论文部分内容阅读
车身结构轻量化技术的发展对于节约能源有着重大的意义。替换材料和结构优化是实现轻量化的主要途径。由于箱型梁结构在车架应用中非常广泛,本文主要研究如何优化设计复合材料箱型梁,在满足强度刚度振动模态的约束下,实现结构的质量最轻。而结构优化问题本质上是一个数学问题。任何优化问题都可以概括为包含目标,约束和优化变量的数学优化问题。解决数学优化问题的关键是提出高效的优化算法。本文针对纤维铺层复合材料,提出二级多约束松弛优化算法,为纤维铺层复合材料结构的优化设计提出了新的思路。本文首先对近年来纤维铺层复合材料结构的优化方法进行综述。作者发现分级优化思想广泛运用于纤维铺层复合材料结构的优化设计中,其优点是将原有的复杂问题简单化了。在每一级优化的时候,优化算法更加容易收敛,因为优化问题的规模减小了。但其缺点也非常明显:将原有问题拆分为几个子问题分别独立的进行优化,如果不采用合理的方法协调控制各个子问题的优化,所得到的优化结果可能远离全局最优。为了解决此问题,本文提出了二级多约束松弛优化算法。该算法首先将纤维铺层复合材料结构的优化问题拆分为两级:尺寸优化级和纤维铺层优化级。不同于传统的尺寸优化,本文将该级的刚度约束进行了放松,而此放松的程度是通过引入松弛系数实现的。而后的纤维铺层优化是基于第一级得到的最优尺寸参数进行的。松弛系数被当作系统变量,通过一个独立于子级的优化算法优化,以控制整个优化问题优化的方向。尺寸优化级中只有连续的尺寸变量,故而采用基于梯度的优化算法。纤维铺层优化级只有离散的优化变量,采用具有记忆功能的遗传算法进行优化比较合理。针对系统级的优化,单约束松弛和多约束松弛所采用的算法不一样。对于单约束松弛问题,由于松弛程度和最终的体积之间是单调的关系,所以采用二分法可以快速的收敛。而对于多约束松弛问题,为了节省计算时间,运用径向基神经网络建立了每组尺寸和其经过遗传算法优化后的最佳结构响应之间的关系。本文通过研究一个单约束松弛和两个多约束松弛算例,证明了该算法的有效性。并且由于该算法可以使得最终结构的刚度响应正好在预定的约束之内,更好地探索了轻量化的潜能。最后,本文讨论了此算法在更广领域的运用。