基于正向开发流程的车身轻量化设计

王磊　刘莹　乔鑫

摘 要：从概念设计阶段开始，通过隐式参数化建模的方法建立一个全参数化白车身模型，采用分步优化设计的方法，在保持对整车性能控制的同时，使轻量化设计贯穿整个过程。在不同阶段分别针对整车模态、弯扭刚度、碰撞性能和质量等指标进行优化。先后经过结构拓扑优化、车身尺寸优化、局部形状优化、零件厚度优化、碰撞性能优化，最终得到车身多个性能均满足要求时的最佳车身尺寸和轻量化方案。

关键词：正向开发；隐式参数化；轻量化；白车身；SFE Concept

中图分类号：U463.82文献标文献标识码：A文献标DOI：10.3969/j.issn.2095-1469.2015.06.12

Abstract：Based on the implicit parametric modeling techniques， a parametric body in white （BIW） model was built. While maintaining the vehicle performance， the paper involves lightweight design throughout the entire development process beginning from the conceptual phase. The mode， bending and torsion stiffness， crash performance and mass were optimized respectively at different stages of design. After structural topology optimization， vehicle size optimization， local shape optimization， thickness optimization and crash performance optimization， the optimal vehicle size and the lightweight solution of BIW were obtained while the design meets all the performance requirements.

Key words：positive development； implicit parameter； lightweight； body in white； SFE Concept

轻量化目前越来越受到人们的重视，汽车的轻量化就是在保证汽车的强度和安全性的前提下，尽可能地降低汽车的整备质量，从而提高汽车的动力性，减少燃料消耗，降低排气污染。

随着中国汽车研发水平的提升，优化设计已经逐步应用到整车开发过程中。隐式参数化建模和优化方法在概念设计阶段便可介入，建立全参数化的白车身模型之后，采用参数驱动结构形状和拓扑的改变，可以同时对多种组合方案进行快速的改变，还可通过较少的变量控制大量的参数变化，借助优化平台和优化算法来实现整车性能的自动优化[1-6]。

提出了分步优化法，可以有效避免各种类型的优化变量如形状、尺寸、厚度等组合优化时，所需计算时间过长，且优化效果不理想的问题。此外，在实际工作中，分步优化法可以更高效地利用机器资源和多部门的协同工作。

1 结构拓扑优化

首先借助SFE Concept的隐式参数化建模技术创建模型[7]，使用现有的车身结构形式，搭建出一个白车身模型用于模态和弯扭刚度基础性能的计算，白车身参数化模型如图1所示。

此时白车身的基础性能见表1。

通过手工替换的方法，对不同断面结构的梁和柱，不同搭接方式的接头及其它结构进行替换，主要以白车身的重量为约束，以弯扭刚度和模态性能最好为目标，首先确定白车身的拓扑结构方案。

如图2所示，对顶棚横梁进行拓扑优化，可以使用一根、两根或者三根横梁结构，通过分别计算三种结构的各项性能来选用性能/重量比最佳的方案；或者对前排座椅横梁的不同搭接形式进行拓扑优化，通过分别计算各项性能之后选用在尽量不降低性能的情况下重量最小的方案等[8]。

经过拓扑优化之后的基础性能见表2。

2 车身尺寸优化

在上一步工作的基础上，可以对车身尺寸在一定范围内进行优化，使性能进一步提高，同时使车内空间变得稍大一些。

2.1 优化变量的确定

录制3个变量，变量范围见表3，分别控制整个车身的长度、宽度和高度的变化。以车身长度、宽度和高度为设计变量，以车身模态、弯曲刚度、扭转刚度、质量为优化目标进行尺寸优化。

2.2 DOE计算

DOE流程如图3所示，此步优化过程中的变量较少，可以使用全因子法生成样本进行DOE计算。针对3个变量及其对应的取值范围，总计选取离散的144个计算样本，其中包括10个检验样本，分别计算白车身的各阶模态、弯曲刚度和扭转刚度，其中模态的计算结果通过模态识别脚本加入对各阶频率和振型的识别。

2.3 尺寸优化

使用DOE计算结果通过二阶响应面法构造近似模型，准确率可达99.4%。

以模态为约束，以弯扭刚度和质量为目标进行多目标优化。随着车身尺寸的增大必然导致整车质量的增加，因此在优化目标里，车身的弯扭刚度比车身重量占有更高的权重。

使用序列二次规划法优化之后得到一组最优的车身尺寸，使白车身的模态不低于45 Hz，且弯扭刚度尽量大而质量尽量小。近似模型的建立及车身尺寸自动优化流程如图4所示。

经过自动优化计算之后，获得此步分析的优化结果见表4。

3 局部形状优化

在获得固定的车身尺寸之后，可以以性能为约束，以重量为优化目标，让性能指标满足要求而质量更小，也可以以重量为约束，以性能为目标，即在重量不增加的情况下性能更好。采用后一种方式所得到的结果可以更好地结合下一步优化工作，且获得的效果更好。

3.1 优化变量的确定及DOE

预先录制26个几何变量（图5），经过灵敏度分析筛选之后，用剩下的21个变量通过正交矩阵和拉丁超立方法生成样本，来进行DOE的计算，总计生成500个计算样本，其中包括10个检验样本。

3.2 局部形状优化

使用Kring插值法建立近似模型，经验证模型的准确率达到94.8%，使用序列二次规划法及遗传算法来进行优化，得到的结果见表5。

4 零件厚度优化

接下来，以白车身各钣金件的厚度作为设计变量，主要目标是减轻重量。

4.1 优化变量的确定

由于此步优化过程变量数较多，先进行敏感度分析是很有必要的，经过筛选最后确定了40个零件的厚度作为变量，并且它们对碰撞性能的影响较小。通过如图6所示的Pareto图进行变量筛选。

经过筛选后作为优化变量的零件如图7所示。

4.2 DOE计算

使用正交表和拉丁超立方结合的方法生成用于DOE计算的样本，针对40个变量平均5水平的范围总计选取900个样本点，包括10个检验样本。依然分别计算白车身的各阶模态、弯曲刚度和扭转刚度。

4.3 厚度优化

使用径向基神经网络法构建近似模型可以达到98.8%的精度，与有限元模型相比，使用二阶、三阶响应面法构造的近似模型精度较差。

以模态、弯扭刚度为约束，以质量为目标进行优化，经过优化之后得到的结果见表6。经过碰撞优化后的结果见表7。

5 碰撞性能优化

最后，需要对碰撞性能进行优化，由于碰撞性能优化的计算时间较长，只对偏置碰的情况进行计算和优化。门盖系统和底盘使用的是外部有限元模型[9]。

5.1 变量的确定

此过程涉及到多种类型的变量设定，包括几何尺寸、材料以及厚度。最终选取6个几何尺寸变量，5个材料变量和5个厚度变量。

5.2 DOE计算

使用正交矩阵和拉丁超立方结合的方法生成用于DOE计算的样本，总计180个样本点其中包括5个检验样本。计算白车身的各阶模态、弯曲刚度和扭转刚度的同时还进行偏置碰撞计算。

5.3 碰撞优化

与有限元模型相比，使用Kring球面法构建近似模型可以达到90%的精度。以质量和其它性能为约束，对侵入量和加速度进行多目标优化[10]，优化后的碰撞性能满足指标要求，如图8和图9所示。

6 结论

（1）除了传统的局部几何优化和材料厚度优化之外，还引入了结构拓扑方案的优化和整车尺寸的优化。对于非线性问题，用于优化的近似模型准确率都可以达到90%以上。

（2）由于使用的参数化模型的特征不够多，最终还需要对每项性能指标使用更为详尽的有限元模型重新做一次分析计算。

（3）借助隐式参数化建模的方法，可以在整个正向开发的过程中一直保持对整车性能和重量的控制，与以往的正向开发流程甚至逆向开发流程相比，在设计初期灵活的拓扑结构方案和车身尺寸可为性能的提升和重量的降低提供更大的优化空间，并且通过分步优化的方法，可以在所需计算时间比较长的阶段使用比较少的变量进行优化，缩短计算时间。

参考文献（References）：

STUHEC U，Zhou Suwei，SHAHIDI B，et al. CAE

Concept Design：a Key Enabler in Virtual Product De-velopment [C]// Human-Computer Interaction Internatio-nal，Las Vagas，Nevada，2005：22-27.

Zhou Suwei，lee m，Cai Hongmei，et al. Upfront Body Structure Development Process Using Parametric Concept Modelling [C]//Proceeding of International Auto Body Congress（IABC），Novi，Michigan，September 19-21，

2006.

J?RGEN H，UWE W. CAE Driven Development Process for the Early Vehicle Development Phase [C]//IABC 2007-World Auto Body Expo，International Automotive Body Congress （IABC），2007：17-19.

史国宏，陈勇，杨雨泽，等.白车身多学科轻量化优化设计应用[J].机械工程学报，2012，48（8）：110-114.

Shi Guohong，Chen Yong，Yang Yuze，et al. BIW Architecture Multidisciplinary Light Weight Optimization Design [J]. Journal of Mechanical Engineering，2012， 48（8）：110-114.（in Chinese）

季枫，王登峰，陈书明，等. 轿车白车身隐式全参数化建模与多目标轻量化优化 [J]. 汽车工程，2014，36（2）：254-258.

Ji Feng，Wang Dengfeng，Chen Shuming，et al. Implicit Parameterization Modeling and Multi-objective Light-weight Optimization for a Car's Body-in-White [J]. Auto-motive Engineering，2014，36（2）：254-258. （in Chinese）

唐辉，门永新，毛雪峰，等. 基于隐式参数化的车身概念开发[J]. 汽车工程，2014，36（10）：1248-1253.

Tang Hui，Men Yongxin，Mao Xuefeng，et al. Concept Development of Vehicle Body Based on Implicit Parametric Technology [J]. Automotive Engineering，2014，36（10）：1248-1253. （in Chinese）

SFE GmbH.SFE CONCEPT V4.2 Books[G].2010.VOLZ VOLZ K H，ZIMMER H. Optimizing Topology and Shape for Crashworthiness in Vehicle Product Development [C]//International Automotive Body Congress，2007.

ZIMMER H. Implicitly Parametric Crash and NVH Analy-sis Models in the vehicle Concept Design Phase [C]//LS-Dyna User Conference，Bamberg-Germany，2005.

J?RGEN H. On the Development of a Process Chain for Structural Optimization in Vehicle Passive Safety [D]. Berlin：Technische Universit?t Berlin，2009.