基于神经网络和响应面近似模型的车门性能多目标优化

作     者：陈饶 钟厉 Chen Rao;Zhong Li

作者机构：重庆交通大学重庆400074 

基　　金：重庆市自然科学基金面上项目(cstc2020jcyj-msxmX0749) 重庆市研究生联合培养基地项目(JDLHPYJD2020031) 重庆市研究生导师团队建设项目(JDDSTD2019007) 重庆交通大学研究生科研创新项目资助(YYK202210) 

出 版 物：《内燃机与配件》 (Internal Combustion Engine & Parts)

年 卷 期：2022年第24期

页      码：1-5页

摘      要：通过优化前车门模态、刚度以及轻量化,以改善整车性能和车内舒适性是车辆NVH的研究热点之一。以某乘用车左前车门为研究对象,计算分析其模态和刚度性能。以关键零部件厚度为设计变量,通过最优拉丁超立方试验设计获取样本数据,构建车门模态、刚度及质量的神经网络和响应面近似模型。以车门一阶弯曲模态频率最大化、质量最小化为优化目标,其余性能为约束,运用NSGA-II遗传算法进行性能多目标优化。结果表明:车门一阶弯曲模态频率提高1.24Hz;车门质量减少3.63kg,轻量化率为13.57%,其余性能均达标。基于多种类近似模型的多目标优化方法可有效提升车门性能。

主 题 词：前车门 近似模型 最优拉丁超立方试验设计 第二代非支配排序遗传算法(NSGA-Ⅱ) 多目标优化 

学科分类：082304[082304] 08[工学] 080204[080204] 0802[工学-机械学] 0823[工学-农业工程类] 

D　O　I：10.3969/j.issn.1674-957X.2022.24.001

馆 藏 号：203116008...