基于径向基函数神经网络的车门轻量化设计

基于径向基函数神经网络的车门轻量化设计

ID:22018076

大小:68.03 KB

页数:15页

时间:2018-10-26

基于径向基函数神经网络的车门轻量化设计_第1页
基于径向基函数神经网络的车门轻量化设计_第2页
基于径向基函数神经网络的车门轻量化设计_第3页
基于径向基函数神经网络的车门轻量化设计_第4页
基于径向基函数神经网络的车门轻量化设计_第5页
资源描述:

《基于径向基函数神经网络的车门轻量化设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于径向基函数神经网络的车门轻量化设计摘要:以逆向设计得到的某轻型货车车门为例,探究该车门的轻量化潜能。以参数辨识所得到的关键零部件厚度为输入参数,车门刚度性能和车门质量为输出响应,建立了基于径向基函数(RadialBasisFunction,RBF)的神经网络近似模型。在近似模型的基础上,以钣金件厚度为设计变量,车门抗凹刚度和下垂刚度为约束条件,以质量最小为目标,应用模拟退火优化算法实现了车门的轻量化。在保证车门抗凹刚度和下垂刚度性能满足设计要求的前提下,实现减重0.81kg,RBF神经网络近似模型的应用有效缩短了轻量化设计的时间。

2、关键词:车门;抗凹刚度;下垂刚度;径向基函数神经网络;轻量化中图分类号:U463.83文献标文献标识码:A文献标DOI:10.3969/j.issn.2095-1469.2015.02.08Abstract:Torealizethelightweightcardoorofatruckobtainedbyusingareversedesignmethod,anapproximateneuralnetworkmodelwasestablishedbasedonradialbasisfunctions,takingasinputthethi

3、cknessofkeycomponentsacquiredbyparameteridentificationandtakingasoutputthestiffnessandthequalityofthedoor.OnthebasisoftheapproximatemodelandASAalgorithm,alightweightdoorwasachievedbyregardingthicknessofthecomponentsasdesignvariables,satisfyingthedentresistancestiffnessa

4、ndsaggingstiffnessasconstraintconditionsandsettingtargetontheminimumweight.Itwaspossibletoreduce0.81kgwithoutdecreasingthedentresistancestiffnessandsaggingstiffness.TheapplicationoftheRBFneuralnetworkshortenedthetimeofthelightweightdesign.Keywords:truckdoor;dentresistan

5、cestiffness;sinkagestiffness;radialbasisfunctionneuralnetwork;lightweight在汽车设计过程中,逆向工程发挥着重要作用。逆向工程技术的出现克服了传统设计过程中样件制作和试验耗费时间过长的问题[1]。但是,仅仅通过逆向设计得到的产品往往不能满足实际的设计要求,需要在其基础上进行深入的性能分析和优化设计,以完善设计方案。本文研究的车门由逆向工程设计得到,共包含27个钣金件,各钣金件的厚度值基本与标杆车相同。本文力图通过分析各钣金件厚度对车门性能的影响情况,重新合理地布置各

6、钣金件的厚度分配,最终实现车门的轻量化设计。常用的车门钣金件厚度的优化方法主要包括灵敏度优化和最优化方法。灵敏度优化主要是辨识输入变量对输出响应的影响程度,根据灵敏度分析结果,合理地调整零部件的厚度,改善车门性能,实现车门轻量化[2]。但是,灵敏度优化得到的方案往往只是一个改善的解,而不是一个全局最优解。最优化方法则是采用优化算法,在设计变量的可行性设计空间中搜寻最优解,优化方案较灵敏度优化方案往往更好。但是,优化工作如果使用优化算法直接驱动仿真程序进行寻优,通常需要较长的仿真优化时间,对于复杂的模型往往不太现实[3]。为了克服最优化

7、方法的这一缺点,本文引入基于RBF的神经网络近似模型来代替有限元仿真计算模型进行优化分析,这种方法在以往的车门轻量化研究中应用较少。首先,在有限元模型的基础上,通过试验设计(DesignofExperiments,DOE)分析得到了各钣金件厚度对车门性能的影响,筛选出对于优化工作较为重要的板件厚度值,作为优化工作的对象,缩减优化规模。其次,在设计空间内,通过DOE采样,建立了可信度较高的基于RBF的神经网络近似模型,以近似模型代替高强度的仿真计算,在其基础上进行车门轻量化设计,大大缩短了优化设计工作的时间。本文车门轻量化设计研宄流程如

8、图1所示。1车门性能分析根据企业的车门系统设计技术规范,为了保证车门性能的要求,分别设计了车门的抗凹工况、下垂工况的刚度试验与有限元仿真分析,分析车门初始方案的性能。1.1车门抗凹工况1.1.1抗凹刚度试验为了分析逆向设

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。