張曉光，魯 琪，張振闖

基于遺傳算法輪轂蓋卡扣優(yōu)化設(shè)計

張曉光，魯 琪，張振闖

（遼寧工業(yè)大學(xué) 機(jī)械工程與自動化學(xué)院，遼寧 錦州 121001）

以某型號輪轂蓋為例，分析了帶有卡扣特征的輪轂蓋結(jié)構(gòu)中的關(guān)鍵技術(shù)，利用ANSYS軟件完成了卡扣部分的有限元分析，得到卡扣結(jié)構(gòu)參數(shù)、作用力、位移和應(yīng)力等相關(guān)的數(shù)據(jù)，利用Design-Expert軟件進(jìn)行了二元多項式的回歸分析，然后利用遺傳算法進(jìn)行優(yōu)化分析，從而完成了卡扣部分的多目標(biāo)優(yōu)化設(shè)計。結(jié)果表明：遺傳算法能快速有效地獲得卡扣結(jié)構(gòu)優(yōu)化設(shè)計問題的最優(yōu)解，優(yōu)化后的輪轂蓋結(jié)構(gòu)結(jié)構(gòu)緊湊、工作穩(wěn)定，同時也為產(chǎn)品結(jié)構(gòu)的多目標(biāo)優(yōu)化提供了參考。

輪轂蓋；卡扣；遺傳算法；多目標(biāo)優(yōu)化

隨著現(xiàn)代計算機(jī)技術(shù)的不斷提高，汽車行業(yè)飛速發(fā)展，以有限元技術(shù)為基礎(chǔ)的結(jié)構(gòu)受力分析作為產(chǎn)品設(shè)計的有力手段不斷成熟，以某廠家的輪轂蓋設(shè)計中發(fā)現(xiàn)了卡扣部分有斷裂的現(xiàn)象，利用計算機(jī)技術(shù)進(jìn)行輪轂蓋的優(yōu)化設(shè)計，以達(dá)到結(jié)構(gòu)緊湊、工作穩(wěn)定的目的[1-3]。

本文主要以輪轂蓋的結(jié)構(gòu)為研究對象，針對容易斷裂的位置進(jìn)行應(yīng)力分析，利用數(shù)據(jù)回歸Design Expert軟件進(jìn)行二元多項式的回歸分析，利用Isight軟件進(jìn)行卡扣部分的優(yōu)化分析，結(jié)合遺傳算法對輪轂蓋卡扣的結(jié)構(gòu)參數(shù)進(jìn)行了多目標(biāo)優(yōu)化，最終達(dá)到優(yōu)化的目的。

1 汽車輪轂蓋結(jié)構(gòu)分析

汽車輪轂蓋塑件的整個制品平均壁厚3.0 mm，且形狀比較復(fù)雜，不易于成型。塑件高度48.00 mm，可使用較小的脫模斜度。輪轂蓋塑件為與外界直接接觸類零件，對于零件的耐腐蝕性耐磨性能有要求，材料為ABS，相對密度為1.06 g/cm3，應(yīng)具有較強(qiáng)的抵抗破壞的能力，輪轂蓋結(jié)構(gòu)如圖1所示。

圖1 汽車輪轂蓋三維圖

2 輪轂蓋卡扣響應(yīng)面模型

2.1 選擇優(yōu)化參數(shù)

根據(jù)輪轂蓋卡扣截面特點(diǎn)，確定優(yōu)化目標(biāo)為輪轂蓋質(zhì)量、應(yīng)力，確定輸入變量，如圖2所示，選擇參數(shù)如下：應(yīng)力、質(zhì)量相關(guān)參數(shù)為變形，卡扣厚度，卡扣連接長度，卡扣伸出長度。

圖2 卡扣部分截面圖

利用Pro/E軟件進(jìn)行卡扣部分的參數(shù)化設(shè)計，ANSYS軟件進(jìn)行受力分析，如表1所示。

2.2 數(shù)據(jù)模型創(chuàng)建

利用多項式函數(shù)擬合設(shè)計空間的一種優(yōu)化方法，選擇二元多項式作為優(yōu)化分析的數(shù)學(xué)模型[4-6]，多項式如下:

表1 卡扣分析數(shù)據(jù)樣本表

12345678910111213 x/mm2.72.52.52.52223333.53.53.5 y/mm17171014171014101417181510 n/mm26262624224036303610102025 M/g344.94344.27342.66343.23342.03343.31343.48344.87347.22342.59344.04345.99345.13 def/mm3.53.563.783.693.923.654.334.24.43.943.693.883.67 S/MPa9.46511.13813.78113.79713.46923.6521.8279.89414.74314.6168.0555.8567.792

2.3 確定初始值及邊界條件

根據(jù)現(xiàn)有輪轂和輪轂蓋的安裝位置，結(jié)合廠家的設(shè)計要求，卡扣厚度的尺寸在平均壁厚尺寸3 mm左右，卡扣連接長度的尺寸要根據(jù)現(xiàn)有五菱宏光輪轂蓋卡扣部分尺寸的極限位置，卡扣伸出長度的尺寸不能超過上下極限位置確定初始值，具體數(shù)值如表2所示。

表2 設(shè)計參數(shù)表

變量初始值下極限上極限 x/mm2.723.5 y/mm171018 n/mm261040 Def/mm3.52.55 S/Mpa9.465021.5 M/g344.94338.99349.85

2.4 數(shù)據(jù)回歸方程

2.4.1 質(zhì)量回歸方程

利用回歸Design Expert軟件擬合后2為0.9882，調(diào)整后2為0.9822，如表3所示。

線性曲線擬合最終的模型表達(dá)式為：

表3 回歸數(shù)據(jù)表

coefficientdfFp C+329.71934166.91<0.0001Sig x+2.1327141.530.0002 y+0.26091118.27<0.0001 n+0.086116.260.0368 x*n+0.0399111.570.0093

通過各影響因素的分析，得到質(zhì)量的響應(yīng)面模型如下圖3所示。

由圖3可知，在(a)圖中，當(dāng)尺寸處于水平中心位置時，當(dāng)參數(shù)較大時，的尺寸對質(zhì)量有變化，此時正向趨勢變化，比較平緩；當(dāng)參數(shù)較大時，的大小對于質(zhì)量的影響很明顯，此時正向趨勢變化，趨勢比較陡峭；在(b)圖中，當(dāng)尺寸處于水平中心位置時，當(dāng)參數(shù)較大時，的厚度尺寸對質(zhì)量有影響，成正向增加趨勢，變化范圍為340~350 g；當(dāng)參數(shù)較大時，的大小對于質(zhì)量的影響很明顯，變化范圍為344~350 g，對比以上圖可以發(fā)現(xiàn)，3個參數(shù)影響關(guān)系如下：>>，與的質(zhì)量響應(yīng)曲面更為陡峭，說明對參數(shù)的變化較參數(shù)反應(yīng)更為顯著。

2.4.2 應(yīng)力回歸方程

利用數(shù)據(jù)回歸Design Expert軟件擬合后的2為0.9288，調(diào)整后2為0.9051，線性擬合結(jié)果表4。

表4 線性擬合數(shù)據(jù)表

coefficientdfFp C+39.76509339.14<0.0001Sig x-5.87182135.790.0002 n-1.22194124.670.0008 C2+0.0282132.930.0003

通過各影響因素的分析，得到應(yīng)力的響應(yīng)面模型，如下圖4所示。

由圖4可知，在(a)圖中，當(dāng)尺寸處于水平中心位置時，當(dāng)參數(shù)較大時，的厚度尺寸對應(yīng)力有變化，變化趨勢比較平緩，先負(fù)向趨勢變化，然后正向趨勢變化，趨勢變化范圍10~15 MPa之間；當(dāng)參數(shù)較大時，的大小對于應(yīng)力的影響很明顯，并且成負(fù)向趨勢變化，趨勢變化范圍15~24 MPa之間；在b圖中，當(dāng)尺寸處于水平中心位置時，當(dāng)參數(shù)較大時，尺寸對應(yīng)力影響基本沒有影響；當(dāng)參數(shù)較大時，的大小對于應(yīng)力有影響，先負(fù)向趨勢變化，然后正向趨勢變化，趨勢變化范圍13~20 MPa之間。對比以上3幅圖可以發(fā)現(xiàn)，3個參數(shù)影響關(guān)系如下：>>，與的應(yīng)力響應(yīng)曲面更為陡峭，說明對參數(shù)的變化較加反應(yīng)更為顯著。

通過線性回歸分析可以得到的回歸方程：

3 輪轂蓋多目標(biāo)優(yōu)化設(shè)計

3.1 多目標(biāo)優(yōu)化數(shù)學(xué)模型

利用軟件進(jìn)行目標(biāo)優(yōu)化問題求解，可以得到一組設(shè)計變量、最優(yōu)設(shè)計變量的取值及預(yù)測結(jié)果的信息[7-9]，輪轂蓋卡扣部分優(yōu)化的多目標(biāo)優(yōu)化數(shù)學(xué)模型可以表示為：

3.2 多島遺傳優(yōu)化

利用多學(xué)科設(shè)計優(yōu)化軟件ISight對卡扣結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計，得出當(dāng)滿足最優(yōu)目標(biāo)時，優(yōu)化結(jié)果：輸入?yún)?shù)為：=2.0004 mm,=10.351 mm,=17.929 mm，輸出數(shù)據(jù)為：=15.176，=339.66 g, 分析結(jié)果如圖5。

3.3 優(yōu)化結(jié)果分析

利用優(yōu)化ISight集成軟件優(yōu)化結(jié)果，利用多島遺傳算法優(yōu)化后的質(zhì)量為339.66 g，原設(shè)計質(zhì)量為360.85 g，如下表5所示。

表5 設(shè)計參數(shù)表

項目名稱質(zhì)量/g降低百分比/% 1原設(shè)計360.85— 2多島遺傳算法339.665.872

由表5可知，多島遺傳算法法降低了質(zhì)量百分比為5.872%，由于前期設(shè)計參數(shù)不合理導(dǎo)致的，沒有把原始設(shè)計參數(shù)的選擇范圍考慮在內(nèi)，通過優(yōu)化分析輪轂蓋得到較大提升，滿足了產(chǎn)品的多目標(biāo)優(yōu)化設(shè)計要求，同時也達(dá)到了結(jié)構(gòu)優(yōu)化及性能的要求。進(jìn)一步通過實(shí)驗室的驗證，卡扣部分的受力明顯降低，提高了輪轂蓋的使用壽命。

4 結(jié)論

（1）以輪轂蓋的質(zhì)量和應(yīng)力為設(shè)計目標(biāo)，通過卡扣結(jié)構(gòu)的參數(shù)化設(shè)計，利用ANSYS軟件分析相應(yīng)的數(shù)據(jù)樣本，通過非線性回歸軟件Design Exper來完成應(yīng)力和質(zhì)量回歸，分析相應(yīng)的響應(yīng)曲面，得到各設(shè)計變量的影響關(guān)系。

（2）利用優(yōu)化分析軟件ISight結(jié)合多島遺傳算法，對卡扣結(jié)構(gòu)進(jìn)行多目標(biāo)優(yōu)化，設(shè)定應(yīng)力為限制條件，保證多目標(biāo)優(yōu)化算法能夠快速地收斂，經(jīng)優(yōu)化后的輪轂蓋重量比優(yōu)化前降低了5.872% ，實(shí)現(xiàn)了輪轂蓋結(jié)構(gòu)優(yōu)化的目的。

（3）通過以上方法優(yōu)化后得到的輪轂蓋經(jīng)過實(shí)驗室的測試，在安裝過程中卡扣部分在達(dá)到要求的變形條件下，危險位置所受到的應(yīng)力明顯變形，從而有效的避免了卡扣部分?jǐn)嗔训陌l(fā)生，提高了卡扣的使用壽命。

[1] 王曉龍, 丁文捷, 周軍. 塑料卡扣可靠性分析[J]. 現(xiàn)代塑料加工應(yīng)用, 2016, 28(5): 41-44.

[2] 柏秋陽, 王輝, 郝旭飛, 等. 汽車內(nèi)飾塑料卡扣配合結(jié)構(gòu)設(shè)計研究[J]. 塑料工業(yè), 2015, 43(9): 50-53, 56.

[3] 歐相麟, 王大中, 寧凱軍. 汽車注塑件典型缺陷分析及其解決措施[J]. 工程塑料應(yīng)用, 2014, 42(1): 51-55.

[4] 高志華. 懸臂型塑料卡扣的設(shè)計[J]. 塑料科技, 2013, 41(8): 74-77.

[5] 林權(quán), 何靚, 吳雄飛, 等. 卡扣塑件分析及其創(chuàng)新成型模具設(shè)計[J]. 塑料科技, 2013, 41(7): 85-89.

[6] 趙明, 王英資, 侯玨, 等. 改進(jìn)的遺傳算法在汽車故障診斷中的應(yīng)用[J]. 計算機(jī)測量與控制, 2020, 28(1): 35-40.

[7] 張浴華. 基于CAE技術(shù)的汽車塑件注塑成型過程中遺傳算法的應(yīng)用探討[J]. 塑料工業(yè), 2019, 47(12): 62-65.

[8] 劉月云. 基于響應(yīng)面法與Pareto遺傳算法的注塑模冷卻水道參數(shù)優(yōu)化[J]. 中國塑料, 2019, 33(9): 67-71, 115.

[9] 黃海躍, 范希營, 李賽, 等. 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的薄殼塑件注塑工藝優(yōu)化[J]. 塑料, 2019, 48(3): 66-69.

Optimization Design of Clasp for Hub Cover Based on Genetic Algorithm

ZHANG Xiao-guang, LU Qi, ZHANG Zhen-chuang

（College of Mechanical Engineering and Automation, Liaoning University of Technology, Jinzhou 121001, China）

Taking a certain type of hub cover as an example, this paper analyzes the key technology in the hub cover structure with buckle features, completes the finite element analysis of the buckle part with ANSYS software, obtains the relevant data of buckle structure parameters, forces, displacements and stresses, carries out the regression analysis of binary polynomials with design expert software, and then optimizes the analysis with genetic algorithm and completed the multi-objective optimization design of the buckle part. The results show that the genetic algorithm can quickly and effectively get the optimal solution to the optimal design problem of the buckle structure. The optimized structure of the hub cover is compact and stable, which provides a reference for the multi-objective optimization of the product structure.

hub cover; buckle; genetic algorithm; multi-objective optimization

TQ330.4

A

1674-3261(2021)02-0071-04

10.15916/j.issn1674-3261.2021.02.001

2020-06-03

遼寧省重點(diǎn)研發(fā)計劃指導(dǎo)計劃項目（2018106005）；遼寧省教育廳一般項目（L2015231）

張曉光(1977-)，男，遼寧鐵嶺人，副教授，碩士。

責(zé)任編校：劉亞兵