欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019110756821
申请人: 长沙理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于自适应代理模型的汽车乘员约束系统优化设计方法,其特征在于,包括如下步骤:步骤1:建立汽车乘员约束系统数值仿真模型,并针对汽车乘员约束系统的防护性能,确定设计变量、约束函数和目标函数,从而建立针对汽车乘员约束系统的优化设计问题,具体表达式为公式(1):s.t.gk(X)≤bk,k=1,2,...,m

公式(1)中,fWIC(X)为目标函数,gk(X)为约束函数,bk为常数值,X为n维的设计向量,其取值范围为选取安全带上挂点位置X1、安全带锚点位置X2、座椅刚度系数X3与安全带的初始应变X4作为该汽车乘员约束系统的设计变量;

步骤2:利用拉丁超立方实验设计方法在设计域空间 内进行样本点采样,目标函数和约束函数的初始样本点均为30个,并设置许可误差emax,许可误差emax=3%,置迭代步数s=1;

步骤3:将所有样本点导入汽车乘员约束系统数值仿真模型进行计算,从而获得目标函数和约束函数的样本;

步骤4:计算目标函数与约束函数各自代理模型对应的待选形参数;

所述计算目标函数与约束函数各自代理模型对应的待选形参数包括如下分步骤:步骤41:选取径向基函数构建汽车乘员约束系统目标函数与约束函数的代理模型,其基本表达式如下:上式中, 为代理模型函数值,N为样本点的个数,h(ri)为径向函数,也被称为核函数,ri=||X‑Xi||,i=1,2,...,N为待测点X与样本点Xi之间的欧氏距离,wi为线性加权系数;

步骤42:选用高斯函数作为代理模型的核函数,其中,高斯函数的具体表达式如下所示:上式中,ε是高斯函数的形参数,且是大于零的常数;

步骤43:从样本点ΩX={X1,...,Xj,...,XN},j=1,2,...,N中选取Xj作为关键点,同时选取距离关键点Xj最近的M个样本点 且来构建如下式所示的微型代理模型:

T T

上式中,形参数ε与权系数w=(w1,...,wM) 是待求的未知量,权系数w=(w1,...,wM) 展开形式如下式所示:步骤44:将关键点Xj作为预测点带入公式(4)中,并令在Xj处的预测值 与真实值f(Xj)相等,如下式所示:步骤45:将公式(5)带入公式(6)即可得到如下式所示的求解形参数的方程,对下式方程进行求解从而得到关键点Xj和其附近的M个样本点对应的形参数ε:步骤46:重复步骤43、步骤44和步骤45,依次选取剩余N‑1个样本点作为关键点,并求解此样本点与其附近的M个样本点对应的形参数,最终获得N个待选形参数;

步骤47:将样本点ΩX={X1,...,XN}分为构建组{X1,...,XN/2}和测试组两组样本点,其中构建组样本点与每个待选形参数相结合来构建其对应的代理模型,而测试组的样本点则作为测试点验证该代理模型的精度,并通过下式求出测试点的代理模型函数值与函数真实值的误差:上式中,f(Xi)为测试点的函数真实值, 为测试点的代理模型函数值;

步骤5:获得所有待选形参数对应的误差后,便选取最小误差对应的形参数作为最优形参数,并与样本点ΩX={X1,...,XN}一起来构建最终的汽车乘员约束系统的目标函数和约束函数的代理模型;

步骤6:构建如公式(9)所示的汽车乘员约束系统近似优化问题,并对公式(9)所示的汽(s)车乘员约束系统近似优化问题进行求解,获得此近似优化问题的解X ;

上式中, 表示目标函数的代理模型; 表示约束函数的代理模型;

(s)

步骤7:计算真实目标函数fWIC(X)和约束函数gk(X)在近似优化设计解X 处的值;

步骤8:计算误差δmax:

(s)

如果δmax<emax,则输出优化设计解X ,迭代终止;否则,对样本点重新采样,更新样本空间,并返回步骤3,并置s=s+1。

2.根据权利要求1所述的一种基于自适应代理模型的汽车乘员约束系统优化设计方法,其特征在于:所述步骤1中目标函数fWIC(X)为加权损伤准则,其计算公式如下:上式中,HIC为头部综合性能指标;C3ms为胸部3ms加速度值,单位为G;D为胸部压缩量,单位为mm;FFL为左大腿轴向压力,单位为kN;FFR为右大腿轴向压力,单位为kN。

3.根据权利要求1所述的一种基于自适应代理模型的汽车乘员约束系统优化设计方(s)法,其特征在于:所述步骤6中用隔代映射遗传算法来求解近似优化问题的解X 。