[发明专利]一种基于耐撞性的变截面长玻纤增强聚丙烯保险杠横梁优化方法

权利要求书

1.一种基于耐撞性的变截面长玻纤增强聚丙烯(LGF-PP)保险杠横梁优化方法，其特征在于，包括以下步骤：

步骤1)，在ISIGHT优化软件中，选取正交实验设计方法，在各个设计变量参数预设的阈值范围内均匀选取N组设计样本点，所述设计变量参数分别为变截面LGF-PP保险杠横梁中部截面厚度T₁及两端截面厚度T₂，N为大于0的自然数；

步骤2)，根据选取的设计样本点，在CATIA软件中建立N组变截面LGF-PP保险杠横梁的几何模型；

步骤3)，将N组变截面LGF-PP保险杠横梁的几何模型，导入HYPERMESH软件中，对其进行几何清理和网格划分，并定义变截面LGF-PP保险杠横梁的材料本构模型；

步骤4)，将预设的美国汽车安全技术法规(FMVSS)保险杠碰撞器模型导入HYPERMESH中，通过RBE2分别建立每一个变截面LGF-PP保险杠横梁和吸能盒的连接关系，设置碰撞器模型与变截面LGF-PP保险杠横梁的相对位置和碰撞速度，约束吸能盒后端节点的6个自由度，同时定义碰撞器模型和变截面LGF-PP保险杠横梁模型之间的接触和输出；

步骤5)，计算每一个变截面LGF-PP保险杠横梁碰撞时对应的碰撞力峰值(P_f)、吸收能量(E)、质量(m)和被侵入量(S_c)；

步骤6)，利用基于粒子群算法优化神经网络模型法，以N组变截面LGF-PP保险杠横梁对应的横梁的中部截面厚度(T₁)及两端截面厚度(T₂)参数为输入，以N组变截面LGF-PP保险杠横梁对应的P_f、比吸能SEA(SEA＝E/m)、m和S_c作为输出，构建以下四个粒子群算法优化神经网络代理模型：P_f代理模型、SEA代理模型、m代理模型和S_c代理模型；

步骤7)，分别计算出步骤6)中四个代理模型拟合的相关系数R²和均方根误差RMSE；

步骤8)，对于每一个响应面模型，将其相关系数R²、均方根误差RMSE分别和预设的第一阈值、预设的第二阈值进行比较；若四个代理模型模型的相关系数R²均大于等于预设的第一阈值、均方根误差RMSE将小于等于预设的第二阈值，执行步骤9)；否则重新执行步骤1)至步骤7)，直至四个响应面模型的相关系数R²均大于等于预设的第一阈值、均方根误差RMSE均小于等于预设的第二阈值；

步骤9)，以变截面LGF-PP保险杠横梁的P_f、SEA和m为优化目标，以变截面LGF-PP保险杠横梁的S_c为约束条件，以变截面LGF-PP保险杠横梁的中部截面厚度(T₁)及两端截面厚度参数(T₂)为设计变量，建立变截面LGF-PP保险杠横梁耐撞性的确定性优化数学模型；

步骤10)，根据建立的确定性优化数学模型，T分布麻雀觅食算法对变截面LGF-PP保险杠横梁的中部截面厚度(T₁)及两端截面厚度参数(T₂)进行确定性优化，得到Pareto解集；

步骤11)，从Pareto解集中选取一组最优妥协解后输出。

步骤12)，采用均值一阶可靠性分析(MVFO)方法对确定性优化结果进行6Sigma可靠性分析，可靠性分析的设计变量值为确定优化的最优妥协解，设计变量变异系数设为0.05，概率分布为正态分布。若可靠度分析结果满足6Sigma要求，则步骤11)所得的最优妥协解即为优化最终解；否则执行步骤13)。

步骤13)，以变截面LGF-PP保险杠横梁的P_f、SEA和m为优化目标，以变截面LGF-PP保险杠横梁的S_c为约束条件，以变截面LGF-PP保险杠横梁的T₁、T₂为设计变量，建立变截面LGF-PP保险杠横梁的不确定性优化数学模型：

步骤14)，根据建立的不确定性优化数学模型，采用T分布麻雀觅食算法对变截面LGF-PP保险杠横梁的T₁、T₂进行基于6Sigma的不确定性优化，得到满足6Sigma的质量水平和可靠性的Pareto解集；

步骤15)，从Pareto解集中选取一组最优妥协解后输出，作为优化最终解。