KLQ6100G城市公交車大型客車車身設(shè)計含CATIA三維及3張CAD圖,klq6100g,城市,公交車,大型,客車,車身,設(shè)計,catia,三維,cad 附錄1：外文翻譯 公交車車身多目標(biāo)優(yōu)化和基于替代模型的翻轉(zhuǎn)安全約束 Yong Huh,Hyung-lck Kim,In-Hwan Shin,Jae-Mean Koo and Chang-Sung Seok 韓國水原市長安洞成均館大學(xué)機械工程學(xué)院 摘要:在設(shè)計總線主體時，要考慮輕量，剛度，強度和翻車安全性能。在本文中，有限元（FE）首先建立包括總線車身的強度，剛度和翻車碰撞性的分析模型，然后通過物理測試進行驗證?；贔E模型，設(shè)計實驗，并根據(jù)實驗數(shù)據(jù)創(chuàng)建響應(yīng)面法和混合徑向基函數(shù)的多個代理模型。之后，公共汽車車身的多目標(biāo)優(yōu)化問題（MOP）被制定為目標(biāo)是使重量最小化并使扭矩剛度最大化。巴士車身受到強度和翻車安全的限制。通過采用多目標(biāo)進化算法來獲得Pareto最優(yōu)集，求解MOP。最后，選擇該集合的最優(yōu)解作為最終設(shè)計，并與原始設(shè)計進行比較。 關(guān)鍵詞：公交車車身，有限元分析，代理模型，多目標(biāo)優(yōu)化 1介紹 輕型設(shè)計近年來引起了汽車制造商的極大關(guān)注。有兩種減輕車輛重量的方法，第一種方法是使用較輕的材料替代鋼，如鋁合金（Saito et al。2000），第二種方法是使用最佳設(shè)計方法。由于難以獲得剛度，應(yīng)力和振動響應(yīng)的靈敏度，許多研究者已經(jīng)研究了考慮剛度，應(yīng)力和NVH（噪聲，振動和粗糙度）性能的車輛的最佳設(shè)計（Aguiar等2002; Lanet等人2004; Laxman等人，2009）。蘭等人（2004）分析了中型客車車身的結(jié)構(gòu)強度，剛度和低階振動，并根據(jù)敏感性研究實施了結(jié)構(gòu)優(yōu)化，以減輕重量。 Laxman等人（2009）開發(fā)了一種兩階段輕量化設(shè)計方法，其中第一階段是使用尺寸優(yōu)化技術(shù)將剛體和模態(tài)頻率約束最小化白車身（BIW）的重量，第二階段是改善屋頂由于工程經(jīng)驗，通過改變幾個部件的材料來破壞性能。 滾動碰撞分析非常重要，因為公共汽車和客車翻轉(zhuǎn)是最危險的事故類型之一。 因此近年來受到很多關(guān)注。 馬丁內(nèi)斯等人 （2003）根據(jù)考慮到乘員的統(tǒng)計數(shù)據(jù)和有限元（FE）分析，分析了翻車事故中的傷害類型。 Park和Yoo（2008）利用簡單的波束元素建模了一個總線車身的翻轉(zhuǎn)有限元模型，以減少模擬時間。 Guler等人 （2007）研究了座椅結(jié)構(gòu)以及乘客和行李重量對翻車安全性的影響。 然而，由于非線性高，碰撞響應(yīng)的敏感性不容易被發(fā)現(xiàn)（Forsberg和Nilsson 2007）。此外，碰撞分析是耗時的。因此，難以解決包括碰撞響應(yīng)在內(nèi)的優(yōu)化問題。一種有效的方法是使用替代模型來代替碰撞響應(yīng)（Redhe et al.2002; Craig et al.2005; Forsberg and Nilsson 2005）。代數(shù)模型由一系列基函數(shù)組成，可用于構(gòu)建實際結(jié)構(gòu)響應(yīng)的全局或中等近似。 常用于已發(fā)表文獻的多種替代模型，例如響應(yīng)面法（RSM）（Roux et al。1998），Kriging模型（Forsberg和Nilsson 2005）和徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)模型（Park和Sandberg 1993）等。基于替代模型，車輛的多學(xué)科設(shè)計優(yōu)化（MDO）包括耐撞性響應(yīng)已被廣泛研究。Sobieski等（2001）和Craig等人（2002）構(gòu)建了NVH的響應(yīng)面模型和設(shè)計抗碰撞響應(yīng)最優(yōu)車輛重量較輕。 車輛設(shè)計優(yōu)化問題通常有多個目標(biāo)。多目標(biāo)問題的最優(yōu)結(jié)果不是一個單一的解決方案，而是一組權(quán)衡解決方案，也稱為帕累托最優(yōu)解，帕累托集合或帕累托前沿。傳統(tǒng)上，多目標(biāo)問題被解決為使用聚合方法的單個成本函數(shù)問題，例如加權(quán)和方法，其通過將每個目標(biāo)預(yù)先乘以用戶定義的權(quán)重因子來將一組目標(biāo)定標(biāo)為單個目標(biāo)。但經(jīng)典方法在運行中無法獲得多于一個的帕累托最優(yōu)解。此外，難以獲得均勻的帕累托最優(yōu)解的集合，例如，加權(quán)和方法中的權(quán)重向量的均勻選擇不一定在帕累托最優(yōu)前沿找到均勻的解，并且也找不到定位的解在帕累托最優(yōu)陣線的非凸部分（Deb 2005）。與古典方法不同，進化算法（EAs）可以直接用其基于人口的操作來解決多目標(biāo)問題，并在運行中獲得全局最優(yōu)解。近年來已經(jīng)開發(fā)了各種各樣的EA。其中大部分是基于遺傳算法，例如NSGA-II（Debet al。2000），SPEA2（Zitzler et al.2001），PESA等。然而，還針對多目標(biāo)優(yōu)化開發(fā)了其他相對較新的基于群體的演化算法，例如粒子群優(yōu)化（Coello et al。2004; Hart和Vlahopoulos 2010）和免疫算法（Tan et al。2008; Gong et al。2008）等. 基于代理模型，可以通過EA有效地解決包含碰撞響應(yīng)的車輛的多目標(biāo)優(yōu)化問題。 廖等 （2008）考慮了BIW（Body In White）作為目標(biāo)的重量，加速特性和趾板入侵，全部由響應(yīng)面法制定，并采用NSGA-II算法搜索帕累托最優(yōu)解。王等。 （2010）構(gòu)建了使用粒子群優(yōu)化的車輛多目標(biāo)優(yōu)化的碰撞響應(yīng)（即敏感時區(qū)和吸收能量的加速度）的基于時間的元模型。 在目前的研究中，基于代理模型進行了集成總線主體的多目標(biāo)優(yōu)化。重量應(yīng)盡量減少，并且在靜強度和翻車安全性的限制下扭轉(zhuǎn)剛度將最大化。首先，公交車身體的有限元模型由殼單元構(gòu)成，并通過物理測試驗證。然后，選擇殼單元的厚度作為設(shè)計變量。根據(jù)制造的對稱性和均勻性要求，將變量分組，然后根據(jù)敏感性研究進行篩選，以選擇最重要的變量。之后，使用實驗設(shè)計（DOE），即最佳拉丁超立方體設(shè)計（Park 1994）來探索設(shè)計空間。接下來，通過基于實驗數(shù)據(jù)的逐步回歸技術(shù)創(chuàng)建替代模型，其中使用響應(yīng)面法和混合徑向基函數(shù)。最后，通過使用NSGA-II和AMISS-MOP算法解決了多目標(biāo)優(yōu)化問題，并獲得了Pareto最優(yōu)解。選擇帕累托集合的最優(yōu)解作為最終設(shè)計，并與原始設(shè)計進行比較，以證明本文中使用的方法的優(yōu)點。 2 FE模型和驗證 2.1有限元模型 構(gòu)建了總線框架的兩個FE模型。第一個模型是靜態(tài)分析，包括扭轉(zhuǎn)剛度分析和應(yīng)力分析，如圖1所示。第二種模型用于翻轉(zhuǎn)分析，其中考慮了前后擋風(fēng)玻璃和屋頂板的影響，如圖1所示。所使用的求解器分別是MSC Nastran和LS-DYNA。 本文使用的材料為合金鋼，彈性模量為210GPa，質(zhì)量密度為7.86×10 3 kg / m 3，泊松比為0.3，屈服應(yīng)力為510 MPa。材料的塑性應(yīng)變應(yīng)力如表1所示。 在扭轉(zhuǎn)剛度分析中，前右空氣彈簧支撐件被迫上升5毫米，而后左軸空氣彈簧支撐件在后軸固定的同時被迫下降5毫米。然后，通過有限元分析獲得空氣彈簧支撐件的反作用力，扭轉(zhuǎn)剛度如下計算 其中f是反作用力，L是左右空氣彈簧支撐件的中心之間的距離，d是強制位移，即d = 5mm。 在應(yīng)力分析中，考慮到最佳情況，其中考慮滿負(fù)荷，僅支撐三個輪胎，即前右輪胎是懸掛的， 掛起。為確保沒有塑性變形，最大應(yīng)力應(yīng)小于屈服應(yīng)力。 在翻車防碰撞分析中，實施左側(cè)翻車，以獲得總線主體對剩余空間的結(jié)構(gòu)入侵。根據(jù)歐洲經(jīng)委會 第66號（聯(lián)合國歐洲經(jīng)濟委員會1996年），巴士機構(gòu)的任何一種結(jié)構(gòu)均不得侵入剩余空間。 2.2驗證 為了確認(rèn)有限元模型的準(zhǔn)確性，公交車車身的靜態(tài)彎曲實驗和公交車段的翻車碰撞試驗進行了實驗。應(yīng)該注意的是，測試用例與上一節(jié)提到的優(yōu)化情況不同。 圖3顯示了靜態(tài)彎曲實驗的場景，前后軸支撐，乘客和行李地板均勻分別裝載了1320公斤和840公斤。在這種情況下，對母線上四個位置的von Mises應(yīng)力進行了測試，然后與FE模型給出的結(jié)果進行了比較。比較如圖1所示。 4，這表明模擬與實驗結(jié)果之間的差異很小。最大差異發(fā)生在第二個測試點，差異為10.67％。因此，本文建立的靜態(tài)FE模型被認(rèn)為是足夠的。 總線部分的翻車碰撞試驗是以歐洲經(jīng)委會第66號作為指導(dǎo)。兩個加速度傳感器位于前柱和后柱抵靠碰撞側(cè)。通過測試和仿真獲得的加速度在圖1中進行了比較。這表明兩條曲線的趨勢相同，峰值加速度值接近。圖6顯示了母線段最終變形的比較。這表明變形是相似的。為了量化比較變形，柱子的變形角度（見圖7，也表明具有高應(yīng)變能的區(qū)域）進行了測量和比較。 表2顯示了兩個傳感器的峰值加速度值和平均變形角度。 這表明，翻轉(zhuǎn)模擬和測試之間的最大差異為16.4％，因此本文建立的翻轉(zhuǎn)有限元模型被認(rèn)為適合于優(yōu)化設(shè)計。 3近似方法 輸入數(shù)據(jù)與工程設(shè)計問題的輸出響應(yīng)之間的真實數(shù)學(xué)關(guān)系通常太復(fù)雜，無法獲得。因此，響應(yīng)通常通過物理測試或FE分析獲得。然而，這兩種方法都是耗時的，因此它們不適用于迭代優(yōu)化。因此，基于近似方法的替代模型被用于物理模型或高保真FE模型的存儲以提高效率。為了創(chuàng)建代理模型，需要一個數(shù)據(jù)集包括足夠的輸入數(shù)據(jù)和 輸出響應(yīng)。通常，輸入數(shù)據(jù)由DOE生成，輸出響應(yīng)通過物理測試或FE分析獲得。圖8顯示了創(chuàng)建sur- 一個輸出和兩個輸入之間的門控模型，其中y是實際響應(yīng)的估計。在本文中，選擇最佳拉丁超立方體設(shè)計（Park 1994）作為DOE方法。 可以看出，RSM適用于創(chuàng)建靜態(tài)響應(yīng)的替代模型（例如位移，應(yīng)力等）（Roux等人1998）。因此，RSM用于構(gòu)建 本研究中剛度和應(yīng)力反應(yīng)的替代模型。但是對于高度非線性響應(yīng)，RSM可能不會產(chǎn)生適當(dāng)?shù)念A(yù)測，而RBF可以提供很好的準(zhǔn)確性（Fang et al。2005）。然而，當(dāng)問題出現(xiàn)嘈雜時，RSM比RBF更好，因為它導(dǎo)致平滑元模型的趨勢（Jin et al。2001）。由于翻轉(zhuǎn)碰撞分析中的數(shù)值噪聲和高非線性性，本文采用混合徑向基函數(shù)（HRBF）與RSM和RBF結(jié)合，創(chuàng)建了車架與后期空間碰撞之間的入侵。下面介紹RSM，RBF和HRBF的基本概念，以及替代模型的適應(yīng)性指標(biāo)。 假設(shè)估計響應(yīng)y和實際響應(yīng)y之間的誤差為e，則估計響應(yīng)y表達式如下：其中φi（x）是基函數(shù)，bi是系數(shù)，p是項數(shù)RSM中的基函數(shù)通常選自二次多項式。二階聚合物的全部術(shù)語， 名義是：關(guān)于獲得RSM系數(shù)的細(xì)節(jié)可以在Kutner等人看到。 （2004）。RBF的基函數(shù)被稱為核函數(shù)，其形式如下。 需要提及的是，HRBF被稱為Krishnamurthy（2003）和Fang等人的增強徑向基函數(shù)（ARBF）。 （2005年）。在他們的作品中，引入了正交條件，并使用p + 1個采樣點來獲得（5）的系數(shù)。與ARBF不同，本文采用PRESS誤差準(zhǔn)則的逐步回歸技術(shù)克服過擬合，如下所述。 需要提及的是，HRBF被稱為Krishnamurthy（2003）和Fang等人的增強徑向基函數(shù)（ARBF）。（2005）。 在他們的作品中，引入了正交條件，并使用p + 1個采樣點來獲得（5）的系數(shù)。 與ARBF不同，本文采用PRESS誤差準(zhǔn)則的逐步回歸技術(shù)克服過擬合，如下所述。 替代模型中最重要的問題之一是過度擬合，即實驗點的誤差被驅(qū)動到非常小的值，但是當(dāng)向模型引入新的設(shè)計點時，誤差很大。 如果在RSM中使用完整的二次項，或者選擇所有實驗點作為RBF中的中心，則通常會發(fā)生過擬合。為了克服過度擬合，創(chuàng)建替代模型時通常使用回歸分析。本文采用逐步回歸技術(shù)（Wang and Jain 2003）。 此外，過度擬合也與錯誤標(biāo)準(zhǔn)有關(guān)。在本文中，引入了預(yù)測的誤差平方和（PRESS）（Kutner等人2004）標(biāo)準(zhǔn) 代替構(gòu)造代理模型的誤差（SSE）標(biāo)準(zhǔn)的平方和。使用PRESS標(biāo)準(zhǔn)，替代模型僅適用于從n個實驗數(shù)據(jù)的n-1個點，并且對于剩余的一個，從該模型獲得預(yù)測。 PRESS標(biāo)準(zhǔn)產(chǎn)生了替代模型預(yù)測的良好指示，因為當(dāng)模型不包括在回歸中時，模型給出每個點上的小殘差。替代模型的擬合優(yōu)度統(tǒng)計包括F檢驗和R平方（Kutner等，2004）。給定顯著性水平α，如果替代模型的F值大于F分布的臨界值，即如果F> F a，則認(rèn)為替代模型是顯著的。 R平方度衡量替代模型的適應(yīng)度是多少。在本文中，使用三個指標(biāo)，即R平方R2，調(diào)整的R平方R2a和PRESS R平方R2 p。R2和R2a都在0和1之間，其值越接近于1，表示替代模型具有更好的擬合度。然而，考慮到自由度，R2 a是替代模型的擬合質(zhì)量比R2更好的指標(biāo)。R2P取0到1之間的任何值，值越接近1表示替代模型的預(yù)測能力越好。如果三個指標(biāo)都接近1，則替代模型的擬合和預(yù)測質(zhì)量是好的。 4優(yōu)化 4.1配方 總線主體的多目標(biāo)優(yōu)化問題的形成如下：其中m是總線框架的重量; k t是扭轉(zhuǎn)剛度; σi是第i個關(guān)鍵點的von Mises應(yīng)力;并且d j是第j個窗柱與剩余空間之間的入侵; xl和xu分別是設(shè)計矢量的上限和下限。觀察到總體最大應(yīng)力的替代模型的精度差，因為最大應(yīng)力的位置在設(shè)計變量發(fā)生變化時會發(fā)生變化增加響應(yīng)的非線性。 因此，原始設(shè)計中應(yīng)力值最高的幾個關(guān)鍵點用于捕獲最大應(yīng)力。在本研究中選擇了原始設(shè)計中具有高應(yīng)力值的六個關(guān)鍵點，如圖1所示。 9，用P1?P6注釋，相應(yīng)的代理模型為σ1?σ6。根據(jù)ECE規(guī)則第66條，身體結(jié)構(gòu)與剩余空間之間不應(yīng)有入侵。翻車碰撞性分析的結(jié)果表明，碰撞側(cè)的窗柱具有侵入殘余空間的最大可能性。每邊有七個窗柱，如圖所示。 9，從前到后編號從1到7，每個柱和剩余空間之間的入侵分別表示為d 1，d 2，...，d 7。解決（ 6）是： 1.考慮到制造約束，如何從總線框架中的數(shù)百個欄中選擇最重要的變量，以減少問題的維度。 2.如何獲得結(jié)構(gòu)響應(yīng)比FE分析更有效，克服了翻車碰撞性非線性的難度。 3.如何在運行中實現(xiàn)多目標(biāo)優(yōu)化問題的帕累托最優(yōu)解。以下三節(jié)介紹本文采用的相應(yīng)技術(shù)，即基于分組策略和敏感性研究的變量選擇技術(shù)，基于DOE的代理模型 和大約模擬方法和多目標(biāo)進化算法。 4.2變量選擇 由于總線主體的有限元模型是用殼單元構(gòu)成的，所以結(jié)構(gòu)的厚度被定義為可變的?？偩€上有數(shù)百個條，存在制造約束。因此，如果所有的厚度參數(shù)都被認(rèn)為是設(shè)計變量，那么問題就太復(fù)雜了。為了降低復(fù)雜性，必須減少設(shè)計變量的數(shù)量?？紤]到制造約束，變量被分組。主要制造約束是對稱性和均勻性。因此，相應(yīng)的結(jié)構(gòu)由相同的設(shè)計變量描繪，以減少變量的數(shù)量。例如，如圖1所示。如圖10所示，深黑色的縱向和縱向條都具有對稱性和均勻性要求，因此，黑色黑色中所有縱向條的厚度可以定義為可變的，也就是稱為墊底。最后，總線框架的所有條都分開。 通過單個設(shè)計變量提取到81組砂。然而，并非所有變量對響應(yīng)都是重要的，有一些變量會稍微影響響應(yīng)，這可以忽略以進一步減少問題的維度。每個變量的意義可以通過敏感性研究來評估，描述如下。 其中[K]是系統(tǒng)剛度矩陣，{u}是未知位移矢量，{P}是施加的載荷矢量。然后位移的偏導(dǎo)數(shù)可以是 獲得如下。 在本文中，敏感度研究由MSC Nastran實現(xiàn)。扭轉(zhuǎn)剛度和最大應(yīng)力響應(yīng)靈敏度的結(jié)果如圖所示。 具有較大敏感度的設(shè)計變量被認(rèn)為對響應(yīng)更為重要，并將被選擇。盡管在已發(fā)表的文獻中已經(jīng)推導(dǎo)出了耐碰撞響應(yīng)的敏感性（Pedersen 2003，2004），當(dāng)使用明確的有限元來解決接觸問題時，獲得靈敏度仍然不容易（Forsberg和Nilsson 2007）。因此，在翻車碰撞中具有大應(yīng)變能的鋼筋被認(rèn)為是翻車安全性的重要結(jié)構(gòu)。 最后，設(shè)計變量的總數(shù)減少到31.相應(yīng)的結(jié)構(gòu)如圖5所示。 12，其中包括大部分的縱向條，屋頂?shù)木暥葪l，兩邊的窗和門柱等。 4.3代孕模型 實驗點采用最佳拉丁超立方體設(shè)計進行采樣，通過有限元分析獲得真實的結(jié)構(gòu)響應(yīng)。逐步回歸技術(shù)是基于實驗數(shù)據(jù)實現(xiàn)的，用于創(chuàng)建替代模型。在本文中，RSM用于創(chuàng)建靜態(tài)響應(yīng)的代理模型，即剛度和應(yīng)力響應(yīng)，并且HRBF用于構(gòu)建碰撞響應(yīng)的代理模型，即柱和殘余空間之間的入侵。之后，實施F檢驗，并計算出R平方，以評估模型的質(zhì)量。所有替代模型的信息如表3所示。 可以看出，F(xiàn)檢驗中所有替代模型的F值遠(yuǎn)大于0.05的顯著水平的臨界F值，這意味著所有替代 型號很重要。此外，R2，調(diào)整后的R2和PRESS R2都接近1，這表明模型在實驗點上足夠準(zhǔn)確，對預(yù)測也有好處。重量模型僅接近結(jié)構(gòu)質(zhì)量，其不包括窗玻璃，車身面板或乘客等的質(zhì)量。由于設(shè)計變量是殼單元的厚度，所以權(quán)重模型是線性的，如下：其中β0 = m 0，這是所有非變量的權(quán)重 結(jié)構(gòu); βi =ρi A i，其中ρi是材料的質(zhì)量密度，A i是中表面的面積; n v是設(shè)計變量的數(shù)量?？梢允褂妙A(yù)處理軟件MSC Patran輕松獲得權(quán)重模型的系數(shù)。因此，DOE和逐步回歸是不必要的。為了驗證該模型，實驗點隨機生成，F(xiàn)E分析和線性模型分別獲得的重量分別為3,054.3 kg和3,054.4 kg，說明該模型是正確的。 4.4進化算法 基于人口操作，多目標(biāo)進化算法（MOEAs）可以在單次運行中找到多目標(biāo)優(yōu)化問題的均勻分布的帕累托最優(yōu)解。 NSGA-II（Deb等2000）是最流行的算法之一。在NSGA-II中，快速非主導(dǎo)分類方法基于帕累托最優(yōu)關(guān)系對群體進行排名，其中等級為1的個體是當(dāng)前群體中非主導(dǎo)的解，然后擁擠距離分配過程計算距離為每個人的每一個人保持人口的多樣性。此外，引入了結(jié)合父母和子女人口的精英策略來改善融合。 然而，發(fā)現(xiàn)NSGA-II的融合仍有待改進（Sindhya等，2008）。因此，Su等人（2010）開發(fā)了一種進化算法AMISS-MOP（多目標(biāo)優(yōu)化問題的自適應(yīng)多島搜索策略），以提高NSGA-II的收斂和效率。在AMISS-MOP中，引入歸檔集以提高算法的效率，并開發(fā)了一種自適應(yīng)多島搜索策略，以提高搜索帕累托最優(yōu)解的性能。在算法中，人口集中在M代的子空間中，其中子空間的中心位于非主導(dǎo)的前沿，子空間的范圍取決于中心個體周圍的個體的密度，M是根據(jù)中央個人的擁擠距離自適應(yīng)計算。在本文中，NSGA-II和AMISS-MOP都用于解決總線主體的多目標(biāo)優(yōu)化問題. 5結(jié)果 多目標(biāo)優(yōu)化問題由NSGA-II和AMISS-MOP解決，其中群體大小和最大生成分別設(shè)置為100和300。通過兩種算法獲得的非主導(dǎo)方案如圖1所示。這表明NSGA-II獲得的非主導(dǎo)解決方案的擴散比AMISS-MOP更廣泛，但是AMISS-MOP的收斂是下降的， 比NSGA-II。在目前的研究中，選擇AMISS-MOP獲得的非主導(dǎo)優(yōu)化方案進行討論，如圖1所示。 14和表4，其中0＃設(shè)計是原始設(shè)計?？梢钥闯觯侵鲗?dǎo)的最優(yōu)解的重量在2,400kg和3,400kg之間，扭轉(zhuǎn)剛度在25kNm / deg至55kNm / deg之間。表4中的第一個設(shè)計具有最大的重量和剛度減少，即分別減少440 kg（15.39％）和13.85 kNm / deg（34.61％）。最后一個設(shè)計（25＃）擁有最大的剛度和重量增量，即分別增加了12.47 kNm / deg（31.18％）和463 kg（16.19％）。設(shè)計師可以從組根據(jù)偏好觀察到，在非主導(dǎo)優(yōu)化集合中存在嚴(yán)格優(yōu)于原始設(shè)計的三種解決方案（11＃，12＃和13＃設(shè)計），即重量較低但剛度大于原始設(shè)計。在本研究中，第11個設(shè)計被選為新的設(shè)計。第11個設(shè)計的設(shè)計變量被舍入為預(yù)定義的集合中最接近的離散值：根據(jù)最大生成，{1.0,1.5,1.75,2.0,2.5,3.0,3.5,4.0,5.0和6.0}設(shè)置為100，300。 通過兩種算法獲得的非主導(dǎo)方案如圖1所示。這表明NSGA-II獲得的非主導(dǎo)溶液的擴散比AMISS-MOP更廣泛，但AMISS-MOP的收斂性優(yōu)于NSGA-II。在目前的研究中，選擇AMISS-MOP獲得的非主導(dǎo)優(yōu)化方案進行討論，如圖1所示。14和表4，其中0＃設(shè)計是原始設(shè)計?？梢钥闯觯侵鲗?dǎo)的最優(yōu)解的重量在2,400kg和3,400kg之間，扭轉(zhuǎn)剛度在25kNm / deg至55kNm / deg之間。表4中的第一個設(shè)計具有最大的重量和剛度減小，即分別減少了440kg（15.39％）和13.85kNm / deg（34.61％）。最后的設(shè)計（25＃）擁有最大的制造要求來獲得最終設(shè)計。最終設(shè)計通過有限元分析驗證，結(jié)果如表5所示。表明最終設(shè)計優(yōu)于原始設(shè)計，其中重量減少了76公斤（2.66％），扭轉(zhuǎn)剛度提高了0.42％，最大應(yīng)力降低了50 MPa（13.77％），在翻車碰撞過程中沒有入侵。最大應(yīng)力位于關(guān)鍵點P4上，如圖3所示。證明使用六個“關(guān)鍵點”來捕捉最大壓力的策略效果很好。 6結(jié)論 總線主體的設(shè)計是一個多目標(biāo)優(yōu)化問題，包括靜態(tài)和翻轉(zhuǎn)故障響應(yīng)。由于耗時的結(jié)構(gòu)分析，耐碰撞反應(yīng)的非線性高和經(jīng)典方法的多個目標(biāo)之間的沖突，難以解決這個問題。通過使用近似方法構(gòu)建總線結(jié)構(gòu)響應(yīng)的代理模型并采用多目標(biāo)進化算法來克服困難。總線機身的剛度和應(yīng)力的代理模型采用響應(yīng)面法建立，并且使用混合徑向基函數(shù)構(gòu)建了翻轉(zhuǎn)碰撞中的入侵，其中采用PRESS誤差準(zhǔn)則的逐步回歸技術(shù)來避免過度擬合。驗證表明，本文創(chuàng)建的替代模型具有良好的準(zhǔn)確性。采用兩種進化算法，即NSGA-II和AMISS-MOP來解決多重異議優(yōu)化問題。結(jié)果表明，AMISS-MOP的收斂性優(yōu)于NSGA-II。選擇由AMISS-MOP獲得的帕累托最優(yōu)解的最優(yōu)解作為最終設(shè)計。結(jié)果表明，最終的設(shè)計大大提高了車身的性能。 附錄2：外文原文 任務(wù)書 論文(設(shè)計)題目：大型客車車身設(shè)計 工作日期：2016年12月12日 ~ 2017年05月26日 1.選題依據(jù): 客車是現(xiàn)代社會中運輸旅客的主要交通工具。由于其載客量大，占地面積小，在我國應(yīng)用廣泛。客車由發(fā)動機、底盤、車身和電器設(shè)備等幾大部分構(gòu)成。在新車設(shè)計和換型設(shè)計中，發(fā)動機和底盤各總成，一般是采用現(xiàn)有總成加以改進，而車身必須重新設(shè)計 。因此，在汽車設(shè)計中車身設(shè)計工作量最大。 2.論文要求(設(shè)計參數(shù)): 論述客車車身結(jié)構(gòu)技術(shù)在國內(nèi)外的研究現(xiàn)狀及發(fā)展過程，對客車車身結(jié)構(gòu)進行分類 ，確定要設(shè)計的客車車身結(jié)構(gòu)類型。進行車身總體布置設(shè)計。確定發(fā)動機與車門布置。確定外廓尺寸和有關(guān)總布置。確定車廂布置及橫截面尺寸。確定座椅尺寸及操縱機構(gòu)布置。確定備胎、油箱和蓄電池布置。確定儀表板布置。車架及車身骨架設(shè)計。確定車架設(shè)計，確定車身骨架設(shè)計。蒙皮及車內(nèi)覆蓋件設(shè)計。確定外蒙皮設(shè)計。確定內(nèi)部護板設(shè)計。確定地板設(shè)計。 3.個人工作重點: 進行車身總體布置設(shè)計。確定發(fā)動機與車門布置。確定外廓尺寸和有關(guān)總布置。確定車廂布置及橫截面尺寸。確定座椅尺寸及操縱機構(gòu)布置。確定備胎、油箱和蓄電池布置。確定儀表板布置。車架及車身骨架設(shè)計。確定車架設(shè)計，確定車身骨架設(shè)計。蒙皮及車內(nèi)覆蓋件設(shè)計。確定外蒙皮設(shè)計。確定內(nèi)部護板設(shè)計。確定地板設(shè)計。 4.時間安排及應(yīng)完成的工作: 第1周：理解設(shè)計題目，查找參考資料； 第2周：整理參考文獻，撰寫文獻綜述； 第3周：撰寫開題報告，翻譯英文文獻； 第4周：修改開題報告，準(zhǔn)備開題答辯； 第5周：整合已有資料，構(gòu)筑論文大綱； 第6周：完成車身外部造型與總設(shè)計，包括前圍、側(cè)圍、后圍和頂蓋的造型與布置； 第7周：繼續(xù)完成論文的編寫工作，完成地板設(shè)計、座椅布置、座椅設(shè)計及布置和儀表臺 的造型設(shè)計； 第8周：準(zhǔn)備中期檢查； 第9周：完成論文的初稿部分； 第10周：優(yōu)化論文的結(jié)構(gòu)，潤色語句，修改不當(dāng)之處，補充不足之處； 第11周：修改不當(dāng)之處，補充不足之處； 第12周：修改論文，檢查修改圖紙； 第13周：論文資料整合; 第14周：最終定稿，為最終的答辯做好各方面準(zhǔn)備; 第15周：準(zhǔn)備畢業(yè)設(shè)計答辯。 5.應(yīng)閱讀的基本文獻: [1]趙永輝.大客車車身骨架結(jié)構(gòu)拓?fù)鋬?yōu)化設(shè)計[D].武漢理工大學(xué),2008. [2]王懷.大客車車身骨架有限元分析與輕量化改進設(shè)計[D].江蘇大學(xué),2003. [3]蘇瑞意,桂良進,吳章斌,田程,馬林,范子杰.大客車車身骨架多學(xué)科協(xié)同優(yōu)化設(shè)計[J].機械 工程學(xué)報,2010,18:128-133. [4]徐宏兵,葛如海,王懷.大客車車身骨架輕量化改進設(shè)計[J].江蘇大學(xué)學(xué)報(自然科學(xué)版 ),2003,06:25-28. [5]江志雙.基于UG的客車車身計算機輔助設(shè)計[D].武漢理工大學(xué),2005. [6]朱靜.大客車頂部結(jié)構(gòu)強度分析及翻滾碰撞性能研究[D].長安大學(xué),2008. [7]王磊,金達鋒,李軒.基于CATIA的大客車車身曲面設(shè)計[J].客車技術(shù)與研究,2006,06:11-13. [8]Ruiyi Su，Liangjin GuiZijie Fan.Multi-objective optimization for bus body with strength and rollover safety constraints based on surrogate models.September 2011, Volume 44, Issue 3, pp 431–441. [9]Wei ZhongRuiyi SuLiangjin GuiZijie Fan.Multi-objective topology and sizing optimization of bus body frame.September 2016, Volume 54, Issue 3, pp 701–714. [10]Pavel Polach.Design of characteristics of air-pressure-controlled hydraulic shock absorbers in an intercity bus.February 2008, Volume 19, Issue 1, pp 73–90. 指導(dǎo)教師簽字： XX 教研室主任意見： 同意 簽字：XX 2016年12月16日 教學(xué)指導(dǎo)分委會意見： 同意 簽字：XX 2016年12月17日 學(xué)院公章 進度檢查表 第 -4 周 工作進展情況 明確了設(shè)計任務(wù)。查找了包含《大客車車身骨架多學(xué)科協(xié)同優(yōu)化設(shè)計》 、《大客車車身骨架結(jié)構(gòu)拓?fù)鋬?yōu)化設(shè)計》、《大客車頂部結(jié)構(gòu)強度分析及翻滾碰撞性能研究》等中文文獻和《Multi-objective topology and sizing optimization of bus body》等外文文獻,整理以后撰寫文獻綜述。 2016年12月21日 指導(dǎo)教師意見 明確設(shè)計任務(wù)，查找一定數(shù)量的文獻并整理，準(zhǔn)備撰寫文獻綜述。 指導(dǎo)教師(簽字)：XX 2016年12月20日 第 -3 周 工作進展情況 查閱資料，對文獻綜述進行多次修改最終定下完稿以及設(shè)計的研究方向 。 2016年12月25日 指導(dǎo)教師意見 能夠按照指導(dǎo)查找一定數(shù)量的參考文獻，多次修改文獻綜述。 指導(dǎo)教師(簽字)：XX 2016年12月27日 第 -2 周 工作進展情況 為開題報告答辯準(zhǔn)備并進行答辯，完善修改了開題報告，準(zhǔn)備進行下一步計劃。 2017年01月03日 指導(dǎo)教師意見 開題報告已如期上傳，可以進行下一步的英文文獻的翻譯工作了。 指導(dǎo)教師(簽字)：XX 2017年03月10日 第 0 周 工作進展情況 對大型客車車身的外部造型進行設(shè)計，主要工作內(nèi)容是前圍設(shè)計。 2017年04月14日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年03月10日 第 2 周 工作進展情況 對大型客車車身外部造型進行設(shè)計，主要內(nèi)容為后圍設(shè)計。 2017年04月14日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年03月10日 第 4 周 工作進展情況 對大型客車車身外部造型進行設(shè)計，主要內(nèi)容為左右側(cè)圍設(shè)計。 2017年04月14日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年03月27日 第 6 周 工作進展情況 對大型客車車身頂蓋進行設(shè)計，主要內(nèi)容為頂蓋設(shè)計，并進行中期檢查答辯。 2017年04月14日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年04月10日 第 7 周 工作進展情況 對大客車車身內(nèi)部造型進行設(shè)計，包括地板設(shè)計及座椅布置。 2017年05月09日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年04月18日 第 8 周 工作進展情況 繼續(xù)進行大客車車身的內(nèi)部造型設(shè)計，包括儀表臺造型設(shè)計。 2017年05月09日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年04月24日 第 9 周 工作進展情況 繼續(xù)進行大客車車身的內(nèi)部造型設(shè)計，包括駕駛員座椅設(shè)計和及布置。 2017年05月21日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年05月14日 第 10 周 工作進展情況 繼續(xù)進行大客車車身的內(nèi)部造型設(shè)計，包括座椅及座椅支架優(yōu)化。 2017年05月21日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年05月14日 第 11 周 工作進展情況 完成論文初稿計劃并潤色，修改不當(dāng)之處，補足不足之處。 2017年05月21日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年05月14日 第 12 周 工作進展情況 整合論文資料最終定稿，設(shè)計準(zhǔn)備并進行畢業(yè)論文答辯。 2017年06月07日 指導(dǎo)教師意見 請按進度匯報工作，以保證畢業(yè)設(shè)計工作的正常進行與完成。 指導(dǎo)教師(簽字)：XX 2017年05月25日 第周 工作進展情況 年 月 日 指導(dǎo)教師意見 指導(dǎo)教師(簽字)： 年 月 日 過程管理評價表 評價內(nèi)容 具體要求 總分 評分 工作態(tài)度 態(tài)度認(rèn)真，刻苦努力，作風(fēng)嚴(yán)謹(jǐn) 3 2 遵守紀(jì)律 自覺遵守學(xué)校有關(guān)規(guī)定，主動聯(lián)系指導(dǎo)教師,接受指導(dǎo) 3 2 開題報告 內(nèi)容詳實，符合規(guī)范要求 5 4 任務(wù)完成 按時、圓滿完成各項工作任務(wù) 4 3 過程管理評分合計 11 過程管 理評語 該生在畢業(yè)設(shè)計工作過程中態(tài)度較認(rèn)真，能夠按照所布置的任務(wù)尋求解決問題的方法，對科學(xué)研究具有較嚴(yán)謹(jǐn)?shù)墓ぷ髯黠L(fēng)。在畢設(shè)過程中能夠自覺遵守學(xué)校的有關(guān)規(guī)定，在老師規(guī)定的時間聯(lián)系導(dǎo)師，但有時網(wǎng)絡(luò)匯報工作不夠及時，能夠按照要求回到學(xué)校當(dāng)面接受指導(dǎo)并接受中期檢查。開題報告撰寫基本符合規(guī)范要求，查找并參考了一定數(shù)量的文獻，內(nèi)容較詳實，安排基本合理。能夠在規(guī)定時間內(nèi)確定并完成與研究內(nèi)容相關(guān)的英文文獻的翻譯工作。雖然工作較計劃稍有滯后但還是在畢業(yè)設(shè)計規(guī)定的時間里完成了畢業(yè)設(shè)計和論文的撰寫工作任務(wù)。 指導(dǎo)教師簽字:XX 日期:2017-06-16 指導(dǎo)教師評價表 評價內(nèi)容 具體要求 總分 評分 選題質(zhì)量 符合培養(yǎng)目標(biāo)要求,有一定的研究價值和實踐意義,有一定的開拓性、創(chuàng)新性,深度、難度適宜,工作量飽滿 5 4 能力水平 有較強的綜合運用知識能力、科研方法運用能力、中文表達與外語能力、文獻資料檢索能力、計算機應(yīng)用能力 5 3 完成質(zhì)量 文題相符,概念準(zhǔn)確,分析、論證、計算、設(shè)計、實驗等正確合理,結(jié)論明確；論文結(jié)構(gòu)、撰寫格式、圖表等符合基本規(guī) 10 6 指導(dǎo)教師評分合計 13 指導(dǎo)教 師評語 該生以《大型客車車身設(shè)計》為題，以某公交車為例進行車身設(shè)計，具有一定的實踐意義，選題的深度、難度較適宜，工作量較充足。從畢業(yè)設(shè)計的過程來看，該生具有一定的綜合運用知識的能力，具有一定的中英文表達能力，能利用計算機進行輔助設(shè)計，說明該具有一定的計算機應(yīng)用能力，基本能夠達到本科生的培養(yǎng)目標(biāo) 。從論文完成質(zhì)量看，論文文題基本相符，分析、計算、設(shè)計等基本合理，論文的結(jié)構(gòu)較合理，撰寫格式、圖表等基本符合規(guī)范的要求。 指導(dǎo)教師簽字:XX 日期:2017-06-16 評閱人評價表 評價內(nèi)容 具體要求 總分 評分 選題質(zhì)量 符合培養(yǎng)目標(biāo)要求,有一定的研究價值和實踐意義,有一定的 開拓性、創(chuàng)新性,深度、難度適宜,工作量飽滿 5 4 能力水平 有較強的綜合運用知識能力、科研方法運用能力、中文表 達與外語能力、文獻資料檢索能力、計算機應(yīng)用能力 5 3 完成質(zhì)量 文題相符,概念準(zhǔn)確,分析、論證、計算、設(shè)計、實驗等正確 合理,結(jié)論明確；論文結(jié)構(gòu)、撰寫格式、圖表等符合基本規(guī) 10 6 評閱人評分合計 13 評閱人 評語 文中對KLQ6100G城市公交車進行了車身設(shè)計，包括車身造型 、內(nèi)飾布置、乘客區(qū)布置等各種汽車布置進行設(shè)計與研究。選題屬汽車設(shè)計研究范疇，符合車輛工程專業(yè)培養(yǎng)目標(biāo)要求，有一定的實踐意義，難度適宜，工作量飽滿；該生具有一定的運用專業(yè)知識的能力，中英文表達能力尚可，具有一定的文獻資料檢索能力和計算機應(yīng)用能力；設(shè)計說明書文題相符，分析、論證基本合理，結(jié)論可信；論文結(jié)構(gòu)、撰寫格式、圖表等符合基本規(guī)范要求。綜合該同學(xué)所提交的圖紙、設(shè)計說明書，完成了設(shè)計任務(wù)書的要求，達到了車輛工程專業(yè)畢業(yè)設(shè)計要求，同意參加本科畢業(yè)答辯。 評閱人簽字：XX 評閱人工作單位：XX日期：2017-06-18 答辯委員會評價表 評價內(nèi)容 具體要求 總分 評分 自述總結(jié) 思路清晰,語言表達準(zhǔn)確,概念清楚,論點正確,分析歸納合理 10 6 答辯過程 能夠正確回答所提出的問題,基本概念清楚,有理論根據(jù) 10 6 選題質(zhì)量 符合培養(yǎng)目標(biāo)要求,有一定的研究價值和實踐意義,有一定的 開拓性、創(chuàng)新性,深度、難度適宜,工作量飽滿 5 4 完成質(zhì)量 文題相符,概念準(zhǔn)確,分析、論證、計算、設(shè)計、實驗等正確 合理,結(jié)論明確；論文結(jié)構(gòu)、撰寫格式、圖表等符合基本規(guī) 10 6 能力水平 有較強的綜合運用知識能力、科研方法運用能力、中文表 達與外語應(yīng)用能力、文獻資料檢索能力、計算機應(yīng)用能力 10 6 答辯委員會評分合計 28 答辯委員會評語 毛力東同學(xué)在畢業(yè)設(shè)計工作期間，基本遵守各項紀(jì)律，表現(xiàn)一般。 能按時完成畢業(yè)設(shè)計有關(guān)任務(wù)。 論文立論正確，立論分析無原則性的錯誤，解決問題方案有一定的參考價值，結(jié)論基本正確。 論文使用的概念基本正確，語句通順，條理比較清楚。 論文中使用的圖表，設(shè)計中的圖紙在書寫和制作時，能夠執(zhí)行國家相關(guān)標(biāo)準(zhǔn)，基本規(guī)范。 能夠查閱文獻資料，原始數(shù)據(jù)搜集得當(dāng)，實驗或計算結(jié)論基本準(zhǔn)確。 答辯過程中，能夠闡述出論文的主要內(nèi)容，主要問題經(jīng)答辯教師啟發(fā)后能夠回答出來。 答辯成績： 28 答辯委員會主任： XX 2017年06月23日 成績評定 項目分類 成績評定 過程管理評分 11 指導(dǎo)教師評分 13 評閱人評分 13 答辯委員會評分 28 總分 65 成績等級 D 成績等級按“A、B、C、D、F”記載 成績審核人簽章： XX 審核人簽章： XX