基于有限元分析的行李箱蓋匹配方法改進研究

【摘要】為解決傳統的開閉件外觀匹配方法僅考慮尺寸鏈公差計算方式的不足，基于有限元和臺架測量分析對比，將邊界條件改變引起的行李箱蓋變形量引入公差計算過程，通過分析行李箱蓋外觀變形的影響參數和對應公差計算結果，采用計算機輔助工程（CAE）分析和公差計算相結合的外觀匹配公差計算方式，改進了行李箱蓋的外觀質量匹配評估方法，為車輛開閉件在開發階段外觀匹配性能改進和在線外觀匹配調節提供支持。

關鍵詞：行李箱蓋 公差計算 有限元分析 外觀匹配

中圖分類號：U463.82" " 文獻標志碼：A" "DOI： 10.20104/j.cnki.1674-6546.20230077

Study on Improvement of Decklid Matching Based on Finite Element Analysis

【Abstract】To address the shortcomings of the traditional method of only considering dimensional chain tolerance calculation in the appearance matching of closure， this paper introduced the deformation of decklid caused by boundary condition changes into the tolerance calculation process based on the comparison of finite element analysis and bench measurement analysis. Based on the analysis of the influencing parameters of the appearance deformation of decklid and the corresponding tolerance calculation results， a combination of CAE analysis and tolerance calculation was used to improve the appearance quality matching evaluation method of decklid. This method supports for improving the appearance matching performance of vehicle closures during the development stage and online appearance matching adjustment.

Key words： Decklid， Tolerance calculation， Finite element analysis， Appearance matching

1 前言

車身覆蓋件和開閉件的間隙、面差是汽車車身匹配質量的重要評價指標，直接影響車身的整體外觀、NVH、密封性、開閉性能等主、客觀品質。

外觀匹配問題涉及外觀匹配設計、產品安裝性能、產品精度和安裝過程精度等多個方面。車身尺寸偏差控制經歷了從基于剛性模型的車身裝配偏差分析到考慮零件柔性的裝配偏差分析過程，3DCS、VSA、CETOL等車身裝配計算機輔助偏差設計軟件已在車身設計及制造過程中得到了大量應用[1]。

考慮零件柔性的裝配偏差分析經歷了基于有限元分析方法的裝配偏差分析、基于影響系數法的裝配偏差分析和多工位柔性零件的裝配偏差分析等不同階段。Menassa和DeVries[2]使用有限元方法研究了裝配夾具引起的零件變形偏差。Lin和Hu[3]又將有限元分析與統計分析相結合，在偏差流模型的基礎上，提出了力學偏差仿真模型，建立了裝配偏差與零件偏差的線性關系，克服了直接采用蒙特卡羅法仿真計算量大的弊端。

為了消除或減小實車狀態的反作用力變形量，目前主要有2種處理方式：一是在焊接夾具上進行矯形調整，操作直接，但不易控制，需多次調整并反復修正；二是在數據狀態考慮預變形量，在鈑金設計時進行反向預變形，基于計算機輔助工程（Computer Aided Engineering，CAE）分析窗框變形量，對車門鈑金工藝數據進行預彎曲，以便在鈑金沖壓模具制作時進行變形量調整，滿足外觀面差要求[4]。

現有車身裝配偏差分析多是基于剛體的確定性偏差分析模型和多工位偏差分析模型。在實際裝配過程中，行李箱會在與周邊功能件，如密封條、緩沖塊和扭力桿等安裝匹配過程中產生一系列形變，這些功能件的力學性能也存在一定的偏差范圍，造成行李箱蓋變形的差異。柔性件裝配是一個形封閉和力封閉的耦合過程，因此，將有限元方法引入偏差分析是必然選擇。

為了更好地支持車輛行李箱蓋的匹配性能開發，本文基于某車型行李箱蓋周邊功能件的設計偏差，比較行李箱蓋的變形有限元分析結果與行李箱蓋外觀匹配試驗臺架測量結果，研究行李箱蓋匹配過程中的主要影響因素，以在開發階段提升裝配公差預測精度，減少在線裝配超差風險。

2 行李箱蓋的匹配公差計算結果與臺架試驗結果對比

2.1 行李箱蓋匹配公差計算

傳統裝配公差分配模型以最小制造成本為目標，模型較為復雜[5-8]，許多學者采用遺傳算法、粒子群優化算法等進行優化處理[9-10]。行李箱蓋進入汽車表調線，通過鉸鏈和鎖扣配合安裝，滿足白車身工藝和尺寸穩定性六西格瑪（6σ）的輪廓要求后進入總裝線，完成總裝匹配界面的零件安裝和工藝調整，達到外觀尺寸技術規范（Dimension Technical Specification，DTS）要求后下線。

匹配過程中的檢驗方法以面差和縫隙設計要求的DTS文件為基礎。行李箱蓋間隙主要受溫度影響，變化較小。面差主要受零件受載后的形變影響，在實際生產中，行李箱蓋面差超差位置主要為兩側尾燈至鉸鏈上端，其他區域有鎖約束和外飾，面差超差問題不明顯。因此，試驗僅針對行李箱蓋關鍵超差位置進行測量和數據對比。由于臺架試驗和CAE數據左右對稱，僅需測量面差變化單側數據，主要研究位置為行李箱與側圍匹配區域，如圖1所示。

2.2 行李箱蓋柔性測量臺架設計

為解決行李箱蓋在設計開發階段的匹配分割線不能直接進行實車測量的問題，本文建立了基于實車設計的車身臺架，反映行李箱蓋安裝的匹配過程。通過臺架測量，可屏蔽實際車身制造偏差和剛度變化的影響，集中分析行李箱蓋形變的影響。作為對比，需要驗證CAE仿真的行李箱蓋因安裝功能件后產生形變與真實情況的一致性，才能以CAE計算形變和相應的公差作為基礎數據，得到公差匹配計算預測結果。

試驗臺架采用柔性臺架策略模擬實車裝配偏差變化，鉸鏈安裝位置和鎖扣安裝位置可在安裝公差位置允許范圍內調節裝配偏差。調節鉸鏈和鎖扣可以使行李箱蓋整體移動，與車身形成安裝位置極值，調節完成保持固定。緩沖塊、密封條和扭桿的安裝均可在行李箱蓋極值安裝位置的許用調整量內調整，模擬制造過程中形成的位置偏差的極限偏差。柔性調節試驗臺架如圖2所示。

影響行李箱蓋變形的主要功能件有密封條、緩沖塊和扭桿彈簧，調整范圍如表1所示。其中，F、A分別為整車坐標X、-X方向，U、D為整車坐標Z、-Z方向，C/C為整車坐標Y、-Y方向。

根據表1可調節行李箱蓋在設計中值和上下偏差極值的狀態，為后續偏差測量提供基礎數據。

2.3 試驗測量設備

采用多個位移傳感器和三坐標測量工具，分別測量關鍵位置位移變化情況和關注區域的位移，并統計檢測結果。測量設備如圖3所示。

2.4 有限元模型方法

為了確定各變量對尾門變形的影響并驗證CAE分析結果的準確性，建立行李箱蓋的CAE分析模型，如圖4所示。

仿真分析單一因素對外板關鍵區域的影響，并對比柔性臺架在設計位置的試驗測量結果，如圖5所示，間隙差異的對比如圖6所示，測量點為圖1a中測量點1～5。

緩沖塊、密封條和扭桿的綜合作用可通過單獨作用進行線性疊加合成，與載荷合成的計算結果基本一致，證明了各調節變量與關鍵區域之間耦合不明顯，支持柔性臺架獨立調節可變參數。

3 試驗與仿真結果比較

3.1 CAE分析結果與臺架測量結果對比

仿真分析單個因素對外板關鍵區域的影響，并對比柔性臺架試驗測量結果，面差的對比結果如圖7所示。

緩沖塊、密封條和扭桿在實際狀態下的形變與臺架測量的比較結果顯示，平均誤差為9.4%。

3.2 改進裝配公差方法對匹配精度的影響

某車型行李箱蓋的外觀匹配過程中，統計了20輛實車樣本計算偏差結果，按照設計要求，需要滿足3σ條件下的超差率小于5%，在關注區域，20個實測樣本統計超差率最大為50%，導致該區域的匹配能力與設計階段的預測結果不同。統計實車狀態下測量的緩沖塊、扭桿和密封條實際狀態，獲得了行李箱蓋的CAE變形量結果。將CAE變形量結果引入偏差計算并進行對比，如表2所示。

將行李箱蓋的臺架試驗結果與CAE仿真結果對比后，將CAE預測形變結果引入偏差分析，偏差分析預測結果的超差范圍（關注區域為表2中1、2、3點）與實測結果一致。相較于傳統不考慮形變的結果，精度最大可提升12.5百分點。

4 結束語

本文通過對比大量的實測結果與CAE仿真結果，總結了行李箱蓋在柔性載荷邊界條件下的CAE仿真形變結果對匹配計算的影響因素和規律，改進了傳統的開閉件匹配計算方法，通過對比行李箱蓋的臺架試驗和CAE仿真結果并將CAE形變結果引入偏差計算，可以得出以下結論：

a. 面差和縫隙形變與載荷類型之間存在線性疊加關系，CAE仿真結果與實測結果差異不大；

b. 在設計階段通過CAE仿真計算行李箱蓋形變，并引入偏差計算結果相比不考慮形變的偏差結果在預測精度上最大可提升12.5百分點。

緩沖塊、密封條和扭桿等零件在臺架和實車應用中的真實狀態很難精確量化，特別是對溫度敏感的橡膠類零件，只能通過更高精度的測量手段提升測量精度。同時，后續需對行李箱蓋關鍵區域間隙變化的不同項目進行試驗測量。

參考文獻

[1]" "沈瀟俊， 陳賽虎， 邢時凱. 小型車尺寸匹配策略研究[J]. 上海汽車， 2013（12）： 49-53.

SHEN X J， CHEN S H， XING S K. The Matching Strategy Study of Small Car[J]. Shanghai Auto， 2013（12）： 49-53.

[2]" MENASSA R J， DEVRIES W R. Optimization Methods Applied to Selecting Support Positions in Fixture Design[J]. Journal of Engineering for Industry， 1991， 113（4）： 412-418.

[3]" "LIU S C， HU S J. Variation Simulation for Deformable Sheet Metal Assemblies Using Finite Element Methods[J]. Journal of Manufacturing Science and Engineering， 1997， 119（3）： 368-374.

[4]" "欒新慧， 劉惠國， 劉銀華. 基于裝配工藝仿真的車門公差分配優化方法研究[J]. 農業裝備與車輛工程， 2018， 56（2）： 12-15.

LUAN X H， LIU H G， LIU Y H. Research on Optimization Method of Car Door Tolerance Allocation Based on Assembly Process Simulation[J]. Agricultural Equipment amp; Vehicle Engineering， 2018， 56（2）： 12-15.

[5]" "鄭丞， 金隼， 來新民， 等. 基于非合作博弈的公差分配優化[J]. 機械工程學報， 2009， 45（10）： 159-165．

ZHENG C， JIN S， LAI X M， et al. Tolerance Allocation Optimization Based on Non-Cooperative Game Analysis[J]. Journal of Mechanical Engineering， 2009， 45（10）： 159-165.

[6]nbsp; "宋華， 譚志軍， 黎朝琳， 等. 車身公差分配及蒙特卡洛模擬裝配驗證[J]. 四川兵工學報， 2014， 35（1）： 73-76.

SONG H， TAN Z J， LI C L， et al. Tolerance Allocation Technique of BIW and Validation by Monte Carlo Simulation[J]. Sichuan Ordnance Journal， 2014， 35（1）： 73-76.

[7]" "GERMANI M， MANDORLI F， MENGONI M， et al. CAD-Based Environment to Bridge the Gap Between Product Design and Tolerance Control[J]. Precision Engineering， 2010， 34（1）： 7-15.

[8]" PRABHAHARAN G， ASOKKAN P， RAMESH P， et al. Genetic-Algorithm Based Optimal Tolerance Allocation Using a Least-Cost Model[J]. The International Journal of Advanced Manufacturing Technology， 2004， 24（9/10）： 647-660.

[9]" "匡兵， 黃美發， 鐘艷如， 等. 基于粒子群算法的裝配公差優化分配[J]. 機械設計與制造， 2009（2）： 35-37.

KUANG B， HUANG M F， ZHONG Y R， et al. Optimal Assembly Tolerance Allocation Based on Particle Swarm Optimization Algorithm[J]. Machinery Design amp; Manufacture， 2009（2）： 35-37.

[10] JAYAPRAKASH G， SIVAKUMAR K， THILAK M. FEA Compliant Parametric Tolerance Allocation of Mechanical Assembly Using Neural Network and Differential Evolution Algorithm[J]. International Journal of Computer Integrated Manufacturing， 2012， 25（7）： 636-654.