基于数据驱动的车身不确定性优化方法

基于数据驱动的车身不确定性优化方法

TH122; 为了解决无人承载式车身在复杂工况下由于非线性耦合导致目标函数求解困难的问题,提出基于数据驱动和多目标遗传算法相协同的不确定性优化方法.数据集以车身各结构面的特征尺寸作为输入参数,以车身满载扭转工况最大等效应力、自由模态基频频率和车身侧倾工况的最大等效应力作为输出参数.通过灵敏度分析法分析车身的特征尺寸和优化结果的相关程度.基于支持向量机对数据集进行分类,从种群中筛选出符合期望的个体.基于改进的遗传算法的种群重组方法,使寻优算法在解空间范围内进行全局搜索,获得Pareto最优解.结果表明:被优化的特征尺寸总体减小,且车身优化后最大扭转应力下降8.53％,最大侧倾应力下降4.65％....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:重庆理工大学学报（自然科学版） 2021, Vol.35 (5), p.85-92
Hauptverfasser: 梁源, 许恩永, 蒙艳玫
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TH122; 为了解决无人承载式车身在复杂工况下由于非线性耦合导致目标函数求解困难的问题,提出基于数据驱动和多目标遗传算法相协同的不确定性优化方法.数据集以车身各结构面的特征尺寸作为输入参数,以车身满载扭转工况最大等效应力、自由模态基频频率和车身侧倾工况的最大等效应力作为输出参数.通过灵敏度分析法分析车身的特征尺寸和优化结果的相关程度.基于支持向量机对数据集进行分类,从种群中筛选出符合期望的个体.基于改进的遗传算法的种群重组方法,使寻优算法在解空间范围内进行全局搜索,获得Pareto最优解.结果表明:被优化的特征尺寸总体减小,且车身优化后最大扭转应力下降8.53％,最大侧倾应力下降4.65％.
ISSN:1674-8425
DOI:10.3969/j.issn.1674-8425(z).2021.05.012