[发明专利]一种汽车侧面结构的优化方法

权利要求书

1.一种汽车侧面结构的优化方法，该方法包括：

步骤1：确定优化目标包括：B柱内侧的厚度x₁、B柱加强件的厚度x₂、地板内侧的厚度x₃、横梁的厚度x₄、门梁的厚度x₅、车门带线的厚度x₆、车顶纵梁的厚度x₇、垫B柱内侧的材料x₈、垫地板内侧的材料x₉；

护栏高度x₁₀、护栏撞击的位置x₁₁为非设计变量，为符合N～(0,100)正态分布随机变量，即在-30mm～30mm之间连续变化；

步骤2：确定目标函数和约束条件：

Weight＝1.98+4.9x₁+6.67x₂+6.98x₃+4.01x₄+1.78x₅+2.73x₇

F_Adbom＝1.16-0.3717x₂x₄-0.00931x₂x₁₀-0.484x₃x₉+0.01343x₆x₁₀

Def_{nb_u}＝28.98+3.818x₃-4.2x₁x₂+0.0207x₅x₁₀+6.63x₆x₉-7.7x₇x₈+0.32x₉x₁₀

Def_{nb_m}＝33.86+2.95x₃+0.1792x₁₀-5.057x₁x₂-11x₂x₈-0.0215x₅x₁₀-9.98x₇x₈+22x₈x₉

Def_{nb_l}＝46.36-9.9x₂-12.9x₁x₈+0.1107x₃x₁₀

VC_up＝0.261-0.0159x₁x₂-0.188x₁x₈-0.019x₂x₇+0.0144x₃x₅+0.0008757x₅x₁₀+0.08045x₆x₉+0.00139x₈x₁₁+0.00001575x₁₀x₁₁

VC_mid＝0.214+0.00817x₅-0.131x₁x₈-0.0704x₁x₉+0.03099x₂x₆-0.018x₂x₇+0.0208x₃x₈+0.121x₃x₉-0.00364x₅x₆+0.0007715x₅x₁₀-0.0005354x₆x₁₀+0.00121x₈x₁₁

Vel_B-pillar＝10.58-0.674x₁x₂-1.95x₂x₈+0.02054x₃x₁₀-0.0198x₄x₁₀+0.028x₆x₁₀

式中：

Weight表示试验模型的总质量，F_Adbom表示试验假人所受腹部载荷，Def_{nb_u}表示胸部上方肋骨的形变量；Def_{nb_m}表示胸部中间肋骨的形变量；Def_{nb_l}表示胸部下方肋骨的形变量；VC_up表示胸部上方的粘性伤害指标；VC_mid表示胸部中间的粘性伤害指标；VC_low表示胸部下方的粘性伤害指标；Force_public表示耻骨联合力；Vel_B-pillar表示B柱中点处的速度；Vel_door表示前门靠近B柱处的速度；

步骤3：采用第二代非支配排序进化算法(NSGA-II)计算总质量最小时的优化目标，得到优化结果；

[1]第二代非支配排序进化算法的交叉算子为：

其中，p_1i，p_2i分别为第i次交叉过程中父代的两个染色体基因，x_1i，x_2i分别为第i次交叉过程中子代的两个染色体基因；

[2]变异算子为：

其中，Fit_m为最大适应度值，为每代的适应度均值，Fit＝-Weight为变异个体适应度值；P_m1，P_m2分别为初始变异概率和最终变异概率；

当时，P_m随适应度的增大而减小；反之，则保持不变；

[3]新的目标函数及适应度函数构建如下：

Fit(x_i)＝G(x_i)

式中：

其中：i表示种群中序号为i的个体，G(x_i)为个体新的目标函数值；Fit(x_i)为对应的个体适应度值；F(x_i)为对应的原目标函数值；f(x_i)为对应的惩罚函数值；为整体目标函数均值；

g_j(x_i)为对应偏离约束条件的情况；m是约束条件个数；α为惩罚因子常数。