论文部分内容阅读
随着汽车工业的快速发展导致能源问题、污染问题的日益严重,汽车轻量化与耐撞性设计已经成为汽车工业在目前以及未来所面临的重要问题。在汽车轻量化及耐撞性设计中,基于代理模型的优化技术已经成为一种重要的解决手段。然而传统的基于代理模型的优化方法在解决如汽车碰撞这类高速、大变形、高成本的高度非线性优化问题仍面临计算量大、优化周期长、优化精度差等问题。目前,以高效全局优化算法(Efficient Global Optimization,简称EGO算法)为代表的高效算法的提出为解决此类问题提供了新方案,然而由于其采用串行计算的方式进行优化,计算效率仍然无法满足大部分汽车优化问题的要求。随着计算资源的日益丰富,并行计算为进一步提升EGO算法的优化效率提供了新思路。为了解决以上问题,本文基于EGO算法进行了并行改进,提出一种适用于解决汽车轻量化及耐撞性优化设计的并行EGO算法。该方法以多起点局部最优策略作为并行策略,结合工程实际,对并行取点数量以及优化终止条件进行控制。随后,文章对并行后的EGO算法与经典EGO算法进行数值测试分析,突出了改进后算法的优势以及实际应用价值。最后,采用本文提出的并行EGO算法对轧制差厚板帽型梁部件进行了优化设计,使部件在质量不增加的基础上明显提高了其耐撞性。另外,由于在汽车轻量化及耐撞性设计中,大多数优化问题属于多目标问题,而目前对多目标EGO算法的研究,尤其是并行多目标EGO算法的研究尚少。因此,本文重点对Keane所提出的多目标EGO算法进行了深入研究,采用了“克里金信任”与多起点局部最优两种策略对算法进行并行改进,并针对算法所得Pareto解过少的缺点,采用了多目标遗传算法(Nondominated Sorting Genetic Algorithm II,NSGA-II)进行外部嵌套。随后,本文将两种并行算法进行了数值算例的测试分析,并与原多目标EGO算法以及基于克里金(Kriging)模型的NSGA-II算法进行了对比分析,证明了改进后的算法具有更快的收敛速度且可以得到更均匀、多样的Pareto解集。最后,本文将基于“克里金信任”策略的并行多目标EGO算法应用于两个实际工程问题中,并取得良好的优化结果。尤其是在基于轧制差厚板工艺下的汽车B柱的优化设计中,取得了10.1%的减重效果以及12.8%的侵入量降低效果,进一步证明了本文所提出的算法的实际意义以及更加广泛的应用前景。