论文部分内容阅读
随着汽车保有量的不断增加、汽车车速的不断提高,汽车碰撞安全问题越来越受到关注。高强钢由于其高强度、高吸能性而广泛应用于汽车吸能部件中。高强钢材料在应变率效应的影响下,在碰撞变形中的力学性能相比于静态条件下的力学性能有较大不同。所以,准确的应变率参数是获得高精度碰撞仿真的前提。近似模型技术由于具有较强的可操作性,在节省成本、提高优化效率方面具有较大的优势而得到广泛应用。基于有限元仿真与近似模型技术的混合数值方法逐渐成为主流的参数反求策略。针对现有主流近似模型的不适合强非线性高维问题和忽略变量间耦合关系判断的缺点,本文在传统数据组处理方法(Group Method of Data Handling, GMDH)基础上加入耦合关系判断机制,创建解耦型GMDH,并成功运用到拼焊板参数反求中,具体工作内容如下：(1)综合论述多种参数反求方法的技术特点,选择基于有限元仿真和近似模型的数值方法作为本文的反求方法；在综合比较现有近似模型技术特点的基础上引入适合高维问题的GMDH方法作为本文的基本近似模型方法。(2)综合论述了现有的针对GMDH节点表达式单一的两类改进方法,第一类改进方法一定程度上增加了部分表达式多样性,但是增大了有效变量过早删除的风险,第二类改进方法已经偏离了GMDH基本思想。本文在传统GMDH的基础上,引入耦合判断机制,即在模型开始构造前对变量之间的耦合性进行判断,根据判定的结果决定是否增加耦合项,不仅可以降低有效变量过早删除的风险,还保留了GMDH自组织的特点。(3)分别采用不含耦合项和含有耦合项的两类高维非线性函数对解耦型GMDH方法进行验证,结果表明,解耦型GMDH均能准确判断变量之间的耦合关系,同时在使用较少样本点的基础上达到了较高的精度；采用车架轻量化算例验证该方法的实用性,结果表明,解耦型GMDH不但可以建立高精度的近似模型,还能与优化算法实现无缝融合。(4)综合考虑实车的多部件焊接结构,考察焊接部件所展现的共同吸能特性,以两种材料组成的拼焊板台车试验为基础,采用解耦型GMDH建立待求参数与目标变量之间的近似模型,最后通过寻优算法一次性同时确定两种材料的参数。与试验结果对比表明,该方法具有较高的精度。