基于BS-TabNet和LSSA的车架智能轻量化设计

作     者：聂昕 刘文涛 陈少伟 张承霖 陈勇 杨昊 NIE Xin;LIU Wentao;CHEN Shaowei;ZHANG Chenglin;CHEN Yong;YANG Hao

作者机构：湖南大学整车先进设计制造技术全国重点实验室湖南长沙410082 株洲中车时代电气股份有限公司湖南株洲412000 湖大艾盛汽车技术开发有限公司湖南长沙410205 

基　　金：广西区科技计划重大专项(桂科AA23062072) 柳州市科技计划重大专项(2022ABA0104 2022ABB0101) 国家重点研发计划资助项目(2019YFB1706504) 

出 版 物：《湖南大学学报（自然科学版）》 (Journal of Hunan University:Natural Sciences)

年 卷 期：2024年第51卷第2期

页      码：163-176页

摘      要：为解决传统牵引车车架轻量化设计中设计周期长、设计难度较大和过分依赖工程师经验等问题,提出了一种智能轻量化设计方法.首先,通过试验设计(Design of Experiments,DOE)联合仿真获取车架性能表格数据.其次,基于TabNet算法、贝叶斯优化算法和沙普利增量解释理论(SHapley Additive exPlanation,SHAP)构建出BS-TabNet模型,用于学习车架性能表格数据,生成车架代理模型.最后,采用莱维飞行策略对麻雀搜索算法(Sparrow Search Algorithm,SSA)进行改进,得到莱维麻雀搜索算法(Levy Sparrow Search Algorithm,LSSA),用于求解车架轻量化任务,找到最优车架结构参数.相较于传统机器学习算法,BS-TabNet模型在准确性、稳定性和可解释性三个方面都有着更高的评价,其准确度达到了0.98左右,稳定性提高50%以上,而且具有更强的可解释能力,解决了深度学习在表格型数据上表现较差的问题.相较于传统群智能优化算法,LSSA算法能够寻找到更好的优化结果,在满足其他性能要求的同时,实现了车架质量减轻5.64%的轻量化效果.智能轻量化设计方法将人工智能与车架轻量化设计相结合,能够节省大量设计时间,提高设计效率.

主 题 词：深度学习 贝叶斯优化 车架设计 TabNet SHAP SSA 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 082304[082304] 081104[081104] 080204[080204] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 0823[工学-农业工程类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16339/j.cnki.hdxbzkb.2024155

馆 藏 号：203126772...