PIAnO在白車身輕量化設(shè)計上的應(yīng)用

占華 方立橋 賴宇陽

摘要：

以某SUV車型的白車身為研究對象，采用高效的實驗設(shè)計和優(yōu)化軟件PIAnO，綜合考慮其模態(tài)、剛度、40%偏置碰和側(cè)碰等性能進行輕量化設(shè)計。確定并優(yōu)化設(shè)計變量，對白車身剛度和模態(tài)性能進行近似建模。提出分段優(yōu)化方案并進行仿真驗證，得到的白車身質(zhì)量減少11.93 kg，下降3.08%。將該輕量化白車身的100%正碰、強度、IPI和NTF性能進行驗證，滿足設(shè)計要求，證明基于PIAnO的白車身輕量化策略行之有效。

關(guān)鍵詞：

白車身； PIAnO； 輕量化； 實驗設(shè)計； 近似模型

中圖分類號： U462.2；TP31

文獻標志碼： B

Application of PIAnO in lightweight design of bodyinwhite

ZHAN Hua1， FANG Liqiao2， LAI Yuyang2

（1. Vehicle Performance Integrated Development Department， FAW Haima Automobile Co.， Ltd.， Haikou 570216， China；

2. Technical Department， SOYOTEC Information Technology Co.， Ltd.， Beijing 100006， China）

Abstract：

Taking the bodyinwhite of a SUV as the research object， a high efficiency design of experience and optimization software PIAnO is adopted， and the lightweight design is carried out considering the performance of modal， stiffness， 40% offset impact and side impact. The design variables are identified and optimized， and the stiffness and modal performance are modeled approximately. A piecewise optimization scheme is proposed and verified by simulation， the bodyinwhite mass loss is 11.93 kg （which is 3.08%）. The lightweight bodyinwhite is verified by the performance of 100% frontal impact， strength， IPI and NTF， which meets the design requirements. It is proved that the lightweight strategy based on PIAnO is an effective method.

Key words：

bodyinwhite； PIAnO； lightweight； design of experience； approximation model

0 引 言

汽車結(jié)構(gòu)的輕量化對汽車節(jié)能和環(huán)保具有重要意義。據(jù)統(tǒng)計，客車、轎車和大多數(shù)專用汽車車身的質(zhì)量約占整車質(zhì)量的40%～60%。[1]統(tǒng)計表明，汽車的質(zhì)量和燃油消耗之間存在密切的關(guān)系，整車質(zhì)量減輕10%，燃油的消耗會降低6%～8%。[23]汽車輕量化是在保證汽車的剛度、被動安全和NVH等性能提高或者不降低的前提下，通過結(jié)構(gòu)優(yōu)化設(shè)計、輕量化材料的應(yīng)用、合理的制造工藝等手段降低汽車的整備質(zhì)量，達到節(jié)能減排的目的。[4]

目前，為實現(xiàn)白車身輕量化，常采用高強、輕質(zhì)材料，減薄板類零件壁厚等手段，以質(zhì)量最小為目標，以車身振動頻率或剛度為約束，進行單目標優(yōu)化設(shè)計[5]，車身結(jié)構(gòu)的其他性能（如碰撞安全性、強度等）一般只作為驗算對象，這導(dǎo)致優(yōu)化方案在其他性能上應(yīng)用很差，甚至設(shè)計部門無法采納，在設(shè)計上浪費大量的時間和精力。

本文基于某SUV車型，采用高效的實驗設(shè)計和優(yōu)化軟件PIAnO，綜合考慮模態(tài)（1階扭轉(zhuǎn)、1階彎曲）、剛度（扭轉(zhuǎn)、彎曲）、40%偏置碰和側(cè)碰5個分析工況進行輕量化設(shè)計，并對輕量化方案進行100%正碰、強度、IPI和NTF性能驗證，4個分析工況性能指標優(yōu)化所得的輕量化方案能夠滿足其他性能的基本設(shè)計要求。同時，考慮到碰撞安全性仿真計算耗時較長，針對分析工況分區(qū)域選擇設(shè)計變量以縮小優(yōu)化規(guī)模，剛度、模態(tài)基于近似模型進行優(yōu)化，碰撞安全性基于靈敏度分析結(jié)果進行優(yōu)化。該優(yōu)化策略不僅可以充分利用計算資源，也可以提高優(yōu)化效率。

PIAnO是一款開放的優(yōu)化設(shè)計軟件，融合先進的優(yōu)化理論和方法，如高水平的正交數(shù)組試驗算法、兩點對角逐次二次近似優(yōu)化算法和協(xié)方差矩陣適應(yīng)演化算法等，可以自動化計算和空間探索。相比傳統(tǒng)的人工經(jīng)驗試湊法，該方法能極大地降低設(shè)計人員進行優(yōu)化設(shè)計的門檻，提高產(chǎn)品優(yōu)化設(shè)計的效率。

1 白車身初始方案

建立白車身有限元模型，對模態(tài)、剛度、40%偏置碰和側(cè)碰進行仿真分析，初始方案性能見表1，除1階彎曲模態(tài)和40%偏置碰的Pedal x向侵入量性能指標略違反設(shè)計要求外，其余性能均滿足設(shè)計要求。

2 白車身優(yōu)化策略

由于白車身多學(xué)科仿真計算時間較長，優(yōu)化問題具有明顯的非線性和不確定性，因此選擇基于“實驗設(shè)計近似模型全局優(yōu)化”的優(yōu)化策略搜索最優(yōu)解。同時，由于剛度、模態(tài)和碰撞安全性的仿真計算時間不同，因此剛度、模態(tài)性能和碰撞安全性的變量須分開選擇，優(yōu)化過程須分階段進行，綜合考慮剛度、模態(tài)和碰撞安全性的敏度分析結(jié)果，進行方案調(diào)整，最終確定輕量化方案。白車身優(yōu)化技術(shù)路線見圖1。

（1）確定剛度、模態(tài)設(shè)計變量。由于剛度、模態(tài)為線性分析，因此鋼材使用統(tǒng)一參數(shù)，僅考慮將零件板厚作為設(shè)計變量。

（2）確定碰撞安全性設(shè)計變量。零件板厚和材料對碰撞性能都有影響。根據(jù)白車身不同區(qū)域的零件影響不同工況的特點，對40%偏置碰和側(cè)碰的設(shè)計變量選擇不同的零件板厚和材料。

（3）參數(shù)化、自動化流程集成。參數(shù)化Nastran和LSDYNA模型文件，在PIAnO多學(xué)科優(yōu)化平臺上集成剛度、模態(tài)、40%偏置碰和側(cè)碰性能的仿真計算，實現(xiàn)多方案自動計算。

（4）實驗設(shè)計。用盡量少的仿真次數(shù)獲取設(shè)計變量與響應(yīng)變量之間的規(guī)律和關(guān)系，應(yīng)用方差分析方法辨識對輸出參數(shù)影響最關(guān)鍵的設(shè)計變量，從而有效減少優(yōu)化中設(shè)計變量的數(shù)量，降低優(yōu)化的難度、減少優(yōu)化時間。采用正交數(shù)組實驗設(shè)計方法（PIAnO最多可以取11個值）進行后處理，結(jié)果作為剛度、模態(tài)構(gòu)建近似模型的樣本庫。

（5）剛度、模態(tài)性能近似建模。對實驗設(shè)計獲得的樣本庫運用近似模型方法建立設(shè)計變量與響應(yīng)變量之間的數(shù)學(xué)表達式，對響應(yīng)函數(shù)進行平滑處理，降低“數(shù)值噪聲”，以更快收斂到全局最優(yōu)點。PIAnO優(yōu)化平臺具有自動選擇近似建模方法和刪除離群點的功能，可以有效提高近似模型的精度。

（6）基于近似模型優(yōu)化。對剛度、模態(tài)性能在近似模型上進行全局優(yōu)化，避免得到局部優(yōu)化解。常用的全局優(yōu)化方法包括協(xié)方差矩陣適應(yīng)演化算法和微遺傳算法等。

（7）近似優(yōu)化方案驗證。由于近似模型存在一定的誤差，因此需要對基于近似模型優(yōu)化的方案進行驗證，為后續(xù)的靈敏度方案調(diào)整提供參考依據(jù)。

（8）靈敏度優(yōu)化。在剛度、模態(tài)性能近似優(yōu)化方案的基礎(chǔ)上，根據(jù)各性能指標的靈敏度分析結(jié)果進行方案調(diào)整，最終確定優(yōu)化設(shè)計方案。

3 計算實例

3.1 優(yōu)化工況和設(shè)計變量

根據(jù)零部件對白車身剛度、模態(tài)和碰撞性能的影響，將白車身分成前、中、后3個區(qū)域，分別以A柱、B柱和C柱作為分界線，B柱之前為前區(qū)、A柱與C柱之間為中區(qū)、C柱之后為后區(qū)。其中，正碰、偏置碰對前區(qū)影響較大，側(cè)碰對中區(qū)影響較大，偏置碰性能已非常接近設(shè)計要求邊界，側(cè)碰尚有較大的可優(yōu)化空間。本次優(yōu)化周期和計算資源嚴重不足，故在變量選擇時以中區(qū)和后區(qū)的零件為主要優(yōu)化對象，適當選擇前區(qū)的零件。最終選擇32個板厚和材料（安全性）作為設(shè)計變量，見圖2，其中，剛度和模態(tài)板厚變量共31個，偏置碰板厚變量11個、材料變量5個，側(cè)碰板厚變量9個、材料變量6個。

3.2 約束條件和優(yōu)化目標

目標函數(shù)定義為白車身質(zhì)量最小，約束條件參照初始方案性能的設(shè)計要求（見表1）定義。

3.3 模態(tài)識別

模態(tài)自動識別可通過模型上某些特征點的位移，確定新方案與初始方案相一致振型的模態(tài)階次和對應(yīng)頻率。模型振型識別公式為

式中：db（j）為初始方案某階模態(tài)第j個特征點的位移；dr（i，j）為新方案第i階模態(tài)、第j個特征點的位移。若M值越接近1，則說明新方案的振型越接近初始方案所需判斷的振型。

在白車身模型的縱梁、門檻、上邊梁、后門框、頂蓋和地板等不同結(jié)構(gòu)位置共選擇60個節(jié)點作為振型識別的特征點，通過PIAnO計算M值確定所要提取的1階扭轉(zhuǎn)和1階彎曲模態(tài)的頻率值。

3.4 實驗設(shè)計

通過科學(xué)、合理的抽樣，可用最小的計算量全面系統(tǒng)地分析各零件參數(shù)與響應(yīng)之間的關(guān)系。同時，根據(jù)各參數(shù)對剛度、模態(tài)和碰撞安全性的影響程度，確定零件板厚和材料合理取值。根據(jù)車身零件板厚和材料取值離散的特點，選擇 PIAnO中合適的正交表建立實驗設(shè)計矩陣，其中剛度和模態(tài)共81個樣本，偏置碰和側(cè)碰共24個樣本。當所取樣本的靈敏度分析結(jié)果或近似模型精度不滿足工程要求時，PIAnO具備增廣拉丁方實驗設(shè)計方法，能夠用較少的樣本即可達到很好的空間離散和填充效果，見圖3。與傳統(tǒng)的通過多次抽樣來填充樣本空間（見圖4）相比，分析精度能夠得到有效改善。

樣本進行剛度、模態(tài)、偏置碰和側(cè)碰性能計算后，在實驗設(shè)計后處理中可以查看變量對性能指標的貢獻量、相關(guān)性和主效應(yīng)等靈敏度結(jié)果，結(jié)合這些結(jié)果可以將其整理到一個多維度評價表中，指導(dǎo)方案的調(diào)整方向。實驗設(shè)計多維度綜合評價值見表2。

3.5 近似建模

構(gòu)建近似模型可以減少計算機高強度仿真計算的次數(shù)，縮短優(yōu)化時間，提高優(yōu)化效率；平滑響應(yīng)函數(shù)有利于快速收斂，避免得到局部解，使數(shù)值優(yōu)化算法也能快速找到全局解。PIAnO優(yōu)化平臺包含多項式響應(yīng)面模型、神經(jīng)網(wǎng)絡(luò)模型和Kriging模型，可基于樣本庫自動構(gòu)造數(shù)學(xué)模型、自動清除離群點（見圖5）和誤差分析，向用戶自動推薦高精度的近似模型。

將多種算法的自動與手動建模所獲得的近似模型進行精度比較，采用多項式回歸模型所得精度最高，能夠滿足優(yōu)化設(shè)計的要求，其各性能指標精度見表3。

3.6 基于近似模型優(yōu)化方案

基于剛度、模態(tài)的近似模型，使用協(xié)方差矩陣適應(yīng)演化算法進行全局優(yōu)化計算，白車身質(zhì)量由386.78 kg下降為378.95 kg，減少7.83 kg，白車身質(zhì)量優(yōu)化過程見圖6。

近似優(yōu)化方案驗證結(jié)果見表4。由此可知，優(yōu)化后的性能較初始方案有所提高。對碰撞安全性能進行驗證，40%偏置碰的侵入加速度性能有所改善，Pedal x向侵入量性能變差，不滿足設(shè)計要求。

3.7 基于靈敏度調(diào)整的優(yōu)化方案

對剛度、模態(tài)、偏置碰和側(cè)碰性能的實驗設(shè)計后處理數(shù)據(jù)進行分析，基于近似優(yōu)化方案驗證所得結(jié)果，對所選設(shè)計變量（板厚和材料）進行調(diào)整，通過5個方案的調(diào)整最終確定輕量化方案的驗證結(jié)果（見表5）。其中，模態(tài)性能略違反設(shè)計要求，但是違反量在設(shè)計可接受范圍內(nèi)；偏置碰性能得到較大改善；質(zhì)量減少量由7.83 kg增加到11.93 kg，輕量化效果較明顯。

3.8 其他性能驗證

對基于靈敏度分析結(jié)果調(diào)整所得的輕量化白車身進行100%正碰強度、IPI和NTF性能仿真驗證，結(jié)果表明該方案仍滿足材料強度要求，IPI和NTF性能與初始性能基本接近，初始方案發(fā)動機支架振動響應(yīng)見圖7，基于靈敏度的輕量化方案發(fā)動機支架振動響應(yīng)見圖8。由此可知，優(yōu)化方案與初始方案在頻率段內(nèi)的響應(yīng)形態(tài)和峰值基本一致，表明優(yōu)化方案未降低白車身的NTF性能。

4 結(jié)束語

綜合考慮模態(tài)、剛度、安全（40%偏置碰、側(cè)碰）等性能指標進行多學(xué)科協(xié)同優(yōu)化設(shè)計，在PIAnO優(yōu)化平臺上完成49個零件的板厚和材料的“試驗設(shè)計近似模型全局優(yōu)化”流程。該優(yōu)化策略最終得到白車身質(zhì)量減少11.93 kg，即質(zhì)量下降3.08%的輕量化方案。對該輕量化方案進行100%正碰、強度、IPI和NTF性能驗證，結(jié)果表明輕量化方案性能與初始方案相近，滿足設(shè)計要求。在整個優(yōu)化過程中，80%的工作由計算機自動完成，極大地提高白車身輕量化設(shè)計的效率，使產(chǎn)品在市場中更具競爭優(yōu)勢。根據(jù)不同工況分區(qū)域選擇設(shè)計變量、根據(jù)不同的計算量分階段優(yōu)化的優(yōu)化策略在白車身輕量化設(shè)計中是可行的。

參考文獻：

[1] 錢德猛， 梁林. 某轎車白車身的輕量化設(shè)計研究[J]. 合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版）， 2009， 32（S1）： 191193. DOI： 10.3969/j.issn.10035060.2009.z1.055.

[2] 馬鳴圖， 路洪洲， 李志剛. 論轎車白車身輕量化的表征參量和評價方法[J]. 汽車工程， 2009， 31（5）： 403439. DOI： 10.3321/j.issn：1000680X.2009.05.003.

[3] 朱鵬， 張新超， 楊笠， 等. 基于模態(tài)和剛度靈敏度分析的白車身輕量化研究[J]. 上海汽車， 2015（4）： 3034. DOI： 10.3969/j.issn.10074554.2015.04.07.

[4] 劉開勇. 基于響應(yīng)面模型的白車身輕量化優(yōu)化方法[D]. 長沙： 湖南大學(xué)， 2016.

[5] 季楓， 王登峰， 陳書明， 等. 轎車白車身隱式全參數(shù)化建模與多目標輕量化優(yōu)化[J]. 汽車工程， 2014， 36（2）： 254258. DOI： 10.3969/j.issn.1000680X.2014.02.023.

（編輯 付宇靚）