当前位置:文档之家› 基于Kriging近似模型的汽车乘员约束系统稳健性设计

基于Kriging近似模型的汽车乘员约束系统稳健性设计


摘要:在汽车乘员约束系统的设计过程中,其设计变量具有一定的不确定性。传统的优化设计由于忽略了不确定因素的影响, 当设计变量产生波动时,往往会导致目标超出约束边界或目标函数对设计变量的波动极为敏感,从而使设计失效。针对某款 微型客车,通过乘员损伤分析软件建立该车的正丽碰撞乘员约束系统仿真模型并对模型进行验证。基于该模型将试验设计、 Kriging近似模型和蒙特卡罗模拟技术相结合,构造基于产品质量工程的6盯稳健性优化设计方法,实现对设计目标的优化并 提高了设计变量的町靠性和目标函数的稳健性。工程算例表明,该方法在乘员约束系统设计方面具有较强的工程实用性。 关键词:稳健性优化汽车安全正面碰撞乘员约束系统 中图分类号:U461.91
·湖南大学汽车车身先进设计制造国家重点实验室自主研究课题资助 项I;l(60870005)。20091221收到初稿,20100622收到修改稿
的结果【l刁】。但很多研究都是对约束系统的确定性优 化,没有考虑设计变量波动对系统性能的影响【l刁】。 也有一些学者考虑了设计变量波动的影响但没能考 虑目标的稳健性【4】。当设计变量产生波动时,往往 会导致设计最优目标不能满足设计要求。只有充分 考虑在建模、仿真和制造过程中存在的不确定因素, 才能设计出性能稳健的乘员约束系统,确保其性能 的一致性。
Hunan University,Changsha 4 1 0082)
Abstract:Design variables have some uncertainties during the design process of occupant restraint system.Conventional optimization design,however,neglects uncertainties,it always leads to optimal object beyond constraints or object function very sensitive to the fluctuation ofdesign variables,thus resulting in design failure.Aiming at a minibus,by means ofthe occupant injury analysis software,a simulation model of occupant restraint system for frontal impact of the minibus is built and the verification of the model is carried out. Based on the model,through the applications of experimental design,Kriging models and Monte Carlo simulation technique,a 60 robustness optimization method based on product quality engineering is constructed.The method not only searches the optimum results for the design object,but also impmves the reliability of the design parameters and the robustness of objective function.Engineering example indicates this method has stronger engl’neering practicability in the design ofoccupant restraint system. Key words:Robustness optimization Vehicle safety Frontal impact Occupant restraint system
Robustness Design of Occupant Restraint System Based on Kriging Model
LI Tiezhu LI Guangyao CHEN Tao GAO Hui (State Key Laboratory ofAdvanced Design and Manufacture for Vehicle Body,
式(4)中多由式(6)估计
乘员约束系统的仿真过程是一个高度非线性
的动态过程,Kriging近似模型不仅可以描述高度非 线性过程,同时也能光滑目标响应、去除数值噪声
和极大地提高优化设计的效率。Kriging近似模型是 一种估计方差最小的无偏估计模型。该方法能够提 供一种精确的插值,从统计意义上说,是从变量相

? E ≮

魁 瑙 舞 麓l

图1 B柱加速度曲线
图2驾驶员侧约束系统模型
约束系统模型的验证包括零部件验证和整体 模型验证。零部件验证主要是验证部件的力学特性, 比如安全带的刚度,座椅的刚度等。整体模型验证
主要是保证模型中假人的响应尽可能地接近试验结 果,达到真实碰撞的再现。良好的模型可以预测不 同方案对乘员的保护效果,可以用于约束系统参数 的灵敏度分析和优化。仿真模型与碰撞试验结果响 应对比情况如图3、4所示。
0前言
在汽车乘员约束系统开发中,为了缩短新产品 的开发时间,模拟仿真成了重要的设计分析手段。 为了更好地提高汽车的安全性并满足国家相关法规 的要求,计算机仿真和优化方法相结合成为了必然。 对于微型客车来说,车身前端吸能区与一般乘用车 相比较短,导致车身耐撞性相对较差,由于结构、 成本等问题,乘员约束系统设计难度很大。国内很 多学者都对乘员约束系统进行了研究并得到了较好
关性和变异性出发,在有限区域内对区域化变量的
取值进行无偏、最优估计的一种方法睁71。该近似
模型在乘员约束系统的优化设计中得到了普遍应
用[8do】,但将Kriging近似模型应用于乘员约束系统
稳健性优化设计之中,国内还很少,Kriging近似模 型的基本理论可简述如下。
它由全局模型与局部偏差迭加而成,可表示为


时间t/ms (e)胸部压缩量
时间t/ms (f)头部合成加速度
图4仿真与试验假人响应对比
万方数据
2010年“月
李铁柱等:基于Kriging近似模型的汽车乘员约束系统稳健性设计
125
图3中比较了不同时刻假人的运动姿态,仿真 中假入的运动和试验吻合得较好。由图4可以看出, 仿真中的大腿力和实际偏差较大,主要是由于仪表 板的破裂引起膝垫刚度的变化难以模拟,但上升趋 势和峰值还是吻合得较好。其余安全带肩带力曲线、 胸部合成加速度和压缩量曲线、头部合成加速度曲 线在起始时刻、峰值、峰值时刻和整体形状等方面 和试验吻合得较好。试验中主要考核的损伤指标包 括头部36 ms损伤指标Cm36、胸部压缩量C和左/ 右大腿力局/E,很多文献都详细描述了指标的含 义【5】。仿真中各指标与试验之间的误差均保持在较 小的误差范围内见表l,因而该模型可以用于约束 系统的优化研究。
图3仿真与试验假人姿态对比
.O 一


采 罄
长 悄
爿 ).5 0
Z_ C
).5 .0
纩\
R 鬻


.5 一
●^
时间t/ms (a)左人腿力
(b)右大腿力


暑 ≤ S

瑙 县 {釜 缸 箍 霎
时间t/ms (c)安全带肩带力
时间t/ms (d)胸部合成加速度


旨 E










话 鐾^、
Y=斛,T(工)月。1l y-ffl l
(4)
此处J,是长度为ns(采样点数)的列矢量,即样
本数据的响应值。当m)为常数时,厂是长度为玎。的 单位列矢量。,T∽为试验点工与采样点
{XI,z2,…,p)间的长度为甩。相关矢量,即
2基于试验设计的Kriging近似模型 的构建
,T(x)=ER(X,X1),R(x,X2),…,R(x,xns)]1(5)
第46卷第22期 2010年11月
机械工程学报 JOURNAL OF MECHANICAL ENGⅣEERING
Vbl.46 NO.22
Nov.
20l 0
DoI:10.3901/JME.2010.22.123
基于Kriging近似模型的汽车乘员约束 系统稳健性设计宰
李铁柱李光耀 陈涛 高晖
(湖南大学汽车车身先进设计制造国家重点试验室长沙410082)
表1仿真和试验损伤指标对比
Cov[z(Xi),Z(xJ)]=枷[尺(∥,工伽 (2)
式中月——相关矩阵 尺伍‘,x7)——样点x‘、x’的相关函数
相关函数有不同的形式,本文选用高斯相关函 数,则
R(xi,xj)=兀:exp(一皖I《一《12) (3)
式中 n“——设计变量数 巩——未知的相关参数
一旦确定了相关函数,则任意试验点x的响应
本文针对某款自主品牌微型客车100%正面碰 撞安全性设计,建立了该车的驾驶员侧约束系统模 型,并考虑了设计变量的波动,将基于稳健性的优 化设计方法应用到约束系统设计中,并与试验设计、 近似模型技术相结合,较好地解决了乘员约束系统
万方数据
124
机械工程学报
第46卷第22期
的稳健性优化设计问题。
1 建立和验证乘员约束系统模型
(6)
会2:虹益盥业(7) 全局模型的方差估计值为
·
通过极大似然估计确定相关参数敬,即求解如 下的非线性无约束最优化问题
黼吼>ofl 唑尘2蛐]’J
(8)
当仇求出后,由式(5)得到未知点x和已知样本 数据之间的相关矢量,10),通过式(4)得到其响应 值,完成Kriging近似模型的构建。
相关主题