基于不确定性分析的商用车多目标协同优化方法研究

作者：赵德平; 毛星宇; 邓耀国; 熊斯凯; 刘鑫; 陆冠成^*

来源：装备制造技术, 2023, (04): 33-36.

• 不确定性
• 多目标优化
• 数据驱动
• 深度学习
• 轻量化设计

商用车系统是非线性、强耦合以及受大量不确定性因素影响的系统。文章基于不确定性多目标UMOMDO(Uncrtainty Multi-Objective Multidisciplinary Design Optimization,UMOMDO)优化方法，研究建立一种不确定全局协同优化框架。以近似模型数据、试验数据与动态仿真数据为基础，基于深度数据驱动学习算法构建优化变量的解空间界定器，通过特征建模与递推演算方法界定优化变量范围，将设计变量映射到高维空间。再通过高维空间数据密度差，建立整车多目标协同优化模型，并基于该优化框架对H5B中型商用车进行车架结构-性能-可靠性多目标协同优化设计。优化过后的设计与原设计相比，满载最大应力降低2.8%，扭转最大位移降低15.2%，一阶频率提高3.3%，可靠度提高到95%，且质量减少2.3%，较好地完成了可靠性轻量化设计的目标。

• 单位
  广西大学; 东风柳州汽车有限公司