力学大会2015集TRB板在汽车柱上的应用和优化设计_第1页
力学大会2015集TRB板在汽车柱上的应用和优化设计_第2页
力学大会2015集TRB板在汽车柱上的应用和优化设计_第3页
力学大会2015集TRB板在汽车柱上的应用和优化设计_第4页
力学大会2015集TRB板在汽车柱上的应用和优化设计_第5页
已阅读5页,还剩6页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

引产品的和质量问题的解决是关系到企业生存的关键因素。如果在产品设使用过程中的风险降到最低,从而降低产品的次品数和数,更好地树立用户对企业柱是侧面碰撞中重要的抵抗变形的结侧面碰撞安全性分析中,对于车身构耐撞性的评态等指标来评评价车身结构侧头颈为耐撞性指标的测图1图1B柱测量点位本文采用Dyna进行碰撞仿真,汽车整车碰撞仿真模型规模大,该侧碰模型在16核CPU的小型服.T.Kiileic等[45]学者对汽车侧车碰撞与零部件单独碰撞两种变形趋势是一致的,对部件的优化设计车计算。相关文献5]对B柱零部件模型和侧围零部件模型进行了研究,本文根据这些文献给出的解耦方图2B柱边界条件设 图4两种模型中B柱的变形对图5B柱腰线位置参考点侵入图6B柱的原始结表1B柱零件信厚度质量4图7B柱外板应力云 图8B柱外板分表2TRB设计变量水水平水平水平采用正交设计表L32(37)进行DOE,用来安排仿真实验MinDV

250H 550H2:多项式响应面模型、径向基模型(RBF)、克里金模型(Kriging)等。在应用近似模型之根据TRB优化仿真得出的样本点数据,分别采用RBF模型和Kriging模型拟合数每一项的决定系数如表3每一出的拟合决定系数R2均大于0.9F型和Kriing模型都能很很好的拟合32组样绝大部分输出项的F模型的决定系数大于Kriing模型的决定系数。F拟合误差分析的散点图如图9DM1VM图9RBF拟合误差分析散点图10RBF交叉验证误差分析散点

图11TRB设计的多岛遗传算法优化历从而使产品的质量水平和降低同时若以安全系数代替不确定因素易导致过度设计或无法评价不确定因素的作用和量化设计稳健性优化设计就显得尤为重要。通过6σ分析(Six万不良品率等。常用的评价方法包括基于可靠性评价(Reliabilityysis)、基于MonteCarlo抽样(MonteCarloSampling)和基于试验设计(DesignofExperiments)等。本文基于Monte表5σ水8MinμMV3σV

XL3σXμXXU3σX 其中X代表设计变量,包括H和T基于可靠性的分析技术规进过程如图12所示。对比确定性优化和稳健性优输出量(耐撞性指标)的σ质图13出稳健性优标均达到3σ质稳健性教确定性优化方案有提时计算得出各输出量的可靠性达到99.759%种优化方对比如表6稳健性优质量增加0.35kg。图12稳健性优化迭代图13两个方案σ质量水平对表6优化方案的对M1马鸣图,易红亮,路洪洲,万鑫铭论汽车轻量化[J]中国工程科学,2009,(09):20-2KisielewiczLT,ParkKH,ShinSH,eta.lOptimizationoftheCrashworthinessofaPassengerCarUsingItiveSimulations[J].SAEPaper931977.3伍广,,陈涛,高晖.基于乘用车侧围部件模型的侧面碰撞仿真简化建模方法[J].中国机械工程,2009,16:1996-4叶盛,辛勇.基于拼焊技术的轿车B柱耐撞性及结构优化设计[J].汽车技术,2012,11:54-5游国忠,陈,程勇,朱西产,苏清祖.轿车B柱的优化及对侧面碰撞安全性的影响[J].汽车工程,2006,11:972-TRBAPPLICATIONSINAUTOMOTIVEBPILLARDESIGNANDWU CHEN(1AutomotiveSchoolofTongjiUniversity,201804,ShanghaiTheTRB(TailorRolledBlank)usedinautomotivebody,isaneffectivewaytoachieveautomotivelightweightdesign.TheB-pillarsideimpactautopartsfiniteelementmodelwerebuilttorecethevehiclesideimpactmodel,forTRBB-pillardesignoptimization.Thethicknessoftheblockandsub-blocklinepositionasdesignvariables,theuseofapproximatemodeltooptimizethelightweightdesign,thepredictionaccuracycompareddifferentapproximatemodel,selectRBFneuralnetworkmodel(RBF)asanapproximationmodel.Optimizationresultsinmeetingtherequirements,therealizationoftheBpillarlightweightdesign.Furtherconsiderationofdesignfluctuationscausedbymanufacturingprecision,reliabilityoptimizationdesignwasprocessedfortheTRBBpillar.ConductedtotherobustnessoptimizationoftheB-pillar,notonlymaketheperformanceofthebodystructureisoptimized,butalsoreducetheim

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论