亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于降維算法的車(chē)身可靠性?xún)?yōu)化*

        2020-07-27 09:34:56魏彤輝左文杰鄭宏偉
        汽車(chē)工程 2020年7期
        關(guān)鍵詞:適應(yīng)度車(chē)身種群

        魏彤輝,左文杰,鄭宏偉,李 鋒

        (吉林大學(xué)機(jī)械與航空航天工程學(xué)院,長(zhǎng)春 130025)

        前言

        汽車(chē)輕量化是解決能源短缺、環(huán)境污染和燃料昂貴的最主要方法之一。作為汽車(chē)4大組成部分之一的車(chē)身,其質(zhì)量約占汽車(chē)總質(zhì)量的40%。同時(shí),車(chē)身主要由覆蓋件組成,易于輕量化。因此,車(chē)身輕量化對(duì)汽車(chē)輕量化具有重要意義。但在實(shí)際的車(chē)身輕量化過(guò)程中,由于工藝制造、人為操作和環(huán)境變化等因素,使車(chē)身零部件板厚、材料性能參數(shù)和車(chē)身外加載荷等存在不確定性,所以有必要對(duì)車(chē)身進(jìn)行可靠性?xún)?yōu)化(RBDO),實(shí)現(xiàn)車(chē)身的輕量化目標(biāo)。

        目前,許多學(xué)者在車(chē)身可靠性?xún)?yōu)化方面做了大量相關(guān)的研究工作。Zhang等[1]采用響應(yīng)面法(RSM)結(jié)合實(shí)驗(yàn)設(shè)計(jì)(DOE)技術(shù),建立了結(jié)構(gòu)性能的近似函數(shù)。外層優(yōu)化采用序列二次規(guī)劃算法求解,對(duì)車(chē)身前縱梁輕量化設(shè)計(jì)進(jìn)行了研究。張勇等[2]將實(shí)驗(yàn)設(shè)計(jì)、響應(yīng)面模型、可靠性理論與遺傳算法相結(jié)合,構(gòu)造了車(chē)身薄壁縱梁的可靠性?xún)?yōu)化設(shè)計(jì)方法。隨后,張勇等[3]又提出基于Kriging近似模型與1階可靠性分析方法的鋁泡沫填充結(jié)構(gòu)可靠性最優(yōu)設(shè)計(jì)方法,并進(jìn)一步開(kāi)展基于參數(shù)不確定性的鋁泡沫填充結(jié)構(gòu)的耐撞性可靠性?xún)?yōu)化設(shè)計(jì)研究。張義民等[4]在基本隨機(jī)參數(shù)均值、方差和相關(guān)系數(shù)已知的情況下,將可靠性指標(biāo)計(jì)算方法與優(yōu)化技術(shù)相結(jié)合,對(duì)汽車(chē)零部件進(jìn)行了可靠性?xún)?yōu)化設(shè)計(jì)。Zhu等[5]采用支持向量回歸、克里格法、徑向基函數(shù)和人工神經(jīng)網(wǎng)絡(luò)4種近似建模技術(shù),建立了結(jié)構(gòu)耐撞可靠性指標(biāo),對(duì)車(chē)身的前端結(jié)構(gòu)進(jìn)行了輕量化研究。陳吉清等[6]通過(guò)分析序列優(yōu)化與可靠性評(píng)估方法(SORA)的單循環(huán)優(yōu)化策略,建立了對(duì)轎車(chē)耐撞性的可靠性?xún)?yōu)化流程。路懷華等[7]將可靠性分析與優(yōu)化技術(shù)相結(jié)合,基于響應(yīng)面法和靈敏度分析對(duì)轉(zhuǎn)向系統(tǒng)結(jié)構(gòu)振動(dòng)特性進(jìn)行可靠性?xún)?yōu)化。Maliki等[8]基于對(duì)Kriging近似模型的改進(jìn),提出了一種基于分位數(shù)的RBDO問(wèn)題求解方法,將其運(yùn)用于車(chē)身子系統(tǒng)的優(yōu)化設(shè)計(jì)中,表明了該方法的準(zhǔn)確性和高效性。Murat等[9]提出了一種基于設(shè)計(jì)變量與響應(yīng)相關(guān)系數(shù)的搜索向量,將該方法應(yīng)用于汽車(chē)把手的設(shè)計(jì)中,驗(yàn)證了該方法的有效性。Huang等[10]基于增量移動(dòng)向量(ISV)策略,提出了一種基于可靠性的多學(xué)科設(shè)計(jì)優(yōu)化(RBMDO)的重要方法,將該方法運(yùn)用于汽車(chē)坐墊的優(yōu)化設(shè)計(jì)中,計(jì)算結(jié)果表明該方法的有效性。Wu等[11]結(jié)合有限元分析、拉丁超立方體試驗(yàn)設(shè)計(jì)優(yōu)化和響應(yīng)面近似模型,對(duì)電動(dòng)汽車(chē)側(cè)面結(jié)構(gòu)進(jìn)行可靠性?xún)?yōu)化設(shè)計(jì),提高了其耐撞性。

        上述的研究中,還有以下兩個(gè)問(wèn)題亟待解決。首先,迄今的研究大多集中在滿(mǎn)足車(chē)身單一零部件結(jié)構(gòu)性能的前提下進(jìn)行的可靠性?xún)?yōu)化分析,而未能將車(chē)身作為整體進(jìn)行研究。其次,研究中大多采用內(nèi)部循環(huán)基于最可能失效點(diǎn)的可靠性分析方法和外部循環(huán)基于傳統(tǒng)梯度類(lèi)方法的雙循環(huán)優(yōu)化策略,但對(duì)于車(chē)身這一復(fù)雜結(jié)構(gòu),采用上述方法在計(jì)算車(chē)身的可靠度和尋找全局最優(yōu)解時(shí),其計(jì)算精度和求解效率將大幅度降低。

        因此,本文中內(nèi)層可靠度的計(jì)算,利用降維算法降低功能函數(shù)的維度,再借助泰勒展開(kāi)求解功能函數(shù)的統(tǒng)計(jì)矩,結(jié)合4階矩法得到車(chē)身剛度可靠度,外層的優(yōu)化采用改進(jìn)的自適應(yīng)遺傳算法。通過(guò)數(shù)值算例驗(yàn)證所提方法的有效性,將其應(yīng)用到某車(chē)的車(chē)身輕量化設(shè)計(jì)中,在滿(mǎn)足車(chē)身彎曲和扭轉(zhuǎn)剛度可靠度約束的同時(shí)實(shí)現(xiàn)車(chē)身的輕量化。

        1 車(chē)身可靠性?xún)?yōu)化的數(shù)學(xué)模型

        一般車(chē)身可靠性?xún)?yōu)化的數(shù)學(xué)模型[6-7]可描述為

        式中:d=(d1,d2,…,dm)為設(shè)計(jì)變量,在文中表示車(chē)身零部件的厚度;xi=()為隨機(jī)變量,在文中表示車(chē)身在第i個(gè)工況下的隨機(jī)變量,且隨機(jī)變量的不確定性在優(yōu)化分析過(guò)程中不發(fā)生改變;W(d)為目標(biāo)函數(shù),在文中表示車(chē)身的總質(zhì)量;gi(d,xi)為第 i個(gè)工況下車(chē)身的功能函數(shù),gi(d,xi)≥0表示可行狀態(tài):R[·]為第i個(gè)功能函數(shù)的可靠度;Ri為滿(mǎn)足第i個(gè)功能函數(shù)的目標(biāo)可靠度下限。其中,第i個(gè)車(chē)身功能函數(shù)的可靠度可定義為

        式中f(xi)為隨機(jī)變量xi的聯(lián)合概率密度函數(shù)。由式(2)可看出,這是一個(gè)n維積分,且積分的維數(shù)與隨機(jī)變量的數(shù)目一致,式中含有的f(xi)為非線(xiàn)性函數(shù)且通常情況下較難獲得明確合理的解析表達(dá)式。

        因此,積分法求解可靠度難度較大,而基于迭代求解最可能失效點(diǎn)和最小性能目標(biāo)點(diǎn)的可靠性指標(biāo)法(RIA)和功能梯度法(PMA)較為常用[12-13]。但是,基于RIA方法和PMA方法的可靠性?xún)?yōu)化問(wèn)題為雙層嵌套優(yōu)化問(wèn)題,計(jì)算效率非常低,尤其對(duì)于車(chē)身這一復(fù)雜問(wèn)題,采用該方法極其耗時(shí),甚至不可收斂。因此,本文中采用基于降維算法的車(chē)身可靠性?xún)?yōu)化方法。

        2 車(chē)身可靠性分析

        2.1 降維算法

        對(duì)于式(2)中的 n維非線(xiàn)性積分運(yùn)算,Rahman[14]提出針對(duì)此類(lèi)n維積分問(wèn)題的應(yīng)對(duì)方法為降維算法,其實(shí)質(zhì)是將車(chē)身功能函數(shù)gi(d,xi)表達(dá)為遞增層級(jí)低階函數(shù)的和函數(shù),其一般形式為

        式中:gi,0為常數(shù)項(xiàng);gi,j(d為變量單獨(dú)作用時(shí)對(duì)車(chē)身功能函數(shù)的 1階表達(dá);gi,j1,j2(d,)為變量共同作用時(shí)對(duì)車(chē)身功能函數(shù)的2階表達(dá);隨后各項(xiàng)分別反映了逐漸增加的所有變量共同作用時(shí)對(duì)車(chē)身功能函數(shù)的影響。

        若只考慮式(3)中的 1階項(xiàng),并通過(guò) gi(d,xi)輸入空間中與中心點(diǎn) ci=()相關(guān)的信息來(lái)近似表達(dá)功能函數(shù),則展開(kāi)的各分項(xiàng)表達(dá)式為

        在矩法計(jì)算和可靠性分析中,中心點(diǎn)ci的最優(yōu)點(diǎn)值為各變量的均值

        綜上可得車(chē)身功能函數(shù)的單變量降維表達(dá)式:

        2.2 泰勒展開(kāi)

        在得到車(chē)身功能函數(shù)的降維表達(dá)式后,為擬合車(chē)身的可靠度指標(biāo),須計(jì)算其統(tǒng)計(jì)矩。常用的方法有點(diǎn)估計(jì)法和泰勒展開(kāi)法。其中,點(diǎn)估計(jì)法在計(jì)算統(tǒng)計(jì)矩時(shí)只用到基本隨機(jī)變量的前3階矩,改進(jìn)后可用到前4階矩,但不能保證計(jì)算精度[15]。相比點(diǎn)估計(jì)法,泰勒展開(kāi)法的精度更高,求解步驟也更為簡(jiǎn)便。因而,本文中借助于泰勒級(jí)數(shù)展開(kāi)理論,將泰勒級(jí)數(shù)展開(kāi)并取至二次項(xiàng)。

        令車(chē)身功能函數(shù)的降維表達(dá)式為 Zi=g^i(d,xi),隨機(jī)變量 xi=(的前4階中心矩分別為,可得Zi的前4階矩表達(dá)式。

        車(chē)身功能函數(shù)的均值表達(dá)式為

        車(chē)身功能函數(shù)的4階中心矩表達(dá)式為

        式中E[·]為期望算子。

        2.3 4階矩法

        Zhao等[16]依據(jù)所研究問(wèn)題的不同復(fù)雜程度,分別采用3階矩法和4階矩法來(lái)計(jì)算結(jié)構(gòu)的失效概率。其中,4階矩法較3階矩法易實(shí)現(xiàn)且精度更高。因此,本文中采用4階矩法,并結(jié)合式(6)~式(9)所計(jì)算的功能函數(shù)前4階矩,得到第i個(gè)工況下的車(chē)身可靠度表達(dá)式:

        式中:βi,4M、αi,1g、αi,2g、αi,3g和 αi,4g分別為車(chē)身第 i個(gè)工況下功能函數(shù)的可靠度指標(biāo)、均值、標(biāo)準(zhǔn)差、偏態(tài)系數(shù)和峰度系數(shù);Φ(·)為標(biāo)準(zhǔn)正態(tài)分布的累積分布函數(shù)。

        3 車(chē)身可靠性?xún)?yōu)化流程

        遺傳算法作為一種模仿生物自然進(jìn)化過(guò)程的隨機(jī)優(yōu)化算法,對(duì)求解一般的全局最優(yōu)問(wèn)題具有較好的魯棒性,而對(duì)于解決較復(fù)雜的車(chē)身優(yōu)化問(wèn)題則存在早熟和穩(wěn)定性差的缺點(diǎn)。因此,本文中采用一種改進(jìn)的自適應(yīng)遺傳算法(IAGA)[17],對(duì)交叉率和變異率進(jìn)行了優(yōu)化,實(shí)現(xiàn)了交叉率和變異率的自適應(yīng)調(diào)整。車(chē)身可靠性?xún)?yōu)化流程如下。

        (1)建立車(chē)身可靠性?xún)?yōu)化模型

        式(1)中完整定義了車(chē)身不同工況下的可靠性?xún)?yōu)化模型。一方面明確了在車(chē)身可靠性?xún)?yōu)化分析中的確定性變量d和隨機(jī)變量xi,另一方面確定了優(yōu)化問(wèn)題中的約束函數(shù)和目標(biāo)函數(shù)表達(dá)式。

        (2)目標(biāo)函數(shù)到適應(yīng)度值函數(shù)的轉(zhuǎn)化

        本文中的目標(biāo)函數(shù)為車(chē)身質(zhì)量最小且函數(shù)值恒大于0,可得適應(yīng)度函數(shù):

        式中wmax為一個(gè)比較大的數(shù),近似可取W(d)的最大估計(jì)值。

        (3)初始種群的產(chǎn)生

        根據(jù)所分析的車(chē)身模型的大小,確定初始的種群規(guī)模和每個(gè)種群中個(gè)體數(shù)目,利用二進(jìn)制對(duì)初始化后種群中的每個(gè)個(gè)體進(jìn)行編碼。

        (4)計(jì)算初始化種群中各個(gè)個(gè)體的可靠度

        按照式(16)計(jì)算種群中每個(gè)個(gè)體的適應(yīng)度值。

        (5)計(jì)算種群中各個(gè)個(gè)體的可靠度

        根據(jù)第2節(jié)的可靠性分析方法來(lái)計(jì)算種群中每個(gè)個(gè)體的可靠度,在進(jìn)化的早期,有些個(gè)體的可靠度可能不滿(mǎn)足車(chē)身結(jié)構(gòu)設(shè)計(jì)的目標(biāo)可靠度。因此,本文中采用罰函數(shù)法對(duì)不滿(mǎn)足可靠性要求的個(gè)體加上一個(gè)懲罰項(xiàng),改進(jìn)后的適應(yīng)度函數(shù)為

        式中:v為罰函數(shù)指標(biāo),當(dāng)方案不滿(mǎn)足要求時(shí),v=1,否則v=0;F為一足夠大的整數(shù)。

        (6)尋找并記錄最佳個(gè)體

        在當(dāng)代對(duì)每個(gè)個(gè)體相對(duì)應(yīng)的改進(jìn)后適應(yīng)度值進(jìn)行排序,其中的最小值即為最佳搜索個(gè)體,記錄其改進(jìn)后適應(yīng)度值和所在種群位置并保留到當(dāng)代。

        (7)迭代終止條件

        終止條件為最佳改進(jìn)后適應(yīng)度值5代內(nèi)的誤差控制在±0.01之內(nèi)。

        (8)運(yùn)行選擇算子程序

        本文中采用輪盤(pán)賭法對(duì)種群中的個(gè)體進(jìn)行選擇。具體操作:若整個(gè)種群有n個(gè)個(gè)體,其中第i個(gè)個(gè)體改進(jìn)后的適應(yīng)度值為Fitnew(W(di)),則該個(gè)體被選中并進(jìn)入到下一代的概率為

        (9)根據(jù)式(19)和式(20),對(duì)種群中每個(gè)個(gè)體進(jìn)行交叉和變異操作

        在IAGA中,種群的交叉算子和變異算子可表示為

        式中:Pc為交叉算子;Pm為變異算子;fmax為種群的最大適應(yīng)度值;favg為種群的平均適應(yīng)度值;f*為參與交叉兩個(gè)個(gè)體中較大的適應(yīng)度值;f′為變異個(gè)體的適應(yīng)度值;Pc1、Pc2和Pm1、Pm2分別為交叉概率和變異概率的最大、最小值。

        (10)形成新種群

        對(duì)經(jīng)遺傳算子操作過(guò)的新種群,重新計(jì)算其最佳改進(jìn)后適應(yīng)度值并排序,選出改進(jìn)后適應(yīng)度值最小的個(gè)體(子輩)與當(dāng)代初始種群(父輩)進(jìn)行比較。當(dāng)改進(jìn)后的子輩最佳適應(yīng)度值小于父輩,記錄該值和子輩在種群中的位置。

        (11)返回至第4步繼續(xù)迭代循環(huán)

        4 測(cè)試函數(shù)

        參照文獻(xiàn)[18],考慮如下的可靠性?xún)?yōu)化問(wèn)題:

        式中:x1和x2為隨機(jī)變量,均服從正態(tài)分布并相互獨(dú)立,且兩者的變異系數(shù)都為0.3;g1、g2和 g3為3個(gè)概率約束;W(d)為目標(biāo)函數(shù),其中設(shè)計(jì)變量d=[d1,d2]是隨機(jī)變量 x=[x1,x2]的均值;βi,4M為目標(biāo)可靠度指標(biāo),在本算例取值為 2,則 φ(βi,4M)=0.9773。表1為外層優(yōu)化參數(shù)值的設(shè)定。

        表1 外層優(yōu)化參數(shù)值的設(shè)定

        針對(duì)式(21)可靠性?xún)?yōu)化問(wèn)題,圖1為可靠度指標(biāo)法(RIA)[18]、標(biāo)準(zhǔn)遺傳算法(SGA)和本文方法的優(yōu)化結(jié)果對(duì)比。從圖中可以看出,在給定初始值(5,5)的前提下,RIA迭代到第7次得到最優(yōu)函數(shù)值為6.455,相應(yīng)的最佳個(gè)體取值為 d1=4.027、d2=2.428。使用本文方法,迭代到第9次得到最優(yōu)函數(shù)值為6.504,相應(yīng)的最佳個(gè)體取值為d1=4.019、d2=2.485。同時(shí),RIA方法的樣本數(shù)為483個(gè),而本文方法僅為27個(gè)。因此,與RIA方法相比,本文方法在不需要指定初始迭代點(diǎn)且樣本數(shù)較少的情形下,收斂步數(shù)和優(yōu)化結(jié)果與之相近。

        從圖中還可看出,SGA迭代到第15次得到最優(yōu)函數(shù)值6.627,相應(yīng)的最佳個(gè)體取值為 d1=4.183、d2=2.444。將其與本文方法對(duì)比表明,外層優(yōu)化采用改進(jìn)的自適應(yīng)遺傳算法,可加快收斂速度,且提高計(jì)算精度。

        圖1 可靠性?xún)?yōu)化結(jié)果對(duì)比

        5 基于可靠性?xún)?yōu)化的車(chē)身輕量化

        汽車(chē)在實(shí)際的行駛過(guò)程中,會(huì)遇到各種復(fù)雜的工況,其中彎曲和扭轉(zhuǎn)對(duì)轎車(chē)的使用性能影響很大,是在設(shè)計(jì)過(guò)程中必須考慮的工況[19]。

        5.1 基于相對(duì)靈敏度法選取設(shè)計(jì)變量

        白車(chē)身結(jié)構(gòu)的基本參數(shù)見(jiàn)表2。其中,車(chē)身骨架共有428個(gè)零件,326 171個(gè)單元,其中三角形單元16 532個(gè),占單元總數(shù)比例5.07%,其余為四邊形單元。圖2為所建立的車(chē)身有限元模型。

        表2 車(chē)身結(jié)構(gòu)的基本參數(shù)

        圖2 車(chē)身有限元模型

        對(duì)于與車(chē)身彎曲和扭轉(zhuǎn)剛度有關(guān)的工況來(lái)說(shuō),設(shè)計(jì)變量較多,為降低運(yùn)算成本,運(yùn)用相對(duì)靈敏度方法來(lái)確定車(chē)身優(yōu)化的設(shè)計(jì)變量。相對(duì)靈敏度是剛度靈敏度與質(zhì)量靈敏度的比值[20]。與直接靈敏度方法相比,相對(duì)靈敏度可消除車(chē)身零件質(zhì)量的差異,直接比較板厚的變化對(duì)車(chē)身剛度的影響,具體定義如下:

        式中:rb和rt分別為相對(duì)彎曲和相對(duì)扭轉(zhuǎn)靈敏度;sb、st和sw分別為彎曲剛度、扭轉(zhuǎn)剛度和質(zhì)量靈敏度。因此,根據(jù)式(22)可得最終參與優(yōu)化設(shè)計(jì)的20個(gè)車(chē)身零部件,如圖3所示。

        圖3 參與優(yōu)化設(shè)計(jì)的20個(gè)車(chē)身零件分布

        5.2 約束條件的設(shè)置

        5.2.1 車(chē)身彎曲工況的約束條件

        在彎曲工況中,車(chē)身門(mén)檻處的變形值對(duì)車(chē)身的整體性能至關(guān)重要。因此,用車(chē)身門(mén)檻垂向的位移來(lái)反向代表垂向剛度,可得車(chē)身的彎曲剛度功能函數(shù)為

        式中:Disa,max=0.43 mm和 Disa分別為車(chē)身彎曲工況下車(chē)身門(mén)檻處垂向可允許最大位移和垂向?qū)嶋H位移;xa為彎曲隨機(jī)變量,在車(chē)身彎曲工況下表示為前后座椅的5個(gè)有效位置處施加的彎曲載荷()和有關(guān)車(chē)身材料的彈性模量 Ea,其分布參數(shù)見(jiàn)表3,本文的車(chē)身材料為Q235-B。圖4為隨機(jī)變量的位置示意圖。

        表3 車(chē)身彎曲工況參數(shù)表

        圖4 彎曲隨機(jī)變量的位置示意圖

        5.2.2 車(chē)身扭轉(zhuǎn)工況的約束條件

        在扭轉(zhuǎn)工況中,車(chē)身左側(cè)和右側(cè)縱梁垂向最大位移差對(duì)車(chē)身的整體性能至關(guān)重要。因此,與彎曲工況類(lèi)似,可得車(chē)身扭轉(zhuǎn)剛度功能函數(shù)為

        式中:Disb,max=3.668 mm和 Disb分別為車(chē)身扭轉(zhuǎn)工況下垂向可允許的左、右縱梁最大位移差和實(shí)際的位移差值;xb為扭轉(zhuǎn)隨機(jī)變量,在扭轉(zhuǎn)工況中表示為前懸架支座處施加的扭轉(zhuǎn)載荷()和車(chē)身材料有關(guān)的彈性模量Eb,其分布參數(shù)見(jiàn)表4,圖5為隨機(jī)變量的位置示意圖。

        表4 車(chē)身扭轉(zhuǎn)工況參數(shù)統(tǒng)計(jì)表

        圖5 扭轉(zhuǎn)隨機(jī)變量位置示意圖

        根據(jù)式(23)和式(24),可將式(1)中的約束條件改寫(xiě)為

        在汽車(chē)可靠性分析中,一般當(dāng)可靠度大于0.95時(shí),認(rèn)為其滿(mǎn)足設(shè)計(jì)要求[21]。因此,Ra和Rb取值為0.95。

        5.3 車(chē)身的輕量化結(jié)果

        對(duì)車(chē)身外層優(yōu)化的參數(shù)值進(jìn)行設(shè)定,見(jiàn)表5。然后,按照第3節(jié)的計(jì)算流程,得到了車(chē)身的可靠性?xún)?yōu)化結(jié)果。圖6給出了本文方法和SGA在進(jìn)行車(chē)身可靠性?xún)?yōu)化時(shí)的迭代過(guò)程對(duì)比圖。

        表5 車(chē)身外層優(yōu)化參數(shù)值的設(shè)定

        圖6 本文方法和SGA的迭代過(guò)程

        從圖6中可以看出,本文方法迭代到第12代時(shí)得到穩(wěn)定的車(chē)身最大輕量值為6.54 kg。SGA方法迭代到第24代時(shí)得到穩(wěn)定的車(chē)身最大輕量值為6.33 kg。與SGA方法相比,在處理功能函數(shù)為隱式的車(chē)身可靠性?xún)?yōu)化問(wèn)題時(shí),本文方法不僅收斂速度快,且具有更高的精度。

        為與可靠性?xún)?yōu)化結(jié)果作對(duì)比,表6中給出了可靠性?xún)?yōu)化和確定性?xún)?yōu)化結(jié)果。

        表6 確定性?xún)?yōu)化和本文可靠性?xún)?yōu)化的結(jié)果對(duì)比

        從表6可以看出,與可靠性?xún)?yōu)化相比,雖然確定性?xún)?yōu)化的質(zhì)量減輕值大,但其車(chē)身扭轉(zhuǎn)可靠性并不滿(mǎn)足要求;采用可靠性?xún)?yōu)化,雖然質(zhì)量減輕值稍小,但車(chē)身的彎曲和扭轉(zhuǎn)可靠性都滿(mǎn)足要求。

        5.4 目標(biāo)最小可靠度對(duì)車(chē)身輕量的影響

        將式(25)中Ra和Rb的取值相同,且等于R,即可利用本文方法得到不同目標(biāo)最小可靠度R下的車(chē)身輕量值,如圖7所示。

        從圖7中可以看出,當(dāng)R由0.85變化到0.97時(shí),曲線(xiàn)下降速度逐漸變緩,車(chē)身輕量值趨于穩(wěn)定,當(dāng)R為0.97時(shí),車(chē)身輕量值為6.34 kg。當(dāng)R大于0.97時(shí),曲線(xiàn)下降速度變快,車(chē)身輕量值陡降,當(dāng)R為0.99時(shí),車(chē)身輕量值僅為5.01 kg。

        6 結(jié)論

        圖7 目標(biāo)最小可靠度對(duì)車(chē)身輕量的影響

        本文中提出了一種結(jié)合降維算法和改進(jìn)自適應(yīng)遺傳算法的車(chē)身可靠性?xún)?yōu)化方法。

        (1)利用降維算法建立了車(chē)身功能函數(shù)的一維隨機(jī)變量表達(dá)式,無(wú)須借助于多重積分求解結(jié)構(gòu)功能函數(shù)的統(tǒng)計(jì)矩,無(wú)須求解功能函數(shù)矩陣的逆。

        (2)將嵌套優(yōu)化問(wèn)題解耦為單循環(huán)優(yōu)化問(wèn)題,高效且穩(wěn)定地降低了計(jì)算成本。同時(shí),可有效避免由迭代而存在的收斂慢甚至不收斂的問(wèn)題。

        (3)數(shù)值算例結(jié)果表明,本文方法在求解功能函數(shù)為非線(xiàn)性或隱式的可靠性?xún)?yōu)化問(wèn)題時(shí),均具有較快的收斂速度和較高的計(jì)算精度。

        (4)由確定優(yōu)化和可靠性?xún)?yōu)化結(jié)果對(duì)比可知,相比于確定性?xún)?yōu)化,可靠性?xún)?yōu)化后輕量值為6.54 kg,遠(yuǎn)小于確定性?xún)?yōu)化結(jié)果,但彎曲和扭轉(zhuǎn)可靠度均滿(mǎn)足可靠度設(shè)計(jì)要求。

        猜你喜歡
        適應(yīng)度車(chē)身種群
        邢氏水蕨成功繁衍并建立種群 等
        姑蘇城內(nèi)話(huà)車(chē)身
        改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
        山西省發(fā)現(xiàn)刺五加種群分布
        基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
        事故車(chē)維修中的車(chē)身防腐(三)
        卡板在車(chē)身修復(fù)過(guò)程中的作用
        車(chē)身塑料件的焊接修復(fù)方法
        崗更湖鯉魚(yú)的種群特征
        少數(shù)民族大學(xué)生文化適應(yīng)度調(diào)查
        男人的天堂av网站一区二区 | 中文无码精品一区二区三区| 亚洲av日韩片在线观看| 久久成人麻豆午夜电影| 久久久www成人免费无遮挡大片| 亚洲韩日av中文字幕| 蜜桃免费一区二区三区| 久久亚洲av午夜福利精品一区 | 成熟丰满熟妇av无码区| 欧美人妻精品一区二区三区| 日本道免费精品一区二区| 国产一区二区视频在线看| 国产精品美女一区二区视频| 1000部夫妻午夜免费| 久久久久久久国产精品电影| 麻豆视频黄片在线免费观看| 精品综合久久久久久888蜜芽| 99久久国产综合精品麻豆| 久久精品午夜免费看| 青青草好吊色在线观看| 激情人妻另类人妻伦| 美女视频黄的全免费视频网站| 国产WW久久久久久久久久| 久久精品国产亚洲av蜜臀久久 | 亚洲一区二区三区四区精品| 亚洲一区二区三区尿失禁| 精品一区二区久久久久久久网站 | 一级二级三一片内射视频| 激情内射人妻1区2区3区| 欧美第一黄网免费网站| 亚洲一区二区情侣| 久久国产在线精品观看| 日本japanese丰满多毛| 久久人人做人人妻人人玩精| 亚洲一区二区三区在线高清中文| 无码无套少妇毛多18pxxxx| 乱中年女人伦av| 国产三级av在线播放| 丰满少妇人妻无码| 久久精品国产亚洲精品| 中文字幕日本人妻一区|