2021.03 Automobile Parts
028
Lightweight Design of a Passenger Car Rear Seat Based on Multi-objective Optimization
收稿日期:2020-10-08
作者简介：黄胜超(1984 )，男，本科，工程师，研究方向为汽车及零部件优化设计方法㊁CAE 仿真分析㊂E-mail:huang.shengchao@hotmail㊂
通信作者：单志颖(1994 )，男，硕士，研究方向为汽车及其零部件多目标优化设计㊂E-mail:zhiying_shan@163㊂
DOI :10.19466/jki.1674-1986.2021.03.006汽车座椅
基于多目标优化的乘用车后排座椅轻量化设计
黄胜超1，廖耀青2，单志颖2，李建阳1，李旭亮1
(1.浙江天成自控股份有限公司技术研发中心，浙江台州318000;
2.温州大学机电工程学院，浙江温州325035)
摘要：提出第二代非劣排序遗传算法(NSGA-II)结合响应面法(RSM)-径向基神经网络方法(RBF)混合近似模型和逼近理想解排序(TOPSIS)方法对某乘用车后排座椅进行结构-材料一体化多目标轻量化设计研究㊂结合有限元理论建立仿真模型，并通过行李箱碰撞试验验证仿真模型的正确性，根据工程经验和座椅靠背骨架吸能分析确定了6个优化部件厚度㊁材料的设计变量及取值范围；采用RSM-RBF 混合近似模型方法拟合设计变量与响应之间的关系；利用NSGA-Ⅱ算法对优化问题进行求解，得到Pareto 最优解集㊂最后采用基于熵权TOPSIS 方法对Pareto 最优解集进行排序确定最佳折中解㊂结果表明：在满足各项安全性能法规的前提下，乘用车后排座椅减重3.57kg㊂
关键词：乘用车后排座椅；混合近似模型；轻量化;TOPSIS 中图分类号:U463.83+6
Lightweight Design of a Passenger Car Rear Seat
Based on Multi-objective Optimization
HUANG Shengchao 1,LIAO Yaoqing 2,SHAN Zhiying 2,LI Jianyang 1,LI Xuliang 1
(1.Technology R&D Center,Zhejiang Tiancheng Self-control Co.,Ltd.,Taizhou Zhejiang 318000,China;
2.College of Mechanical and Electronic Engineering,Wenzhou University,Wenzhou Zhejiang 325035,China)
Abstract :A method combining the non-dominated sorting genetic algorithm (NSGA-II),the response surface method (RSM)-radial
basis function neutral network (RBF)hybrid approximation model and the technique for ordering preferences by similarity to ideal solution (TOPSIS)was proposed,used for structure-material integrated multi-objective lightweight design of the rear seat of a passenger car.The sim-
ulation model was established based on the finite element theory,and the correctness of the simulation model was verified by the experiments of
luggage crash.Based on engineering experience and energy absorption analysis of seat rear frame,the design variables and value ranges of the six optimized components thickness and materials were determined.The RSM-RBF hybrid approximation model was used to fit the relationship between design variables and responses.The NSGA-II algorithm was used to solve the optimization problem and obtain the Pareto optimal solu-tion set.Finally,the TOPSIS method based on entropy weight was adopted to sort the optimal solution set of Pareto to determine the optimal
compromise solution.The results indicate that the total mass of the passenger car rear seat is reduced by 3.57kg,while under the premise of meeting the safety performance regulations.
Keywords :Passenger car rear seat;Hybrid approximate model;Lightweight;TOPSIS
0㊀引言
目前，安全㊁节能和环保三大主题制约着汽车工业的发展，而轻量化作为实现这些目标的重要手段已经成为国内外研究的热点㊂其中，在汽车安全性和轻量化的研究中后排座椅往往被忽略㊂因此，在满足安全法规和乘坐舒适性的同时，减轻汽车后排座椅的质
量对于汽车行业的发展具有重大意义[1]㊂近年来，利用轻量化的汽车材料㊁对部件结构进行优化设计和采用新的制造工艺是解决汽车轻量化问题的3个重要方面[2]㊂例如，曹立波等[3]结合静态和动态拓扑优化方法对汽车前纵梁进行耐撞性设计，进而获得前纵梁最大吸能时的结构形式㊂白煜和丁晓红[4]以及ZHANG
Automobile Parts 2021.03
029
Lightweight Design of a Passenger Car Rear Seat
Based on Multi-objective Optimization
基于多目标优化的乘用车后排座椅轻量化设计
等[5]采用拓扑优化技术在满足汽车座椅安全性能的前提下对乘用车座椅靠背结构进行轻量化设计㊂现有对汽车座椅的轻量化设计研究大多集中在结构优化上，具有一定的局限性㊂很少有研究将汽车座椅骨架独立部件的厚度和材料同时作为设计变量，并根据每个结构部件的预期功能为其寻厚度和材料的最佳组合㊂因此，文中采用结构-材料一体化的优化方法对汽车座椅进行轻量化设计㊂
汽车座椅结构是一个复杂的工程系统，在对其进行轻量化设计时需要考虑多学科的影响，包括安全性和结构强度㊁刚度等㊂同时，汽车座椅的碰撞分析模型较为复杂，优化过程中会带来庞大的计算量和计算成本㊂相比之下，采用响应面法(RSM )㊁克里金插值方法(Kriging )和径向基神经网络方法(RBF )等建立近似模型进行多目标优化具有效率高和容易弥合多学科优化之间的差距等优点㊂例如，白俊峰等[6]利用响应面法构建了胫骨加速度峰值和膝关节弯曲角度等的近似模型，并将其运用到汽车保险杠的材料匹配中㊂柴灏等[7]建立基于响应面法的多材料㊁多目标优化模型，利用NSGA-Ⅱ算法对优化问题进行求解，在提升一阶模态的同时，实现了汽车座椅骨架的轻量化设计㊂然而，由于汽车座椅轻量化设计过程中需要考虑许多相互冲突的指标(质量㊁位移㊁应变等)，通常单一的近似模型方法无法对所有指标同时构建高精度的近似模型㊂因此，文中采用3种常用的近似模型方法对所有评价指标进行拟合构建近似模型㊂
通过对比分析各个指标的不同近似模型拟合精度，最终采用RSM-RBF 混合近似模型方法进行汽车座椅的结构-材料一体化多目标轻量化设计㊂
多目标优化问题的特征之一是存在多组非支配解以便设计人员进行选择，然而根据主观意识和工程经验来选择一个特定的解具有一定的随机性[8]㊂为了解决上述问题，许多国内外研究者采用TOPSIS 和灰关联度(GRG )等方法对非支配解集进行筛选排序，获得最佳折中解㊂WANG 等[9]在对客车副车架进行轻量化设计中，利用熵权理论和TOPSIS 方法对所有解进行排序进而得到最佳折中解㊂蒋荣超等[10]为提高汽车行驶平顺性和操纵稳定性等整车动力学性能优化匹配效率，提出基于熵权法和TOPSIS 方法的结构综合贡献系数计算方法，以此筛选出对悬架性能影响较大的结构
参数作为设计变量㊂因此，采用基于熵权TOPSIS 方法对多目标优化得到的非支配解集进行综合性能排序，选取汽车座椅多目标轻量化设计中的折中解，具有重要的工程实用价值㊂
鉴此，本文作者以某乘用车后排座椅作为研究对象，结合有限元理论建立仿真模型，并通过行李箱碰撞试验验证仿真模型的正确性㊂基于行李箱碰撞试验，采用NSGA-II 算法结合RSM-RBF 混合近似模型和基于熵权TOPSIS 方法对座椅进行结构-材料一体化多目标轻量化
设计研究㊂结果表明，所提出的轻量化设计方法可以将零件材料和厚度合理地分配到座椅骨架结构中，为汽车座椅轻量化设计提供理论指导㊂
1 建模与验证
1.1㊀有限元模型的建立
文中依据 安全基础上的轻量化设计 理论，采用
数值模拟结合优化算法对某乘用车后排座椅进行轻量化设计㊂按照‘GB15083 2006㊀汽车座椅系统强度要求及试验方法“，基于HyperMesh 软件建立行李箱碰撞试
验有限元模型如图1所示㊂
图1㊀行李箱碰撞试验有限元模型
1.2㊀有限元模型的验证
为了确保仿真计算结果的可靠性和准确性，对建立
好的行李箱碰撞试验有限元模型进行仿真分析，并和实际试验结果(图2)进行对比验证㊂对比结果如图3所示，结果表明：仿真计算结果与试验结果的位移曲线趋势和幅度有较好的一致性，且绝对误差也相差不大，因此可以判断文中建立的有限元模型具有良好的精度，可用于后续的多目标优化设计研究㊂
2021.03 Automobile Parts
030
图2㊀行李箱碰撞实验
图3㊀行李箱碰撞仿真和实际试验
中头枕位移曲线结果对比
优化设计分析
评价指标和设计变量
后排座椅行李箱碰撞过程是一种非常复杂的非线性
可作为安全性能的评价指标也是多样的，如位移和变形量等㊂根据法规要求，试验过程中头枕的前轮廓不允许移出座椅设计基准点(R 点)前方的横向垂面，同时这里允许靠背骨架及其紧固件有
一定程度的变形，但不能失效㊂文中采用最大应变准则，同时引入应变指数来评判零部件是否失效如式(1)所示㊂当应变指数大于1时表示该部件此时处于失效状态，反之则处于安全状态㊂因此，将头枕最大位移量㊁各优化部件应变指数及其总质量作为安全性能和轻量化的评价指标
㊂
(1)
，优为优图5㊀优化部件吸能曲线
Automobile Parts 2021.03
031
样，具有非常好的空间填充性和均衡性丁超立方采样标准[12]如式(2)所示，文中共有12个设计变量，最少应采样91个，为保证后续建立的近似模型有较好的拟合精度，故抽取200组样本㊂
件总质量M ㊁头枕最大位移量L 和6个优化部件P 1 P 6
对应的应变指数Q 1~Q 6共8个响应，部分试验布局及结果见表3㊂
2021.03 Automobile Parts
032
从公式定义中可以看出,R 2的值越大,e max ㊁e avg 和e RMS 的值越小，响应值在设计空间中的拟合精度就越高㊂
从第2.2节得到的200组样本中随机抽取185组作为训练样本集进行近似模型的建立，然后利用剩余的15组样本数据进行误差分析㊂根据图6(编号1 8分别代
的e RMS 2采
响应值的精度评估系数R 均在0.85以上㊂同时其他精度评估系数e max ㊁e avg 和e RMS 均在0.267以下，表明采用RSM-RBF 混合近似模型可以获得较好的拟合精度，可用于后续的多目标优化设计，比较结果如图6所示㊂
发布评论