使用混合有限元模型进行电动车结构的轻量化设计

在汽车行业对产品性能进行优化设计具有重要意义。由于白车身（BIW）的设计通常需要考虑到各种性能，如防撞性、刚度、模态等，BIW多目标优化（MOO）可有效实现最佳优化，这方面有大量的研究。但是采用MOO方法，受混合有限元模型精度和样本数量的影响很大，此外研究人员发现上述MOO设计限制了方案和参数的确定性优化。然而，现实世界存在由于制造精度、负载条件和环境因素所导致的变化，由此，采用确定性多目标优化（DMOO）是不可靠和不可行的，可能无法在实践中满足所需的性能。

为此本文提出了一种多目标可靠性设计优化（MORBDO）算法，用于对电动汽车（EV）前部结构进行优化设计。选择具有几何公差的五个关键部件的厚度作为设计变量，对EV前部结构进行优化设计，同时保证其碰撞性能、模态等特性满足要求。

文中基于蒙特卡罗模拟（MCS）技术的概率自适应因子（PSF）方法，解决了MORBDO中的概率约束问题。同时为了提高优化结果的准确性，文中提出了一种基于混合有限元模型精度改进方法的闭环系统。优化问题由多目标粒子群优化算法求解。

结果表明，基于PSF方法，可用于执行高精度MORBDO算法，可以基于组件几何公差的不确定性进行EV前部结构的优化设计。与DMOO方法相比，采用PSF方法的MORBDO方法，具有较高可靠性，可克服不确定性因素影响，进行确定性多目标优化。