，尤其是在德国的机车设计中，仍然采用UIC 610规定的数值作为DIN 50125补充。

目前，现有车型重量计算均人工控制，在车辆设计过程中，未能将车辆各级部件的重量、重心、轮重、轴重按合同或相关标准考核，各个零部件重量及分布位置的分配方案难以达到最优点。在轨道车辆施工设计或者制造阶段，部分车型轴重严重超标，需要重量优化系统实现车辆减重，同时对现有项目进行轻量化设计时，需要对车辆系统及各级部件重量优化分配。车辆重量的增加导致能耗增加、轮轨磨耗增加以及成本增加，并很难将车辆重量、轴重和轮重限制在规定范围之内。

因此，如何实现对轨道车辆上各个零部件的重量及分布优化，达到轻量化设计目的，同时提高车体内空间利用率，是本领域技术人员亟待解决的技术问题。

技术实现要素：

本发明的目的是提供一种基于多目标优化的轨道车辆重量重心设计优化方法，能够实现对轨道车辆上各个零部件的重量及分布优化，达到轻量化设计目的，同时提高车体内空间利用率。本发明的另一目的是提供一种基于多目标优化的轨道车辆重量重心设计优化系统。

为解决上述技术问题，本发明提供一种基于多目标优化的轨道车辆重量重心设计优化方法，包括：

测量轨道车辆的各个组成部件的当前重量及当前重心坐标，以此计算轨道车辆的车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb，并将数据写入重量重心参数表；

根据所述重量重心参数表的参数计算转向架中各轴的轴重偏差与轮重偏差，并将数据写入轴重轮重计算表；

根据所述重量重心参数表及轴重轮重计算表中的数据在优化软件中建立优化任务模型，其中，以车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb为优化变量，以各个所述组成部件的重量及重心坐标为设计变量，以转向架中各轴的轴重偏差与轮重偏差为约束变量；

对所述优化任务模型运用预设算法确定其中所述设计变量和约束变量的取值范围，以及所述优化变量的优化指标；

通过预设的多目标优化算法对所述优化任务模型进行多目标优化计算，获得优化后的各个所述组成部件的重量及重心坐标。

优选地，计算轨道车辆的车体重量和车体重心坐标具体包括：

根据各个所述组成部件的重量及重心坐标分别计算其重力矩；

根据各个所述组成部件的重量和重力矩，求和计算轨道车辆的总重量和总重力矩，再根据转向架重量F_bg计算车体重量F_cb和车体重力矩；

根据车体重量F_bg和车体重力矩计算车体重心坐标X_cb、Y_cb、Z_cb。

优选地，将数据写入重量重心参数表具体包括：

将各个所述组成部件的当前重量及当前重心坐标写入设备重量表；

测量转向架中心距a、轴距d、滚动圆距离d₁、转向架重心与二系支撑重心距离d₂、转向架重心与二系支撑重心距离d₃，并写入结构参数表。

优选地，对所述优化任务模型运用预设算法确定其中所述设计变量和约束变量的取值范围，以及所述优化变量的优化指标，具体包括：

对所述优化任务模型运用最优拉丁超立方算法进行试验设计，确定各个所述组成部件的重量取值边界、x坐标取值边界、y坐标取值边界及z坐标取值边界；

根据所述设计变量可取的工程离散值确定轴重偏差及轮重偏差的许用范围以及车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb的优化指标。

优选地，对所述优化任务模型运用最优拉丁超立方算法进行试验设计之后，还包括：

对试验设计的结果数据进行敏度分析，获得各个所述组成部件对车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb的贡献率排序；

根据预设的工程约束条件对贡献率排序数据进行筛选，截取符合预设要求的各个所述组成部件作为设计变量。

优选地，通过预设的多目标优化算法对所述优化任务模型进行多目标优化计算，具体包括：

运用响应面模型或神经网络模型对试验设计的结果数据进行近似建模，获得优化后的车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb的预测模型；

对所述预测模型运用多目标算法NSGA-II进行全局优化。

优选地，通过预设的多目标优化算法对所述优化任务模型进行多目标优化计算，具体包括：

运用多目标算法NSGA-II对所述优化任务模型进行多目标优化计算。

优选地，通过预设的多目标优化算法对所述优化任务模型进行多目标优化计算时：

所述设计变量均按照预设的步长变量进行逐级调节；

所述约束变量中的轮重偏差控制在3％以下，轴重偏差控制在2％以下；

所述优化变量中的车体重心坐标X_cb的优化范围控制在-50mm～50mm，车体重心坐标Y_cb的优化范围控制在-3mm～3mm，车体重心坐标Z_cb的优化范围控制在0～1800mm。

优选地，获得优化后的各个所述组成部件的重量及重心坐标之后，还包括：

对各个所述组成部件的重量及重心坐标的集合通过工程约束条件进行筛选，并获得适合工程使用的优化解集。

本发明还提供一种基于多目标优化的轨道车辆重量重心设计优化系统，包括：

第一数据获取模块，用于测量轨道车辆的各个组成部件的当前重量及当前重心坐标，以此计算轨道车辆的车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb，并将数据写入重量重心参数表；

第二数据获取模块，用于根据所述重量重心参数表的参数计算转向架中各轴的轴重偏差与轮重偏差，并将数据写入轴重轮重计算表；

任务模型建立模块，用于根据所述重量重心参数表及轴重轮重计算表中的数据在优化软件中建立优化任务模型，其中，以车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb为优化变量，以各个所述组成部件的重量及重心坐标为设计变量，以转向架中各轴的轴重偏差与轮重偏差为约束变量；

变量控制模块，用于对所述优化任务模型运用预设算法确定其中所述设计变量和约束变量的取值范围，以及所述优化变量的优化指标；

多目标优化计算模块，用于对所述优化任务模型运用预设算法确定其中所述设计变量和约束变量的取值范围，以及所述优化变量的优化指标。

本发明所提供的基于多目标优化的轨道车辆重量重心设计优化方法，首先测量轨道车辆上各个组成部件的当前重量及当前重心坐标，确定初始各个组成部件的初始状态，并根据这些参数计算轨道车辆的车体重量和车体重心坐标，再将各个组成部件的参数写入重量重心参数表中；其次，根据各个组成部件的参数可以计算转向架中各轴的轴重偏差和轮重偏差，再将偏差数据及计算公式等写入轴重轮重计算表；然后根据重量重心参数表和轴重轮重计算表中的数据在优化软件中建立优化任务模型，该优化任务模型为具有设计变量、约束变量、优化变量和内置算法等，且具有输入量和输出量的模型，具体可为3D模型等。其中，车体重量和车体重心坐标为优化变量(或优化目标)，各个组成部件的重量及重心坐标为设计变量，而转向架中各轴的轴重偏差和轮重偏差为约束变量。接下来，优化任务模型建立之后，以及在优化计算之前，首先需要运用预设算法确定设计变量和约束变量的取值范围，以及优化变量的优化指标。最后，即可通过预设的多目标优化算法对优化任务模型进行多目标优化计算，从而获得优化后、符合要求的各个组成部件的重量及重心坐标。如此，本发明针对轨道车辆的各个组成部件的重量和重心坐标，以车体重量和车体重心坐标作为优化目标，再以转向架中的各轴的轴重偏差和轮重偏差作为约束条件建立优化任务模型，通过预设的多目标优化算法对优化任务模型进行优化计算，以此获得优化后的各个所述组成部件的重量及重心坐标，轨道车辆实际组装时再按照优化结果进行组成部件的位置调整和重量调整，能够有效地实现对轨道车辆上各个零部件的重量及分布优化，达到轻量化设计目的，同时提高车体内空间利用率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明所提供的一种具体实施方式的流程图；

图2为本发明所提供的一种具体实施方式的模块图。

其中，图2中：

第一数据获取模块—1，第二数据获取模块—2，任务模型建立模块—3，变量控制模块—4，多目标优化计算模块—5。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本发明所提供的一种具体实施方式的流程图。

在本发明所提供的一种具体实施方式中，基于多目标优化的轨道车辆重量重心设计优化方法主要包括五个步骤，分别为：测量轨道车辆的各个组成部件的当前重量及当前重心坐标，以此计算轨道车辆的车体重量Fcb和车体重心坐标Xcb、Ycb、Zcb，并将数据写入重量重心参数表；根据所述重量重心参数表的参数计算转向架中各轴的轴重偏差与轮重偏差，并将数据写入轴重轮重计算表；根据所述重量重心参数表及轴重轮重计算表中的数据在优化软件中建立优化任务模型，其中，以车体重量Fcb和车体重心坐标Xcb、Ycb、Zcb为优化变量，以各个所述组成部件的重量及重心坐标为设计变量，以转向架中各轴的轴重偏差与轮重偏差为约束变量；对所述优化任务模型运用预设算法确定其中所述设计变量和约束变量的取值范围，以及所述优化变量的优化指标；通过预设的多目标优化算法对所述优化任务模型进行多目标优化计算，获得优化后的各个所述组成部件的重量及重心坐标。

其中，在第一步中，测量轨道车辆的各个组成部件的当前重量及当前重心坐标时，可以轨道车辆的车体底面作为x-y平面，以车体一端侧面作为x-z平面，以高度方向为z轴。在测量完成之后，即可确定轨道车辆上各个组成部件的初始状态，以便确定后续步骤中建模时的初始状态。而在根据各个组成部件的当前重量和当前重心坐标计算轨道车辆的车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb时，具体地，可首先根据各个组成部件的重量及重心坐标分别计算其重力矩，比如某部件的重量为G1，其重心坐标为x、y、z，那么其重力矩分别为Mx＝x·G1，My＝y·G1，Mz＝z·G1。同时，由于轨道车辆上的零部件众多，根据其功能结构，可认为划分成三部分，即I级部件(比如某系统等)、II级部件(比如某机构等)和III级部件(比如某零件等)。显然，III级部件的重量和重心坐标是可直接测量的，而按照上述计算方法计算出所有III级部件的重量和重力矩之后，即可对其分别求和，从而计算出所有II级部件的重量和重力矩，再对II级部件分别求和，即可计算出所有I级部件的重量和重力矩，最后对I级部件分别求和，可计算出轨道车辆的总重量和总重力矩。其中，转向架可整体作为轨道车辆的一个组成部件，其重量F_bg和重心坐标已被测量出(或者为预设值时，无需测量)，因此，可根据轨道车来那个的总重量和总重力矩，以及转向架的重量和重力矩计算出车体重量F_cb和车体重力矩(轨道车辆由车体和转向架组成)，进一步根据车体重力矩和车体重量F_cb的相除结果，可计算出车体重心坐标X_cb、Y_cb、Z_cb。

在计算出轨道车辆的车体重量和车体重心坐标之后，需要将数据写入重量重心参数表。具体的，可首先将各个组成部件的当前重量和当前重心坐标写入设备重量表，然后测量转向架中心距a、轴距d、滚动圆距离d₁、转向架重心与二系支撑重心距离d₂、转向架重心与二系支撑重心距离d₃等(比如还包括一系弹簧横向跨距、二系弹簧横向跨距、车辆长度、车辆宽度和车辆高度等)有关于转向架的轴重、轮重的数据，并将这些参数写入结构参数表。也就是说，设备重量表和结构参数表的数据共同构成了重量重心参数表。

在第二步中，根据前述建立的重量重心参数表的参数计算转向架中各轴的轴重偏差与轮重偏差，并将计算结果数据写入轴重轮重计算表。具体的，以两轴式转向架为例，首先可根据公式：F_hs＝F_cb×(a/2±X_cb)/a计算转向架簧上质量F_hs，然后再根据公式：F_x1＝(F_hs×(d/2-d₃)+F_bg×(d/2-d₃+d₂))/d计算第一轴重，根据公式：F_x2＝F_hs+F_bg-F_x1计算第二轴重，再根据公式：F_w＝F_x1×(d₁/2±Y_cb)/d₁计算轮重。而在各轴轴重和各轮轮重均计算完成后，即可根据转向架预设的平均轴重和平均轮重分别计算出轴重偏差和轮重偏差。最后，再将相关计算公式、相关参数和计算出的轴重偏差及轮重偏差均写入到轴重轮重计算表中。

优选的，上述设备重量表、结构参数表和轴重轮重计算表可均为excel表。而若调试各excel数据表，调整设备重量表和结构参数表中的参数，可在轴重轮重计算表得到不同的轴重偏差和轮重偏差。

在第三步中，重量重心参数表和轴重轮重计算表均建立完成之后，即可根据该两表中的数据在优化软件中建立优化任务模型。具体的，可以两表的数据在多学科优化软件中建立优化任务模型，该优化任务模型为内置算法的应用软件程序，当然可同时输出显示为3D建模，可导入包含有设备重量表、结构参数表、轴重轮重计算表的excel数据，进行定义输入输出变量、增加和删除变量，修改变量等，调试流程，使得参数数据传递。其中，以车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb为优化变量，以各个组成部件(主要为车体的各个组成部件)的重量及重心坐标为设计变量，以转向架中各轴的轴重偏差与轮重偏差为约束变量。如此，相当于在优化任务模型中，以各个组成部件的重量及重心坐标作为输入，而以车体重量和车体重心坐标作为输出，同时以转向架中各轴的轴重偏差与轮重偏差作为限制条件。

在第四步中，对上述建立的优化任务模型运用预设算法确定其中设计变量和约束变量的取值范围，以及优化变量的优化指标。设计变量，即各个组成部件的重量及重心坐标，必然是在某个范围内可调的，但是其调节范围需要严格限定。同样，约束变量，即轴重偏差和轮重偏差自身也具有一定取值范围，而优化变量，即车体重量和车体重心坐标也具有一定范围的可适用空间，即其优化指标并非唯一值，而是一个区间。具体的，可对优化任务模型运用最优拉丁超立方算法进行试验设计，进而确定设计变量的取值范围。即各个组成部件的重量取值边界、x坐标取值边界、y坐标取值边界和z坐标取值边界。然后，确定了各个组成部件的重量区间和重心坐标区间之后，可根据预设的工程适用条件确定各个组成部件的重量和重心坐标的工程离散值，即若干个适用的取值。再根据设计变量的若干个取值，可以进一步确定轴重偏差和轮重偏差的许用范围以及车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb的优化指标。

进一步的，考虑到设计变量的数量较大，若全部都做调整，优化计算的速率较慢且计算量较大，为此，本实施例对设计变量进行了筛选。具体的，对优化任务模型运用最优拉丁超立方算法进行试验设计之后，可对试验设计的结果数据进行敏度分析，可以获得归一化后各个组成部件对车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb的贡献率排序。此处的贡献率指各个组成部件的同比例调整量对车体重量和车体重心坐标的影响程度，贡献率越大，影响程度越大。获得各个组成部件的贡献率排序后，即可根据预设的工程约束条件对贡献率排序数据进行筛选，从而截取符合预设要求的各个组成部件部分作为设计变量，排出不符合预设要求的、贡献率较低的、对车体重量和车体重心坐标影响较小的组成部件。如此，通过对设计变量的贡献率排序，精简了设计变量的数量，提高了优化效率。

在第五步中，通过预设的多目标优化算法对优化任务模型进行多目标优化计算。具体的，在一种实施例中，可运用多目标算法NSGA-II(Non-Dominated Sorting Genetic Algorithm II，带精英策略的非支配排序的遗传算法)直接对优化任务模型进行多目标优化计算，从而获得优化变量的优化结果(车体重量和车体重心坐标)和设计变量的最优解集(各个组成部件的重量及重心坐标)。同时，在另一种实施例中，可首先运用响应面模型或神经网络模型对试验设计的结果数据进行近似建模，从而获得优化后的车体重量和车体重心坐标的预测模型，在此过程中，预测模型的误差一般控制在5％以下。该预测模型可直接在三维软件中输出显示虚拟实体，之后可再对该预测模型运用多目标算法NSGA-II进行全局优化，其优化计算与前述直接对优化任务模型相同，此处不再赘述。通过预测模型的全局优化，相比于直接对优化任务模型进行多目标优化计算，其优化速率更快。

另外，在进行优化计算时，设计变量在许用取值范围内可按照预设的步长变量进行逐级调节。比如，各个组成部件的重量可按试验设计边界离散设置，按照步长变量为5kg进行逐级调节，各个组成部件的x坐标按试验设计边界离散设置，按照步长变量为10mm进行逐级调节，各个组成部件的y和z坐标按试验设计边界离散设置，均按照步长变量为5mm进行逐级调节。同时，在进行优化计算式，约束变量中的轮重偏差具体可控制在3％以下，轴重偏差具体可控制在2％以下。而优化变量中的车体重心坐标X_cb具体的优化范围可为-50mm～50mm之间，车体重心坐标Y_cb的优化范围可控制在-3mm～3mm，车体重心坐标Z_cb的优化范围控制在0～1800mm。

如此，本实施例针对轨道车辆的各个组成部件的重量和重心坐标，以车体重量和车体重心坐标作为优化目标，再以转向架中的各轴的轴重偏差和轮重偏差作为约束条件建立优化任务模型，通过预设的多目标优化算法对优化任务模型进行优化计算，以此获得优化后的各个所述组成部件的重量及重心坐标，轨道车辆实际组装时再按照优化结果进行组成部件的位置调整和重量调整，能够有效地实现对轨道车辆上各个零部件的重量及分布优化，达到轻量化设计目的，同时提高车体内空间利用率。

此外，在对优化任务模型或预测模型运用多目标优化算法进行优化计算后，可获得若干个关于各个组成部件的重量和重心坐标的最优解集。为进一步提高可靠度和精确性，可再对各个组成部件的重量及重心坐标的集合通过工程约束条件进行筛选，比如各个组成部件的强度、公差要求等，如此筛选后，可获得适合工程使用的优化解集。

如图2所示，图2为本发明所提供的一种具体实施方式的模块图。

在本发明所提供的一种具体实施方式中，基于多目标优化的轨道车辆重量重心设计优化系统主要包括第一数据获取模块1、第二数据获取模块2、任务模型建立模块3、变量控制模块4和多目标优化计算模块5。其中，第一数据获取模块1主要用于测量轨道车辆的各个组成部件的当前重量及当前重心坐标，以此计算轨道车辆的车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb，并将数据写入重量重心参数表；第二数据获取模块2主要用于根据所述重量重心参数表的参数计算转向架中各轴的轴重偏差与轮重偏差，并将数据写入轴重轮重计算表；任务模型建立模块3主要用于根据所述重量重心参数表及轴重轮重计算表中的数据在优化软件中建立优化任务模型，其中，以车体重量F_cb和车体重心坐标X_cb、Y_cb、Z_cb为优化变量，以各个所述组成部件的重量及重心坐标为设计变量，以转向架中各轴的轴重偏差与轮重偏差为约束变量；变量控制模块4主要用于对所述优化任务模型运用预设算法确定其中所述设计变量和约束变量的取值范围，以及所述优化变量的优化指标；多目标优化计算模块5主要用于对所述优化任务模型运用预设算法确定其中所述设计变量和约束变量的取值范围，以及所述优化变量的优化指标。

基于多目标优化的轨道车辆重量重心设计优化系统的优化计算方法与前述基于多目标优化的轨道车辆重量重心设计优化方法相同，此处不再赘述。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。