[发明专利]车身轻量化设计的解耦模式的数据处理分组建模方法

说明书

技术领域

本发明主要涉及到车身优化设计领域，特指一种适用于车身轻量化设计的解耦模式的数据处理分组建模方法，其主要用于构建针对车身轻量化设计的近似模型构造。

背景技术

“安全、节能、环保”是当代汽车发展的三大主题，安全问题（即耐撞性问题）居于首位。目前，能源问题在国际油价不断上涨的背景下引人注目，据资料显示，我国机动车燃油消耗已占到了全国总油耗的30%以上。因此，迫在眉睫的问题就是最大程度的减少石油资源的消耗，尽量缓解能源危机的来临，为替代能源的研究和推广争取时间。同时，汽车每年向大气排放大约几亿吨的有害气体，占大气污染物的60%以上，对人们的身体健康和生活环境造成了极大危害，而汽车也被公认为是不可再生能源与大气污染的“头号杀手”。

“车身轻量化”设计的目的就在于确保车体强度、刚度的前提下，尽可能的减轻车身骨架的质量，这样不仅可以减少钢材和燃油的消耗，还能进一步减少污染排放、提高车速、改善汽车起动和制动性能，而且可有效减少振动和噪声，增加汽车和公路使用寿命；同时，“汽车轻量化”的设计绝非是简单地将其小型化，首先应保持汽车原有的性能不受影响，既要有目标地减轻汽车自身的重量，又要尽可能的保证汽车行驶的安全性、耐撞性、抗振性及舒适性，保证汽车本身的造价应尽量不被提高，综合性的确保和增强产品的竞争力。因此，汽车轻量化已经成为车辆设计领域日益严峻的问题，如何合理的设计车身结构、有效的布置性能良好的缓冲吸能结构以满足汽车耐撞性要求已成为众多科学家研究的一个热门课题。

为了突破这一瓶颈，“近似模型方法”已成为一种能够平衡精度和效率的方法。它在近年来已被广泛应用于工程优化。“近似模型方法”的本质就是利用逼近近似技术对离散数据进行拟合或插值来实现对未知点响应的预测，用简单的数学模型来代替工程设计中复杂的、具有大量自由度的计算机仿真模型进行分析计算。但是，随着设计问题复杂性的提升，优化参数的数量也随之而大幅度增加，如何高效建立能够满足工程精度和稳健性要求的近似模型构造体系成为亟待解决的问题。

目前主流的近似模型构建技术主要包括二次响应面法（2nd Polynomial Response Surfacemethod,2ndPR），移动最小二乘法（moving least square，MLS），Kriging，RBF插值方法，Multivariate Adaptive Regression Splines  （MARS），Least Interpolating Polynomials（LIP），inductive learning（IL）基于RBF的HDMR(High Dimensional Model Representation)等方法。通过对这些函数的测试，Kriging，RBF、MLS以及RBF-HDMR被认为是精度较高的建模技术，而且RBF-HDMR对高维问题也非常有效。但Kriging和RBF属于插值技术，难以克服噪声的影响，只有在输入输出确定的情况下，才能保证这类模型的实用性。更为重要的是：这类模型均是建立在经验风险准则之上，因此其泛化性能难以保证。

近年来，基于结构风险准则的支持向量机回归（Support vector regression，SVR）技术成为当前的研究热点，并成功应用于工程优化领域。但随着设计参数的增加，SVR方法同样需要大规模扩大设计空间中的样本点数，对于那些需要进行长时间运算的正问题，计算效率成为SVR难以广泛推广的主要因素。因此，以上算法对于小规模计算问题通常是有效的（20个参数之内）。但随着研究的深入，研究对象的计算规模和复杂性的加强，如何将近似模型技术提高到实际工程的多参数应用层面是工程优化领域急需解决的重要问题。