?

基于元模型多約束條件的控制臂形狀優(yōu)化

提出了基于多學(xué)科約束條件（剛度、強(qiáng)度和耐久性）下的控制臂形狀優(yōu)化方案。在以往的研究中，利用設(shè)計靈敏度和梯度優(yōu)化設(shè)計算法僅能評價線性負(fù)荷下的靜剛度和特征值，而在形狀優(yōu)化基礎(chǔ)上的響應(yīng)面模型（RSM）不能用于解決RSM模型非線性大且不能夠確立設(shè)計方案的問題。

提出了一種基于元模型的序列近似優(yōu)化方法。為了驗證所提出的設(shè)計方法的效率，對一種緊湊型轎車單板沖壓控制臂進(jìn)行了形狀優(yōu)化設(shè)計。該設(shè)計的目的是在滿足多學(xué)科設(shè)計約束（剛度、強(qiáng)度和耐久性）的條件下，盡量減輕質(zhì)量。該方法的設(shè)計變量包括3個形狀變化向量和1個厚度變量，設(shè)計約束條件包括2個剛度、12個強(qiáng)度和26個耐久性變量。

本研究提出的形狀優(yōu)化方法分為3個階段：①建立模型，此模型用于評估設(shè)計要求，建立設(shè)計變量與模型參數(shù)間的聯(lián)系；②構(gòu)建元模型，采用ISCD2方法作為試驗方法的設(shè)計方案，并選擇了徑向基函數(shù)（RBF）元模型；③找到一個最優(yōu)的解決方案。由于這項研究中待解決的設(shè)計問題是約束優(yōu)化問題，因此采用了增廣拉格朗日乘子法（ALM）。研究根據(jù)設(shè)計變量的數(shù)目自動選擇擬牛頓算法和共軛梯度算法。為了克服由于樣本點的不足而引起的發(fā)散，引入了適當(dāng)?shù)倪\(yùn)動極限策略。

經(jīng)過3步迭代計算解決了設(shè)計問題。優(yōu)化模型滿足所有的設(shè)計約束條件，且質(zhì)量減輕了約200g，即較初始模型質(zhì)量減輕了17.8%。因此，所提出的設(shè)計方法適用于形狀優(yōu)化設(shè)計。

刊名：International Journal of Automotive

Technology（英）

刊期：2013年第3期

作者：S. J. HEO et al

編譯：黃河