PIAnO在白车身轻量化设计上的应用

占华 方立桥 赖宇阳

摘要：

以某SUV车型的白车身为研究对象，采用高效的实验设计和优化软件PIAnO，综合考虑其模态、刚度、40%偏置碰和侧碰等性能进行轻量化设计。确定并优化设计变量，对白车身刚度和模态性能进行近似建模。提出分段优化方案并进行仿真验证，得到的白车身质量减少11.93 kg，下降3.08%。将该轻量化白车身的100%正碰、强度、IPI和NTF性能进行验证，满足设计要求，证明基于PIAnO的白车身轻量化策略行之有效。

关键词：

白车身； PIAnO； 轻量化； 实验设计； 近似模型

中图分类号： U462.2；TP31

文献标志码： 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

汽车结构的轻量化对汽车节能和环保具有重要意义。据统计，客车、轿车和大多数专用汽车車身的质量约占整车质量的40%～60%。[1]统计表明，汽车的质量和燃油消耗之间存在密切的关系，整车质量减轻10%，燃油的消耗会降低6%～8%。[23]汽车轻量化是在保证汽车的刚度、被动安全和NVH等性能提高或者不降低的前提下，通过结构优化设计、轻量化材料的应用、合理的制造工艺等手段降低汽车的整备质量，达到节能减排的目的。[4]

目前，为实现白车身轻量化，常采用高强、轻质材料，减薄板类零件壁厚等手段，以质量最小为目标，以车身振动频率或刚度为约束，进行单目标优化设计[5]，车身结构的其他性能（如碰撞安全性、强度等）一般只作为验算对象，这导致优化方案在其他性能上应用很差，甚至设计部门无法采纳，在设计上浪费大量的时间和精力。

本文基于某SUV车型，采用高效的实验设计和优化软件PIAnO，综合考虑模态（1阶扭转、1阶弯曲）、刚度（扭转、弯曲）、40%偏置碰和侧碰5个分析工况进行轻量化设计，并对轻量化方案进行100%正碰、强度、IPI和NTF性能验证，4个分析工况性能指标优化所得的轻量化方案能够满足其他性能的基本设计要求。同时，考虑到碰撞安全性仿真计算耗时较长，针对分析工况分区域选择设计变量以缩小优化规模，刚度、模态基于近似模型进行优化，碰撞安全性基于灵敏度分析结果进行优化。该优化策略不仅可以充分利用计算资源，也可以提高优化效率。

PIAnO是一款开放的优化设计软件，融合先进的优化理论和方法，如高水平的正交数组试验算法、两点对角逐次二次近似优化算法和协方差矩阵适应演化算法等，可以自动化计算和空间探索。相比传统的人工经验试凑法，该方法能极大地降低设计人员进行优化设计的门槛，提高产品优化设计的效率。

1 白车身初始方案

建立白车身有限元模型，对模态、刚度、40%偏置碰和侧碰进行仿真分析，初始方案性能见表1，除1阶弯曲模态和40%偏置碰的Pedal x向侵入量性能指标略违反设计要求外，其余性能均满足设计要求。

2 白车身优化策略

由于白车身多学科仿真计算时间较长，优化问题具有明显的非线性和不确定性，因此选择基于“实验设计近似模型全局优化”的优化策略搜索最优解。同时，由于刚度、模态和碰撞安全性的仿真计算时间不同，因此刚度、模态性能和碰撞安全性的变量须分开选择，优化过程须分阶段进行，综合考虑刚度、模态和碰撞安全性的敏度分析结果，进行方案调整，最终确定轻量化方案。白车身优化技术路线见图1。

（1）确定刚度、模态设计变量。由于刚度、模态为线性分析，因此钢材使用统一参数，仅考虑将零件板厚作为设计变量。

（2）确定碰撞安全性设计变量。零件板厚和材料对碰撞性能都有影响。根据白车身不同区域的零件影响不同工况的特点，对40%偏置碰和侧碰的设计变量选择不同的零件板厚和材料。

（3）参数化、自动化流程集成。参数化Nastran和LSDYNA模型文件，在PIAnO多学科优化平台上集成刚度、模态、40%偏置碰和侧碰性能的仿真计算，实现多方案自动计算。

（4）实验设计。用尽量少的仿真次数获取设计变量与响应变量之间的规律和关系，应用方差分析方法辨识对输出参数影响最关键的设计变量，从而有效减少优化中设计变量的数量，降低优化的难度、减少优化时间。采用正交数组实验设计方法（PIAnO最多可以取11个值）进行后处理，结果作为刚度、模态构建近似模型的样本库。

（5）刚度、模态性能近似建模。对实验设计获得的样本库运用近似模型方法建立设计变量与响应变量之间的数学表达式，对响应函数进行平滑处理，降低“数值噪声”，以更快收敛到全局最优点。PIAnO优化平台具有自动选择近似建模方法和删除离群点的功能，可以有效提高近似模型的精度。

（6）基于近似模型优化。对刚度、模态性能在近似模型上进行全局优化，避免得到局部优化解。常用的全局优化方法包括协方差矩阵适应演化算法和微遗传算法等。

（7）近似优化方案验证。由于近似模型存在一定的误差，因此需要对基于近似模型优化的方案进行验证，为后续的灵敏度方案调整提供参考依据。

（8）灵敏度优化。在刚度、模态性能近似优化方案的基础上，根据各性能指标的灵敏度分析结果进行方案调整，最终确定优化设计方案。

3 计算实例

3.1 优化工况和设计变量

根据零部件对白车身刚度、模态和碰撞性能的影响，将白车身分成前、中、后3个区域，分别以A柱、B柱和C柱作为分界线，B柱之前为前区、A柱与C柱之间为中区、C柱之后为后区。其中，正碰、偏置碰对前区影响较大，侧碰对中区影响较大，偏置碰性能已非常接近设计要求边界，侧碰尚有较大的可优化空间。本次优化周期和计算资源严重不足，故在变量选择时以中区和后区的零件为主要优化对象，适当选择前区的零件。最终选择32个板厚和材料（安全性）作为设计变量，见图2，其中，刚度和模态板厚变量共31个，偏置碰板厚变量11个、材料变量5个，侧碰板厚变量9个、材料变量6个。

3.2 约束条件和优化目标

目标函数定义为白车身质量最小，约束条件参照初始方案性能的设计要求（见表1）定义。

3.3 模态识别

模态自动识别可通过模型上某些特征点的位移，确定新方案与初始方案相一致振型的模态阶次和对应频率。模型振型识别公式为

式中：db（j）为初始方案某阶模态第j个特征点的位移；dr（i，j）为新方案第i阶模态、第j个特征点的位移。若M值越接近1，则说明新方案的振型越接近初始方案所需判断的振型。

在白车身模型的纵梁、门槛、上边梁、后门框、顶盖和地板等不同结构位置共选择60个节点作为振型识别的特征点，通过PIAnO计算M值确定所要提取的1阶扭转和1阶弯曲模态的频率值。

3.4 实验设计

通过科学、合理的抽样，可用最小的计算量全面系统地分析各零件参数与响应之间的关系。同时，根据各参数对刚度、模态和碰撞安全性的影響程度，确定零件板厚和材料合理取值。根据车身零件板厚和材料取值离散的特点，选择 PIAnO中合适的正交表建立实验设计矩阵，其中刚度和模态共81个样本，偏置碰和侧碰共24个样本。当所取样本的灵敏度分析结果或近似模型精度不满足工程要求时，PIAnO具备增广拉丁方实验设计方法，能够用较少的样本即可达到很好的空间离散和填充效果，见图3。与传统的通过多次抽样来填充样本空间（见图4）相比，分析精度能够得到有效改善。

样本进行刚度、模态、偏置碰和侧碰性能计算后，在实验设计后处理中可以查看变量对性能指标的贡献量、相关性和主效应等灵敏度结果，结合这些结果可以将其整理到一个多维度评价表中，指导方案的调整方向。实验设计多维度综合评价值见表2。

3.5 近似建模

构建近似模型可以减少计算机高强度仿真计算的次数，缩短优化时间，提高优化效率；平滑响应函数有利于快速收敛，避免得到局部解，使数值优化算法也能快速找到全局解。PIAnO优化平台包含多项式响应面模型、神经网络模型和Kriging模型，可基于样本库自动构造数学模型、自动清除离群点（见图5）和误差分析，向用户自动推荐高精度的近似模型。

将多种算法的自动与手动建模所获得的近似模型进行精度比较，采用多项式回归模型所得精度最高，能够满足优化设计的要求，其各性能指标精度见表3。

3.6 基于近似模型优化方案

基于刚度、模态的近似模型，使用协方差矩阵适应演化算法进行全局优化计算，白车身质量由386.78 kg下降为378.95 kg，减少7.83 kg，白车身质量优化过程见图6。

近似优化方案验证结果见表4。由此可知，优化后的性能较初始方案有所提高。对碰撞安全性能进行验证，40%偏置碰的侵入加速度性能有所改善，Pedal x向侵入量性能变差，不满足设计要求。

3.7 基于灵敏度调整的优化方案

对刚度、模态、偏置碰和侧碰性能的实验设计后处理数据进行分析，基于近似优化方案验证所得结果，对所选设计变量（板厚和材料）进行调整，通过5个方案的调整最终确定轻量化方案的验证结果（见表5）。其中，模态性能略违反设计要求，但是违反量在设计可接受范围内；偏置碰性能得到较大改善；质量减少量由7.83 kg增加到11.93 kg，轻量化效果较明显。

3.8 其他性能验证

对基于灵敏度分析结果调整所得的轻量化白车身进行100%正碰强度、IPI和NTF性能仿真验证，结果表明该方案仍满足材料强度要求，IPI和NTF性能与初始性能基本接近，初始方案发动机支架振动响应见图7，基于灵敏度的轻量化方案发动机支架振动响应见图8。由此可知，优化方案与初始方案在频率段内的响应形态和峰值基本一致，表明优化方案未降低白车身的NTF性能。

4 结束语

综合考虑模态、刚度、安全（40%偏置碰、侧碰）等性能指标进行多学科协同优化设计，在PIAnO优化平台上完成49个零件的板厚和材料的“试验设计近似模型全局优化”流程。该优化策略最终得到白车身质量减少11.93 kg，即质量下降3.08%的轻量化方案。对该轻量化方案进行100%正碰、强度、IPI和NTF性能验证，结果表明轻量化方案性能与初始方案相近，满足设计要求。在整个优化过程中，80%的工作由计算机自动完成，极大地提高白车身轻量化设计的效率，使产品在市场中更具竞争优势。根据不同工况分区域选择设计变量、根据不同的计算量分阶段优化的优化策略在白车身轻量化设计中是可行的。

参考文献：

[1] 钱德猛， 梁林. 某轿车白车身的轻量化设计研究[J]. 合肥工业大学学报（自然科学版）， 2009， 32（S1）： 191193. DOI： 10.3969/j.issn.10035060.2009.z1.055.

[2] 马鸣图， 路洪洲， 李志刚. 论轿车白车身轻量化的表征参量和评价方法[J]. 汽车工程， 2009， 31（5）： 403439. DOI： 10.3321/j.issn：1000680X.2009.05.003.

[3] 朱鹏， 张新超， 杨笠， 等. 基于模态和刚度灵敏度分析的白车身轻量化研究[J]. 上海汽车， 2015（4）： 3034. DOI： 10.3969/j.issn.10074554.2015.04.07.

[4] 刘开勇. 基于响应面模型的白车身轻量化优化方法[D]. 长沙： 湖南大学， 2016.

[5] 季枫， 王登峰， 陈书明， 等. 轿车白车身隐式全参数化建模与多目标轻量化优化[J]. 汽车工程， 2014， 36（2）： 254258. DOI： 10.3969/j.issn.1000680X.2014.02.023.

（編辑 付宇靓）