基于遗传算法的客车车身骨架优化设计.pdf

万方数据

基于遗传算法的客车车身骨架优化设计林程，Method张军，张国明OptimizingFrameAlgorithmframeAnDesignofBusBodyBasedGeneticalgorithm(GA)，aintroduced．Amodelaboutmethodmethod．Thealgorithm(GA)；finitemethod(FEM)；optimizing全承载式客车车身的主要承载结构是车身骨架，车身骨架结构的合理与否直接影响车身的结构性能．合理的车身结构应该是在满足车辆正常运行对车身强度、刚度、舒适性等要求的前提下，使车辆质量最小，以提高材料的利用率，降低车辆的制造和运行成本．有限元技术和计算机技术的发展及人们对数学规划方法研究的不断深入，使车身骨架的静、动态有限元仿真分析和结构优化设计成为可能．车身骨架是超静定的复杂的大型工程结构，很难用整体解析的方法研究它的力学特性．常用的数学规划方法还存在如下局限性：①对目标函数有较强的限制性；②寻优过程过分依赖于目标函数的局部展开性质，容易陷入局部最优解；③需要进行大量的准备工作；④优化初始值的选取过于敏感；⑤约束优化问题较难处理，要求解空间为凸集；⑥求解大规模问题效率低．遗传算法在控制领域的应用较多，如机器人转向控制[1】．应用在优化设计领域，遗传算法具有通用、并行、稳健、简单与全局优化能力强等突出优点，在解决非解析、非线性和多峰值的优化问题时具有独到的优势．作者对某电动大客车的车身骨架进行轻量化设计，改进原有复杂厚重的结构，在有限元计第28卷第1期2008年1月北京理工大学学报(北京理工大学机械与车辆工程学院，北京100081)摘要：提出一种基于遗传算法的桁架式客车车身骨架的优化设计方法．应用有限元分析软件ANSYS建立了车身骨架有限元模型并进行计算，采用遗传算法进行优化．优化后车身总质量减轻719kg，减重比例接近25％．结果表明。基于遗传算法的优化设计明显优于常规的数学规划方法，实现了某电动大客车车身骨架的轻量化设计．关键词：车身骨架；遗传算法；有限元法；优化设计中图分类号：V211文献标识码：A文章编号：1001—0645(2008)01．0045．05ZHANGJun，LINGuo-mingFEMprogrammingframe；geneticBeijingInstituteTechnologyJan．2008onCheng，(SchoolMechanicalEngineering，BdjingTechnology，Beijing100081，China)Abstract：BasedthegeneticnewoptimizingdesignbusbodyisbuiltwithsoftwareANSYSandusedevaluateeachdesign．TheGAaccessedinprocess．Thetotalweightreduced719kgreduction25％isachieved．Theoptimizationresultsshowthatthisusingbetterthantraditionalmathematicallightweightelectricrealized．Keywords：bus—bodyelementde—sign收稿日期：2007—10—18基金项目：北京市科委研发攻关项目(13030500204011)作者简介：张军(1971一)，男，博士，讲师，E—mltil：[e-mail]．∞TransactionsV01．28No．1madVelliculartoaan
万方数据

《000⋯-1≤0，Iminf(X),车身骨架优化数学模型的确定、～算方法的基础上，结合遗传算法的优点。对车身骨架进行优化设计．1车身骨架优化属于有约束的桁架结构优化问题，其一般意义上的数学模型为Is．t．gf(X)≤0．(i=1，2，⋯，，，1)式中：X={zl，z2，⋯，z。}为设计变量，一般为结构件的尺寸；g；(X)为状态变量或约束；f(X)为目标函数；m为约束总数．本文中以某型电动大客车车身骨架的轻量化设计过程为例，确定该数学模型的各项参数．1．1设计变量大客车的车身骨架主要由矩形截面钢管焊接而成，而侧围腰梁、侧围底边、前后门立柱、窗立柱使用的是非矩形截面梁，图1所示为整车骨架的有限元模型．对非矩形截面梁进行参数化建模有一定困难，如果在优化过程中改变这些梁的截面尺寸，对门窗的开口变形的影响会比较大，故不将其列入优化范围，整车骨架优化区域如图2所示．将所有梁的管壁厚度作为设计变量，共801根梁，故共有801个设计变量．1．2状态变量选取整车的扭转刚度和局部最大应力作为状态变量，即优化过程中所产生的每种设计方案对应的车身骨