基于机器学习的汽车副车架多学科轻量化优化全流程
导读：副车架需要考察的性能包括强度、模态、安装点动刚度、疲劳等性能。轻量化优化需要在满足以上所有性能要求的基础上进行优化设计。多学科优化可以在同时考虑以上所有性能约束的基础上进行轻量化优化设计。对副车架建立全参数化模型，全参模型包括料厚、形状、特征等等所有可参对象。（如果需要同时考虑碰撞性能，可以增加材料牌号参数）
前不久，笔者介绍过如何通过使用商用的优化软件进行副车架多学科轻量化优化，本文介绍如何通过自编程实现基于机器学习的人工智能多学科轻量化优化过程。使用ansa-morph进行形状参数的创建，包括7个关键位置的形状参数。强度分析包括一般的典型工况，如加速、制动、转弯、下掉、过坑过坎等等。通常对于底盘件而言往往某几个工况就可以包络其他的全部工况，针对与不同的部件受力状态，在进行多学科优化时进行强度性能约束时，没有必要把所有工况都作为性能约束。这需要工程师的经验以及对部件受力状态的分析。通常情况下，对于底盘件的载荷加载都是通过刚性单元进行加载，这会在从节点位置产生一定的应力失真。所以一般在后处理时不考虑这一层单元结果的影响。② 添加一个Annotation，在Advanced Filter中选择Visible Max 1.
② 添加一个Note，将应力结果输出到stress_L5.txt文件中
③ 操作完后保存session文件，如GetStress_L5.mvw
④ 创建一个hwc文件，通过hwc命令读取上一步生成的session文件。
② 通过内置函数提取第7阶模态频率值，找到对应阶次的结果，点击Ok则会自动**该函数
⑤ 批处理运行meta生成结果
① 读入结果，添加一个note，将模态频率结果输出到freq7.txt文件中。
② 操作完后保存session文件，如getfreq.mvw
③ 创建一个hwc文件，通过hwc命令读取上一步生成的session文件。
动刚度的计算方法有很多种，本例中使用其中的一种，即通过公式：IPI=Area_Target/A_Curve*TargetValue换算得到。其他方法可以参考相同的处理方式。
② 添加目标值曲线，并通过获取目标值曲线面积和分析结果曲线面积来计算动刚度值
③ 通过曲线函数Area得到曲线的面积值，后续通过这些面积值计算动刚度。
注：正如上文所述，一些结果的提取需要结合二次开发来完成，如对于动刚度结果的提取，往往有3N个结果，如果通过手动操作来提取结果会花费一些时间，且容易出错。如果通过二次开发来完成，就是秒级操作。
② 添加一个note，将动刚度结果输出到IPI_results.txt文件中
③ 操作完后保存session文件，创建一个hwc文件，通过hwc命令读取上一步生成的session文件。
在做轻量化优化时，第一步是考察当前的性能结果，并更加当前性能结果选择对应的优化策略。包括选择多学科优化时考虑的工况，变量的选择，性能的约束值等等内容。本例中，初始疲劳分析结果很小，因此在多学科优化时没有考虑疲劳工况，疲劳工况作为验证性能而不作为多学科优化分析性能。如果需要同时考虑疲劳性能，操作的方法和上面强度、模态等方法类似。以上参数化模型生成、性能分析求解和结果后处理均可以批处理的方式完成。用于进行机器学习数据准备。
将生成的试验设计数据点更新为参数化模型的参数控制文件：
每个数据点中均按试验设计中的设计变量值更新了参数化模型控制文件。
调用ansa、ABAQUS、nastran、optistruct、meta等CAE软件进行模型生成，求解计算和结果提取。
最终在满足所有性能约束的条件下，副车架质量从22Kg减到20.4Kg，减重约7%。最后欢迎大家关注笔者在仿真秀公开直播回放《汽车减重之轻量化设计与仿真》，包括案例实操部分，时长175分钟。
汽车减重之轻量化设计与仿真：整车开发过程中轻量化仿真分析流程与关键技术
作者：方老师，硕士，仿真秀专栏作者，毕业于西安交通大学，从事CAE仿真分析工作9年，曾在央企研发部门从事核电设备设计研发工作，目前在汽车行业从事整车多学科优化及轻量化优化工作。熟练使用各种CAE仿真分析软件和多学科优化软件，具有丰富的项目经验。声明：原创作品，首发仿真秀App，部分图片和内容源自网络，如有不当请联系我们，欢迎分享，禁止私自转载，转载请联系我们。
获赞 9236粉丝 20526文章 3207课程 207
