基于可靠性的车辆防护组件优化

吴凯; 王显会; 周云波; 毕政; 李明星

doi:10.11883/bzycj-2020-0126

基于可靠性的车辆防护组件优化

doi: 10.11883/bzycj-2020-0126

南京理工大学机械工程学院，江苏南京 210094

基金项目: 国家自然科学基金（11802140，51405232）；中央高校基本科研业务费专项（30918011303）；道路交通安全公安部重点实验室开放课题（2018ZDSYSKFKT09）

详细信息

作者简介:
吴　凯（1995－　），男，硕士研究生，bonfirewk@163.com

通讯作者:
王显会（1968－　），男，教授，13770669850@139.com

中图分类号: O385
计量
- 文章访问数: 637
- HTML全文浏览量: 197
- PDF下载量: 79
- 被引次数: 0
出版历程
- 收稿日期: 2020-04-30
- 修回日期: 2020-07-16
- 网络出版日期: 2021-03-05
- 刊出日期: 2021-03-10

Optimization of vehicle protection components based on reliability

School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, Jiangsu, China

摘要

摘要: 在传统的优化流程中，不考虑设计变量的不确定性将引起设计目标的性能波动，甚至设计失败。为提高军用车辆底部防护能力，针对一种车辆防护组件进行了可靠性优化。在爆炸防护优化中引入多目标可靠性优化，通过实验设计和灵敏度分析筛选设计变量，再构建并选择准确度最高的代理模型，运用多目标遗传算法完成防护组件的可靠性优化。实验和数值模拟结果表明，优化后的防护组件满足防护性和轻量化的要求，且设计的可靠性得到了提升，可为后续防护组件设计生产提供参考。
- 防护组件 /
- 防护性能 /
- 轻量化 /
- 多目标可靠性优化
Abstract: In order to improve the bottom protection capability of military vehicles, a reliable optimization method was proposed for the design of vehicle protection components. In the traditional optimization process, if the uncertainty of design variables is not considered, the performance of design objectives will fluctuate or even fail. In this paper, multi-objective reliability optimization was introduced into the optimization of explosion protection. The surrogate model with the highest accuracy was constructed and chosen after the design variables were selected through experimental design and sensitivity analysis. The reliability optimization of the protection components was achieved by the multi-objective genetic algorithm. Eventually, through experiment and simulation verification, the optimized protective components met the requirements of protection and lightweight, and the reliability was improved, which can provide reference for the subsequent design and production of protective components.
- protection components /
- protection performance /
- lightweight /
- multi-objective reliable optimization

HTML全文

图 1 可靠性设计的偏移

Figure 1. Reliability design offsets

下载: 全尺寸图片幻灯片

图 2 可靠性优化流程

Figure 2. Reliability optimization flowchart

下载: 全尺寸图片幻灯片

图 3 台架爆炸实验

Figure 3. Platform explosion experiment

下载: 全尺寸图片幻灯片

图 4 台架的有限元模型

Figure 4. Finite element model of platform

下载: 全尺寸图片幻灯片

图 5 基板变形对比

Figure 5. Comparison of substrate deformations

下载: 全尺寸图片幻灯片

图 6 基板最大位移

Figure 6. Maximum displacement of substrate

下载: 全尺寸图片幻灯片

图 7 设计变量位置

Figure 7. Positions of design variables

下载: 全尺寸图片幻灯片

图 8 梁组合类型

Figure 8. Beam combination types

下载: 全尺寸图片幻灯片

图 9 设计变量的贡献

Figure 9. Contributions of design variables

下载: 全尺寸图片幻灯片

图 10 Pareto前沿对比

Figure 10. Pareto front comparison

下载: 全尺寸图片幻灯片

图 11 优化后基板变形实验结果

Figure 11. Experiment result of substrate deformation after optimization

下载: 全尺寸图片幻灯片

表 1 设计目标和初始值

Table 1. Design goals and initial values

项目	M	D
项目	设计目标
函数	f_M(x)	f_D(x)
初始值	430 kg	185.9 mm
目标值	最小	最小

下载: 导出CSV

表 2 设计变量的初始值和概率分布

Table 2. Initial values and probability distributions of design variables

设计变量	参数定义	概率分布	初始值	相关系数σ/μ	离散取值
x₁	面板厚度	正态分布	9.00 mm	0.1
x₂	背板厚度	正态分布	8.00 mm	0.1
x₃	横梁厚度	正态分布	8.00 mm	0.1
x₄	纵梁厚度	正态分布	8.00 mm	0.1
x₅	蜂窝胞元厚度	正态分布	0.35 mm	0.1
x₆	纵梁数	离散分布	1		1,2
x₇	横梁数	离散分布	2		1,2,3
x₈	横纵梁材料	离散分布	6		4,5,6,7,8,9,10,11,16,17,18,19
x₉	背板材料	离散分布	7		1,2,3,4,7,8,9,10,11,12,13,14,5,18,19
x₁₀	面板材料	离散分布	7		1,2,3,4,7,10,11,12,13,14,15
x₁₁	蜂窝材料	离散分布	8		1,2,3,4,5,6,7,8,9,10,11,17,18,19,20

下载: 导出CSV

表 3 材料参数

Table 3. Material parameters

序号	材料	密度/(kg·m⁻³)	弹性模量/MPa	泊松比	屈服强度/MPa	切线模量/MPa	断后延伸率/%
1	NP-500	7 800	210 000	0.29	1 382	3 306.3	12
2	NP-550	7 800	210 000	0.29	1 540	4 391.633	9.5
3	Q1100	7 800	210 000	0.29	1 145	1 951	13
4	Q890	7 800	210 000	0.29	955	223	17.5
5	Q690	7 800	210 000	0.29	718	294.778	19
6	700E	7 800	210 000	0.29	700	1 683	14
7	960E	7 800	210 000	0.29	960	1 991	10
8	7A52	2 600	68 000	0.34	345	1 001	7
9	7B52	2 600	68 000	0.34	470	1 111	7
10	Ti-6Al-4V	4 460	113 800	0.30	1 100	300	11
11	Tii-6Cr-5Mo-5V-4Al	4 430	113 800	0.30	1 250	2 564	5
12	685	1 446	333	0.038 8	0.328	0.13	1.29
13	FD53	1 350	203	0.070 1	0.282	0.11	19.94
14	6252	1 889	438.3	0.045 06	0.394 89	0.320 94	2.520 56
15	LH	1 100	322	0.101 3	0.3587	0.2	7.2
16	Q620	620	524	11.1	0.54	0.59	2.12
17	H14	188	426	0.015	0.34	0.13	0.13
18	752	440	410	0.016 6	0.493	0.076	0.10
19	762	575	226	0	0.362	0.046	0.87
20	Q235	7 800	210 000	0.29	235	580	0.24

下载: 导出CSV

表 4 优化拉丁超立方采样样本

Table 4. Optimization of Latin hypercube samples

样本	x₁/mm	x₂/mm	x₃/mm	x₄/mm	x₅/mm	x₆	x₇	x₈	x₉	x₁₀	x₁₁
1	9.630 3	7.226 9	9.848 7	8.369 7	0.452 9	2	3	18	3	10	9
											
55	10.789 9	10.722 7	8.638 7	7.428 6	0.347 9	2	3	19	2	3	3
56	7.815 1	6.151 3	6.890 8	9.647 1	0.394 1	2	3	7	9	11	20
											
119	8.420 2	6.285 7	9.983 2	7.697 5	0.263 9	1	2	4	8	14	11
120	10.487 4	7.294 1	6.218 5	12.000 0	0.595 8	1	3	11	1	15	17

下载: 导出CSV

表 5 代理模型精度比较

Table 5. Accuracy comparisons of different surrogate models

代理模型	R²	E_rms	R²	E_rms
代理模型	f_D(x)		f_M(x)
RSM	0.958 16	0.073 56	0.756 99	0.186 21
RBF	0.998 27	0.015 08	0.978 26	0.088 46
KRG	0.999 26	0.007 45	0.983 48	0.036 04

下载: 导出CSV

表 6 模拟优化结果对比

Table 6. Comparison of simulation optimization results

优化目标	优化结果	可靠度/%	优化结果	可靠度/%
优化目标	确定性优化		可靠性优化
f_D(x)	99.26 mm	67.3	99.22 mm	99.7
f_M(x)	290.8 kg	−	315.4 kg	−

下载: 导出CSV

表 7 最优设计参数

Table 7. Optimal design parameters

部件	厚度/mm	材料
面板	7.1	960E
背板	4.2	Q890
横梁2根	8.0	700E
纵梁1根	8.0	700E
蜂窝胞元	0.6	7A52

下载: 导出CSV

表 8 实验与模拟结果比较

Table 8. Comparison of experimentand simulation results

组件结构	结果	f_D(x)/mm	f_M(x)/kg
初始结构	模拟	185.9	430
初始结构	实验	190.0	430
优化结构	模拟	97.9	320
优化结构	实验	96.0	320

下载: 导出CSV

参考文献(17)

[1]	GRUJICIC M, BELL W C. A computational analysis of survivability of a pick-up truck subjected to mine detonation loads [J]. Multidiscipline Modeling in Materials and Structures, 2011, 7(4): 386–423. DOI: 10.1108/15736101111185289.
[2]	吕晓江, 周大永, 孙光永, 等. 基于多目标可靠性优化的骡车车身耐撞性及轻量化设计 [J]. 汽车工程, 2018, 40(7): 790–794. DOI: 10.19562/j.chinasae.qcgc.2018.07.007. LYU X J, ZHOU D Y, SUN G Y, et al. Crashworthiness and lightweight design of mule-car body based on multi-objective reliability optimization [J]. Automotive Engineering, 2018, 40(7): 790–794. DOI: 10.19562/j.chinasae.qcgc.2018.07.007.
[3]	PAN F, ZHU P, CHEN W, et al. Application of conservative surrogate to reliability based vehicle design for crashworthiness [J]. Journal of Shanghai Jiaotong University (Science), 2013, 18(2): 159–165. DOI: 10.1007/s12204-012-1240-x.
[4]	陈崇, 詹振飞, 李洁, 等. 基于材料参数不确定性量化的车身稳健性优化 [C] // 第十八届汽车安全技术学术会议. 江苏苏州, 2015.
[5]	GU X G, SUN G Y, LI G Y, et al. A Comparative study on multiobjective reliable and robust optimization for crashworthiness design of vehicle structure [J]. Structural and Multidisciplinary Optimization, 2013, 48(3): 669–684. DOI: 10.1007/s00158-013-0921-x.
[6]	魏然, 王显会, 周云波, 等. 爆炸冲击下车辆底部结构与座椅系统多参数优化研究 [J]. 振动与冲击, 2016, 35(14): 90–95. DOI: 10.13465/j.cnki.jvs.2016.14.014. WEI R, WANG X H, ZHOU Y B, et al. Multi-parameter optimization of vehicle underbody configuration and occupant restraint system under explosion shock load [J]. Journal of Vibration and Shock, 2016, 35(14): 90–95. DOI: 10.13465/j.cnki.jvs.2016.14.014.
[7]	李明星, 王显会, 周云波, 等. 基于神经网络的车辆抗冲击防护组件优化 [J]. 爆炸与冲击, 2020, 40(2): 024203. DOI: 10.11883/bzycj-2019-0055. LI M X, WANG X H, ZHOU Y B, et al. Research on optimization of vehicle anti-shock protection components based on neural network [J]. Explosion and Shock Waves, 2020, 40(2): 024203. DOI: 10.11883/bzycj-2019-0055.
[8]	GU X G, LU J W. Reliability-based robust assessment for multiobjective optimization design of improving occupant restraint system performance [J]. Computers in Industry, 2014, 65(8): 1169–1180. DOI: 10.1016/j.compind.2014.07.003.
[9]	YOUN B D, CHOI K K, YANG R J, et al. Reliability-based design optimization for crashworthiness of vehicle side impact [J]. Structural and Multidisciplinary Optimization, 2004, 26(3−4): 272–283. DOI: 10.1007/s00158-003-0345-0.
[10]	张义民, 贺向东, 刘巧伶, 等. 非正态分布参数的车辆零件可靠性稳健设计 [J]. 机械工程学报, 2005, 41(11): 102–108. DOI: 10.3321/j.issn:0577-6686.2005.11.018. ZHANG Y M, HE X D, LIU Q L, et al. Reliability-based robust design of vehicle components with non-normal distribution parameters [J]. Chinese Journal of Mechanical Engineering, 2005, 41(11): 102–108. DOI: 10.3321/j.issn:0577-6686.2005.11.018.
[11]	白阳阳. 某型车正碰乘员约束系统可靠性设计[D]. 长沙: 湖南大学, 2012: 38−48.
[12]	李鹏, 周云波, 王显会, 等. 含蜂窝夹层的V型底部复合装甲仿真研究 [J]. 爆破, 2019, 36(1): 44–48, 69. DOI: 10.3963/j.issn.1001-487X.2019.01.007. LI P, ZHOU Y B, WANG X H, et al. Simulation on V-shaped bottom composite armor with honeycomb sandwich [J]. Blasting, 2019, 36(1): 44–48, 69. DOI: 10.3963/j.issn.1001-487X.2019.01.007.
[13]	陈鑫, 王佳宁, 沈传亮, 等. 承载式车身结构局部改型的快速耦合参数化优化设计 [J]. 同济大学学报(自然科学版), 2019, 47(8): 1189–1194. DOI: 10.11908/j.issn.0253-374x.2019.08.016. CHEN X, WANG J N, SHEN C L, et al. Rapidly coupling parametric optimal design of partial structure modification for integral body [J]. Journal of Tongji University (Natural Science), 2019, 47(8): 1189–1194. DOI: 10.11908/j.issn.0253-374x.2019.08.016.
[14]	刘德顺, 岳文辉, 杜小平. 不确定性分析与稳健设计的研究进展 [J]. 中国机械工程, 2006, 17(17): 1834–1841. DOI: 10.3321/j.issn: 1004-132X.2006.17.018. LIU D S, YUE W H, DU X P. Study on uncertainty analysis and robust design: a review [J]. China Mechanical Engineering, 2006, 17(17): 1834–1841. DOI: 10.3321/j.issn: 1004-132X.2006.17.018.
[15]	GAO F L, REN S, LIN C, et al. Metamodel-based Multi-objective reliable optimization for front structure of electric vehicle [J]. Automotive Innovation, 2018, 1(2): 131–139. DOI: 10.1007/s42154-018-0018-8.
[16]	陈媛媛. 基于代理模型的汽车碰撞安全性多目标优化研究[D]. 重庆: 重庆大学, 2017: 6−8.
[17]	王若冰, 赵志军, 肖和业, 等. 力学环境约束下剪切销可靠性分析及优化设计 [J]. 爆炸与冲击, 2019, 39(7): 075101. DOI: 10.11883/bzycj-2018-0146. WANG R B, ZHAO Z J, XIAO H Y, et al. Reliability analysis and design optimization of a shear pin constrained by mechanical boundaries [J]. Explosion and Shock Waves, 2019, 39(7): 075101. DOI: 10.11883/bzycj-2018-0146.