1.基于车联网大数据的铝合金车架多级协同拓扑优化方法,其特征在于,包括如下步骤:S1、采集车联网大数据并分析,根据车辆典型工况的比例确定客观权重;所述车辆典型工况包括弯曲工况、扭转工况、转向工况和制动工况;
S2、根据层次分析法确定主观权重;
S3、对客观权重、主观权重进行权重融合,得到综合权重;
S4、构建多工况拓扑优化目标函数;
S5、构建第一级拓扑优化模型并优化,得到车架总体拓扑结构,所述车架总体拓扑结构包括车架横梁的数量、尺寸及横梁分布;
S6、构建第二级拓扑优化模型并优化,得到车架纵/横梁断面拓扑结构;
S7、基于由S5得到的车架总体拓扑结构以及由S6得到的车架纵/横梁断面拓扑结构,结合工艺约束进行优化设计,得到最终的铝合金车架结构;
其中:
步骤S5的具体过程如下:
S5.1、根据采样车架的原始几何特征及外廓尺寸,构建拓扑优化的初始几何模型;
S5.2、利用有限元方法对初始几何模型进行离散化处理,生成有限元模型;
S5.3、结合采样车架的结构特点,将有限元模型划分为拓扑区域与非拓扑区域;
S5.4、根据多种车辆典型工况的载荷特点,分别设置相应的边界条件,构建车架总体的拓扑模型;
S5.5、对车架总体的拓扑模型进行单工况优化:基于SIMP变密度法,将柔度最小化设置为优化目标,得到不同典型工况下优化过程的最大柔度值和最小柔度值;
S5.6、对车架总体的拓扑模型进行多工况优化:通过S5.5得到的各典型工况的最大柔度值、最小柔度值以及通过S3得到的综合权重,计算S4中构建的多工况拓扑优化的目标函数,并将柔度最小化设置为优化目标,通过SIMP变密度法对车架总体的拓扑模型进行多工况拓扑优化设计;
S5.7、得到包括车架横梁的数量、尺寸及横梁分布的车架总体拓扑结构;
步骤S6的具体过程如下:
S6.1、第二级拓扑优化模型的载荷提取:建立以采样车架为柔性体的整车刚柔耦合的虚拟样机模型,并对车辆典型工况进行仿真分析,获取不同典型工况下车架纵梁与横梁连接处的等效静态载荷;
S6.2、第二级拓扑优化模型构建:综合考虑采样车架纵/横梁的包络空间与第一级车架总体拓扑优化结构中各横梁的尺寸,确定车架各纵/横梁的拓扑优化空间,构建第二级拓扑优化的初始几何模型;
使用六面体网格单元将初始几何模型离散为有限元模型;
将车架纵/横梁拓扑优化空间中存在连接结构的节点使用RBE3单元进行抓取,将虚拟样机模型提取得到的多工况等效静态载荷分步施加到各纵/横梁连接处进行加载;
采用惯性释放法对第二级拓扑优化模型进行虚约束处理,进而建立车架各纵/横梁断面拓扑优化模型;
S6.3、对车架各纵/横梁断面拓扑优化模型进行单工况拓扑优化:基于SIMP变密度法,将柔度最小化设置为优化目标,得到不同典型工况下优化过程的最大柔度值和最小柔度值;
S6.4、对车架各纵/横梁断面拓扑优化模型进行多工况拓扑优化:通过S6.3得到的各典型工况的最大柔度值、最小柔度值以及通过S3得到的综合权重,计算S4中构建的多工况拓扑优化的目标函数,并将柔度最小化设置为优化目标,通过SIMP变密度法进行车架各纵/横梁断面拓扑优化模型的多工况拓扑优化设计;
S6.5得到车架纵/横梁断面拓扑结构。
2.根据权利要求1所述的基于车联网大数据的铝合金车架多级协同拓扑优化方法,其特征在于,步骤S1的具体过程如下:S1.1、采集车联网大数据以构建分析样本,所述车联网大数据至少包括:时间信息、经纬度信息、路况信息、加速信息、制动信息和转向信息;
S1.2、对采集到的车联网大数据进行预处理;
S1.3、对预处理后的车联网大数据进行统计分析,得到车辆典型工况的比例而形成客观权重。
3.根据权利要求2所述的基于车联网大数据的铝合金车架多级协同拓扑优化方法,其特征在于,对采集到的车联网大数据进行预处理的具体过程如下:S1.2.1、对分析样本的原始数据进行格式转换;
S1.2.2、基于时间信息和经纬度信息建立时空关联模型,得到时间与车辆位置变化之间的对应关系;
S1.2.3、基于时空关联模型识别异常情况,对异常情况进行数据清洗;
S1.2.4、对清洗后的数据进行平滑去噪。
4.根据权利要求2所述的基于车联网大数据的铝合金车架多级协同拓扑优化方法,其特征在于,对预处理后的车联网大数据进行统计分析,得到车辆典型工况的比例而形成客观权重的具体过程如下:S1.3.1、工况特征提取:基于分析样本的参数,通过主成分分析法构建车辆运行工况的综合向量;
S1.3.2、工况聚类分析:通过无监督自学习的K-means聚类分析算法对车辆运行工况的综合向量进行分类,构建车辆典型用户使用场景和行驶工况状态空间,确定车辆在不同运行工况的比例,将车辆典型工况比例设定为客观权重。
5.根据权利要求1所述的基于车联网大数据的铝合金车架多级协同拓扑优化方法,其特征在于,步骤S2的具体过程如下:S2.1、根据车辆典型工况的重要程度标度构造判断矩阵;
S2.2、根据层次分析法计算判断矩阵的特征向量、权重值和特征根;
S2.3、计算随机一致性比率CR,并判断构建的判断矩阵是否满足一致性要求;
随机一致性比率CR的计算公式如下:
式中,为最大特征根,CI为一致性指标,n为判断矩阵阶数,RI为随机一致性指标;
S2.4、判断矩阵满足一致性要求时,得到各典型工况的权重值,从而确定主观权重,判断矩阵不满足一致性要求时,重新构建判断矩阵。
6.根据权利要求1所述的基于车联网大数据的铝合金车架多级协同拓扑优化方法,其特征在于,综合权重的计算公式如下:式中,为第j个工况的综合权重,为第j个工况的客观权重,第j个工况的主观权重。
7.根据权利要求1所述的基于车联网大数据的铝合金车架多级协同拓扑优化方法,其特征在于,多工况拓扑优化目标函数的计算公式如下:式中,为M个工况下结构的加权应变能;为第k个工况的综合权重;是第i个单元的密度,是第i个单元的体积;为第k个工况的结构总柔度;为第k个工况单目标拓扑优化得到的结构总柔度的最大值,为第k个工况单目标拓扑优化得到的结构总柔度的最小值,p为惩罚因子,为优化后的结构体积,为拓扑区域体积,f为体积分数,指优化后的结构体积占拓扑区域体积的百分比上限。
8.根据权利要求1所述的基于车联网大数据的铝合金车架多级协同拓扑优化方法,其特征在于,步骤S6.1中等效静态载荷的提取过程如下:通过编制B级虚拟随机道路并编写匀速、转向和制动工况驱动控制程序,搭建车辆弯曲、转向和制动工况虚拟试验场;
通过编制单凸起障碍道路,使目标车辆右侧车轮依次越过三角形障碍,搭建扭转工况虚拟试验场;
经过虚拟仿真试验,得到车架纵/横梁连接处的载荷时间历程,通过等效静力法得到等效静态载荷。