在汽車行業(yè)對產(chǎn)品性能進行優(yōu)化設(shè)計具有重要意義。由于白車身（BIW）的設(shè)計通常需要考慮到各種性能，如防撞性、剛度、模態(tài)等，BIW多目標(biāo)優(yōu)化（MOO）可有效實現(xiàn)最佳優(yōu)化，這方面有大量的研究。但是采用MOO方法，受混合有限元模型精度和樣本數(shù)量的影響很大，此外研究人員發(fā)現(xiàn)上述MOO設(shè)計限制了方案和參數(shù)的確定性優(yōu)化。然而，現(xiàn)實世界存在由于制造精度、負載條件和環(huán)境因素所導(dǎo)致的變化，由此，采用確定性多目標(biāo)優(yōu)化（DMOO）是不可靠和不可行的，可能無法在實踐中滿足所需的性能。

為此本文提出了一種多目標(biāo)可靠性設(shè)計優(yōu)化（MORBDO）算法，用于對電動汽車（EV）前部結(jié)構(gòu)進行優(yōu)化設(shè)計。選擇具有幾何公差的五個關(guān)鍵部件的厚度作為設(shè)計變量，對EV前部結(jié)構(gòu)進行優(yōu)化設(shè)計，同時保證其碰撞性能、模態(tài)等特性滿足要求。

文中基于蒙特卡羅模擬（MCS）技術(shù)的概率自適應(yīng)因子（PSF）方法，解決了MORBDO中的概率約束問題。同時為了提高優(yōu)化結(jié)果的準確性，文中提出了一種基于混合有限元模型精度改進方法的閉環(huán)系統(tǒng)。優(yōu)化問題由多目標(biāo)粒子群優(yōu)化算法求解。

結(jié)果表明，基于PSF方法，可用于執(zhí)行高精度MORBDO算法，可以基于組件幾何公差的不確定性進行EV前部結(jié)構(gòu)的優(yōu)化設(shè)計。與DMOO方法相比，采用PSF方法的MORBDO方法，具有較高可靠性，可克服不確定性因素影響，進行確定性多目標(biāo)優(yōu)化。