基于Isight软件的白车身多目标优化方法

华 翔，田国红，栾 海，刘嘉楷

基于Isight软件的白车身多目标优化方法

华 翔，田国红，栾 海，刘嘉楷

（辽宁工业大学 汽车与交通工程学院，辽宁 锦州 121000）

白车身（BIW）是汽车的重要组成部分，对驾乘人员的安全起到最直接的保护作用，其基本性能尤为重要，然而各性能之间往往存在冲突性，某一项性能的提升往往对其他项性能产生消极作用。为了在汽车车身设计过程中，更好地权衡某些性能，找到与设计车型目标性能更为匹配的设计参数，文章以某一小型纯电动汽车的白车身为例，通过有限元方法仿真分析其性能，再应用Isight软件采集数据并建立模型，找到多目标最优解，以供设计师选择满足设计目标且性能尽可能优异的设计参数，该设计方法对白车身参数设计具有一定的参考意义。

白车身；多目标优化方法；有限元分析；灵敏度分析；最优解集；Pareto前沿；Isight软件

白车身是汽车各个系统及部件的安装依附，也对驾乘人员的起到基本保障的作用，即充当汽车“骨骼”的角色，其性能涉及众多方面，在车身设计过程中将多个性能同时作为设计目标来优化，当前鲜有应用。本文将白车身的弯曲刚度、扭转刚度和质量作为优化目标，同时将部分钣金件的料厚作为参数变量进行分析，找出此组变量参数下的全部最优解，并以样本点形式陈列于坐标系下，使其性能变化更直观地展现出来，以方便择优。

1 有限元模型搭建及弯扭分析

1.1 白车身有限元建模

以某小型电动汽车车身结构为分析对象，应用ANSA软件进行有限元网格建模，车身钣金件和玻璃采用壳单元建模划分，材料基本属性如表1所示。

表1 材料基本属性

材料弹性模量/MPa密度/(T/mm3)泊松比 钣金件2.1E+057.85E-090.30 玻璃7.0E+052.5E-090.22

各钣金件之间主要通过焊点、烧焊、螺栓等方式连接，其与玻璃间应用粘胶连接。依次采用刚性单元RBE2对螺栓进行模拟连接、壳单元模拟焊缝连接、RBE3-HEXA-RBE3模拟焊点连接、Adhesives单元模拟粘胶连接，如图1所示。

图1 白车身有限元模型

1.2 模态分析及模型校对

通过对白车身模态分析可以了解车身结构的动态特性[1]，对其结果云图的观察可以明显发现模型连接是否可靠，经进一步评估模型的准确性，进而对模型进行校对以及修改，来保证有限元模型的正确性。

1.3 弯曲刚度和扭转刚度分析方法

白车身刚度是整车设计的一个重要指标，其决定车身在外力作用下抵抗变形的能力，并与整车的多项性能均有关联，例如耐久、碰撞安全、操稳和噪声、振动与声振粗糙度（Noise, Vibration, Harshness, NVH）等。研究通常主要关注两个车身刚度指标，即弯曲刚度和扭转刚度，当前的主流设计趋势是在控制成本和重量的前提下尽量提升车身弯扭刚度。

弯曲刚度模型对白车身的四个减振器安装上座（塔顶）作约束限制，同时加载两侧门槛梁，如图2所示，通过作用位置位移量的平均值计算弯曲刚度，即

式中，为刚度；为载荷；L、R分别为左右加载点位移量。

图2 弯曲刚度约束加载示意图

扭转刚度模型对白车身的后塔顶和前保险杠作约束限制，同时对前塔顶加载力偶，如图3所示。通过作用位置位移量的和值计算扭转刚度的大小，即

式中，T为扭转刚度，Nmm/rad，一般需转换为Nm/deg；为转角；1为左右加载点间距；为转矩。

由式（1）、式（2）可知，加载同样大小载荷，刚度只与加载点位移大小有关，即位移量越小刚度越大，因此，后期优化过程中只需考虑加载点位移量。

图3 扭转刚度约束加载示意图

2 筛选参数变量及灵敏度分析

2.1 初步筛选参数变量

白车身的众多零件中，并非所有的组件都对所优化的目标性能有很大影响，一些零件（例如：安装吊耳、支架类零件）只起到其他组件的安装、支撑作用，此类零件的形状、薄厚甚至有无对目标性能几乎没有影响，因此，分析前就可将此类零件忽略。

此外，如果因为其他性能的强制性（如保证碰撞的安全性），一些已经没有优化空间的钣金件也应直接从可优化的钣金件范围中剔除。

2.2 灵敏度分析

灵敏度分析可以研究输入变量的不确定性对模型输出响应量的贡献程度的大小。灵敏度分析在结构设计与优化、可靠性分析、模型简化等多个领域得到了广泛应用[2]。

利用HyperMesh软件对有限元模型进行分析，本文以初步筛选的72个板件的料厚为变量，计算各变量对弯曲刚度、扭转刚度和质量的灵敏度。由于篇幅所限，部分结果如表2所示。

表2 部分板件灵敏度数值

ID变量名质量灵敏度弯曲刚度灵敏度扭转刚度灵敏度 1gSen103.68E-036.63E-043.73E-03 2gSen269.96E-048.93E-058.99E-04 3gSen292.15E-031.70E-031.08E-03 4gSen307.72E-031.80E-032.35E-02 …………… 72gSen2106.54E-041.10E-061.83E-05

3 白车身多目标优化

3.1 多目标优化基本理论

在实际优化进程中，一般将多目标优化用的数学模型表示为

式中，()为目标函数；为函数的数量；()和()分别为不等式约束函数和等式约束函数；和分别为约束函数的数量；(12,…,x)为设计变量；为设计变量的数量；L和U分别为设计变量的上下限[3]。

3.1.1可行解和可行解集

满足约束函数的设计变量值(12,…,x)称为可行解，所有的可行解构成的集合称为可行解集，一般用表示[3]。

3.1.2Pareto支配

假设a和b是可行解集的两组可行解，如果a存在部分目标优于b的目标，则称为a可以Pareto支配b；如果a全部的目标均优于b，则a可以完全Pareto支配b[3]。

3.1.3Pareto最优解和Pareto前沿

假设在可行解集中存在，且不存在其他的个体可以强支配，则为此多目标优化函数的Pareto最优值或非劣值，在可行解集中全部的Pareto最优值构成的集合称为Pareto最优值集或非劣值集[3]。沿目标函数方向寻优时所触碰的最优边界，称为Pareto前沿，Pareto前沿例图如图4所示。

图4 Pareto前沿例图

3.2 Isight多目标优化

3.2.1基础模型搭建

在Isight软件中利用ABAQUS组件调用有限元模型数据文件和计算结果文件，通过计算器组件计算出对应刚度和质量，并将数据传回Task1进行采样和优化，基本任务流程如图5所示。

图5 任务流程图

因考虑到计算量的庞大及电脑算力和时间的限制，本文筛选了对三个目标性能灵敏度最大的10个板件（如图6）为优化的参数变量，并且采用近似模型对ABAQUS计算部分进行拟合。

图6 优化参数变量板件

板件的筛选参照上文所计算的灵敏度数值，将其各个性能的灵敏度按绝对值大小分别排序后进行筛选，各性能间的灵敏度不能相互比较，故在选取变量参数板件时存在一定主观因素。本文所选板件多目标优化参数变量及其灵敏度如表3所示。

表3 多目标优化参数变量及其灵敏度

序号变量名质量灵敏度弯曲刚度灵敏度扭转刚度灵敏度 1Sen1475.47E-032.13E-012.00E-02 2Sen1723.07E-024.31E-029.76E-02 3Sen1487.68E-043.73E-026.61E-04 4Sen984.03E-035.81E-037.71E-02 5Sen1241.11E-021.96E-031.06E-02 6Sen307.72E-031.80E-032.35E-02 7Sen1636.68E-032.25E-022.18E-02 8Sen1681.20E-031.54E-036.34E-02 9Sen476.89E-036.88E-033.12E-02 10Sen391.16E-021.54E-024.69E-02

循环计算过程中，将所选的10个变量数据传入ABAQUS模块，计算出加载点位移并传入刚度计算器算出弯曲、扭转刚度传回，同时传入质量计算器模块算出总质量并传回，至此完成一次计算，数据流如图7所示。

图7 数据流

3.2.2建立近似模型

近似模型方法（Approximation Models）是通过数学模型的方法逼近一组输入变量（独立变量）与输出变量（响应变量）的方法。20世纪70年代，SCHMIT L A等[4]在结构设计优化中首次引入了近似模型的概念，加快了优化算法的寻优速度，推动了优化算法在工程领域中的应用，收到了良好的效果。因此，采用Isight近似模型的方法进行优化设计，同时用近似模型替代高强度仿真。

为了均匀采样，试验设计法（Design Of Expe- riment, DOE）采用最优拉丁超立方设计，采集10个试验因子的172个样本点，构成四阶响应面近似模型，并随机采集17个样本点进行误差分析（见图8），所得响应面误差不超过10％。

3.2.3模型计算及结果

近似模型大大减少了计算的时间，极大地提高了重复计算的效率，因此，可以大胆地设置计算的样本数量，本文对试验因子进行了599组数据采样，并通过近似模型计算得到部分计算结果如表4所示。

在三维直角坐标系中，将三个优化目标设置为坐标，每组数据用一个样本点表示，则在空间中生成很直观的目标性能变化趋势，沿三个目标优化方向所达到边界点构成的面即为Pareto前沿面，如图9所示，空间左侧边界点均为最优解，共同构成Pareto前沿面。

表4 部分参数样本信息

数据序号Sen147厚度/mmSen172厚度/mmSen148厚度/mmSen98厚度/mmSen124厚度/mmSen30厚度/mmSen163厚度/mmSen168厚度/mmSen47厚度/mmSen39厚度/mm弯曲刚度/(N/mm)扭转刚度/(N/mm)板件质量/kg 11.4480.5640.8500.9440.6180.7931.4661.1841.6300.7835 47814 73474.2 21.0300.5081.1631.0400.9450.8641.0831.0101.6250.9454 77014 42674.1 31.3370.5630.8260.9460.8320.9781.1821.2351.6290.9105 23614 84877.0 …………………………………… 1951.4630.5431.0350.9690.5110.5381.3261.0401.6260.7885 38514 42969.7 …………………………………… 5991.1940.6261.0791.0850.9060.7321.0130.8271.6250.6284 94314 08872.9

图9 性能变化趋势

通过对599组数据性能的三维坐标展示，根据设计目标的追求，在对三个目标性能的权衡之下，能很轻易地找出符合要求的一个或多个解。本文选取了箭头所指的样本点，其对应的扭转刚度为14 429 Nm/deg、弯曲刚度为5 385 N/mm、质量为69.7 kg，板厚对应10个参数值依次为1.463、0.543、1.035、0.969、0.511、0.538、1.326、1.040、1.626、0.788，其单位为mm。

3.3 数据回代计算

上文的板厚数据由近似模型得到，必然存在一定的误差，因此，需将近似模型所得数据回代到有限元模型中来获得较准确的仿真数据。此外，由于实际工程中的板材厚度一般只精确到0.1 mm或0.05 mm，需将Isight中所得的数据圆整化以符合实际工程需要，圆整后的数据参数值为1.45、0.55、1.0、0.95、0.5、0.55、1.3、1.0、1.6、0.8，其单位为mm。弯曲工况加载1 000 N，扭转工况加载500 N，计算所得弯曲刚度对应加载点位移为0.187 mm和0.185 mm，扭转刚度对应加载点位移为0.355 mm和0.351 mm，如图10、图11所示。

图10 弯曲刚度位移

图11 扭转刚度位移

所优化的10个钣金件质量为69.4 kg，经前文公式计算得出弯曲刚度为5 376 N/mm，扭转刚度为14 418 Nm/deg，且此计算模型未包含车底电池模组。

4 总结

本文以小型纯电动汽车的白车身为例，粗略地叙述了三目标优化的过程，因部分环节存在个人主观的选择偏好，所得参数并非适合所有工况的最佳参数，只是为类似的多目标问题提供了一种解决问题的方法。

双目标、三目标优化具有可视化的特殊性，可以根据设计目标直接在前沿的众多优化结果中选出参数最适合的一组数据，给设计者提供了一个有理可依的参数优化方向。

[1] 吴亚萍,秦丽萍,曾乐彬.基于CAE仿真技术的白车身动刚度分析优化[J].时代汽车,2021(12):43-45.

[2] ZHANG F,WU M Y,HOU X T,et al.Post-buckling Reliability Analysis of Stiffened Composite Panels Based on Adaptive Iterative Sampling[J].Engineering with Computers,2021,73(11):208-220.

[3] 魏伯文.轿车车身多目标优化[D].长春:吉林大学,2021.

[4] 吴杨,武振江,曹建,等.基于Isight响应面模型的白车身轻量化研究[J].北京汽车,2019(6):1-6.

A Multi-objective Optimization Method for BIW Based on Isight Software

HUA Xiang, TIAN Guohong, LUAN Hai, LIU Jiakai

( College of Automotive and Transportation Engineering, Liaoning University of Technology,Jinzhou 121000, China )

Body in white (BIW) is an important part of vehicle, which plays the most direct role in protecting the safety of drivers and passengers, and its basic performance is particularly important.However, there are often conflicts between the performances, and the improvement of one performance often has a negative effect on some other performance.In order to better balance some performance in the design process of automobile body and find design parameters that match the target performance of the design model better, this paper takes the BIW of a small pure electric vehicle as an example to analyze its performance through finite element method simulation, and then uses Isight software to collect data and build models to find multi-objective solutions for designers to select design parameters that meet the design goals and have the best performance possible,and the design method of this paper has a certain reference significance for BIW parameter design.

Body in white; Multi-objective optimization; Finite element analysis; Sensitivity analysis; Optimal solution set; Pareto frontier;Isight software

U462.2

A

1671-7988(2023)11-95-06

华翔（1997－），男，硕士研究生，研究方向为汽车安全技术，E-mail:823616768@qq.com。

10.16638/j.cnki.1671-7988.2023.011.017