ModeFrontier在整车多学科及轻量化优化中的应用


modefrontier整车多学科优化及轻量化优化的图1

图:多学科分析工况


本文以modeFrontier环境介绍整车多学科优化及轻量化优化。针对刚度、NVH等线性工况,首先进行灵敏度分析进行变量筛选。针对碰撞等分线性工况,根据经验筛选出设计变量。然后分别针对不同的工况进行DOE分析采样,用于构建元模型,包括质量元模型。然后在基于元模型进行优化,使用遗传算法进行优化分析。



一、设计变量筛选:

关于设计变量的筛选,请参照《基于Isight多学科优化及轻量化优化》一文中基于灵敏度分析进行变量筛选的部分。

链接:【基于Isight多学科优化及轻量化优化】



二、设计参数:

2.1 设计变量:根据灵敏度分析结果,筛选设计变量。

modefrontier整车多学科优化及轻量化优化的图2

刚度:24个厚度变量

NVH:26个厚度变量

modefrontier整车多学科优化及轻量化优化的图3



正碰:14个厚度变量

modefrontier整车多学科优化及轻量化优化的图4

做好设计变量统计表,便于多学科联合时变量关联。



2.2 设计响应:


modefrontier整车多学科优化及轻量化优化的图5

正碰:防火墙侵入量



modefrontier整车多学科优化及轻量化优化的图6

正碰:B柱加速度

modefrontier整车多学科优化及轻量化优化的图7

弯曲刚度

modefrontier整车多学科优化及轻量化优化的图8

弯扭模态



三、modefrontier多学科优化
多学科优化中的碰撞工况使用LSDYNA进行求解,白车身刚度和模态使用Nastran进行求解。

modefrontier整车多学科优化及轻量化优化的图9

图:modefrontier多学科优化图


modefrontier整车多学科优化及轻量化优化的图10

图:modefrontier多学科优化界面



3.1 输入参数


modefrontier整车多学科优化及轻量化优化的图11



3.2 求解模块

      刚度、模态使用Nastran求解器进行求解,结果提取包括f06文件、meta提取op2结果等用于创建设计响应,设计约束。

modefrontier整车多学科优化及轻量化优化的图12

图:模态分析模块


modefrontier环境Nastran模块设置参照《ModeFRONTIER联合Nastran求解器仿真优化流程》。

链接:【 ModeFRONTIER联合Nastran求解器仿真优化流程


对于模态分析,需要考虑模态追踪,关于模态追踪的方法参照《META&Python在车身模态优化分析中进行模态追踪的应用》

链接:【META&Python在车身模态优化分析中进行模态追踪的应用

modefrontier整车多学科优化及轻量化优化的图13


图:刚度分析模块


modefrontier整车多学科优化及轻量化优化的图14

图:碰撞分析模块

modefrontier环境lsdyna模块设置参照《ModeFRONTIER联合LSDYNA求解器仿真优化流程》

链接:【 ModeFRONTIER联合LSDYNA求解器仿真优化流程
 

modefrontier整车多学科优化及轻量化优化的图15

图:质量模型模块


由于不同学科的设计变量不一致,因此需要一个包含所有设计变量的模型用来统计质量响应。本例中通过更新一个包含所有设计变量的模型获得模型质量。主要过程:通过更新设计变量进而更新模型求解文件,然后后台调用ansa运行Python脚本获得模型质量,该方法可以在其他任何优化类型中用于获得模型质量响应。当然,这个过程适合任何分析模型,包括刚强度、 NVH和碰撞分析。

modefrontier整车多学科优化及轻量化优化的图16


以上主要通过DeckMassInfo命令获得模型质量信息,通过后台调用ansa运行Python脚本,会生成包含模型质量数据的txt文件。Ansa后台调用Python命令的语法为: ansa64.bat -exec "load_script: 'getnastranmassbypython.py'" -exec "main()" -nogui
 


3.3 DOE分析

使用优化拉丁方法进行DOE分析,试验点在空间分布均匀,有效性高。
 

modefrontier整车多学科优化及轻量化优化的图17


计算完成后,所有的结果保存在Design Table中,后续基于设计表进行响应面模型的创建。

modefrontier整车多学科优化及轻量化优化的图18

图:实验设计表结果



modefrontier整车多学科优化及轻量化优化的图19

图:元模型算法

本例中选择多项式、Kriging、径向基函数、神经网络算法进行元模型的构建。

modefrontier整车多学科优化及轻量化优化的图20

图:元模型函数

针对于不同的设计响应的元模型,不同的算法的精度是有所差异的,这和元模型的类型本身是相关的。modefrontier会创建的元模型进行对比,给出几种元模型中按照某一个评判标准(精度)的对比,标记出精度最好的元模型。如上图中标小星星的元模型。
 

modefrontier整车多学科优化及轻量化优化的图21


图:弯曲模态元模型验证

modefrontier整车多学科优化及轻量化优化的图22

图:弯曲模态元模型


modefrontier整车多学科优化及轻量化优化的图23

图:扭转模态元模型验证

modefrontier整车多学科优化及轻量化优化的图24

图:扭转模态元模型

modefrontier整车多学科优化及轻量化优化的图25

图:质量模型元模型验证

modefrontier整车多学科优化及轻量化优化的图26

图:质量模型元模型

modefrontier整车多学科优化及轻量化优化的图27

图:B柱最大加速度元模型验证

modefrontier整车多学科优化及轻量化优化的图28

图:B柱最大加速度元模型

modefrontier整车多学科优化及轻量化优化的图29

图:防火墙侵入量元模型验证

modefrontier整车多学科优化及轻量化优化的图30

图:防火墙侵入量元模型

modefrontier整车多学科优化及轻量化优化的图31

图:分析结果Scatter图

modefrontier整车多学科优化及轻量化优化的图32

图:分析结果Scatter 3D图


在得到了满足精度要求的元模型后,如一般误差R方值大于0.95均可满足工程要求,导出元模型用于后续基于RSM的优化分析。
 


3.4 基于RSM的优化

modefrontier整车多学科优化及轻量化优化的图33

图:modefrontier基于RSM优化流程



modefrontier整车多学科优化及轻量化优化的图34

图:modefrontier基于RSM优化流程图

modefrontier整车多学科优化及轻量化优化的图35

图:设计约束

modefrontier整车多学科优化及轻量化优化的图36

图:设计目标

      约束考察的分析工况的性能目标,以质量最小为设计目标,使用NSGA-Ⅱ优化算法。

modefrontier整车多学科优化及轻量化优化的图37

图:设计目标优化历程结果


从优化结果来看,在满足各项性能要求的基础上,减重效果十分明细。由于本例中的设计变量参数为任意给出,比如厚度范围0.5mm-8.5mm,因此优化空间范围较实际问题大,所有结果更加明显。在实际工程问题中,只需要按照实际的设计输入给出设计空间即可。
   

结束语:整车多学科优化过程的实现可以通过常用的几种优化软件来实现,包括Isight、LSOPT、Optimus、modeFrontier等。具体的实现过程基本上是大同小异。至此,几种优化软件的实现过程已经全部做过了介绍。

关于整车多学科优化及轻量化优化,需要注意或者关注以下几个方面:


1.模型的同步更新:多学科优化过程中需要同时考虑强度耐久、刚度、NVH、碰撞安全等性能,对于同一个设计变量,如料厚,需要保证在所有学科分析模型中同时同步更新。做好设计变量表格的统计十分重要。
 

2.计算资源的规划:对于强度耐久、刚度、NVH等分析计算一般需要的计算资源没有结构碰撞的需求高。一次DOE计算,刚度、强度、NVH等需要几十分钟或者几个小时,而结构碰撞往往需要几个小时或十几个小时。往往DOE分析随着设计变量的增多,需要计算的试验点会非常庞大。因此,对于计算资源的分配,协调是十分重要的。当然,过程中还涉及的高性能的计算设置,比如Nastran-HPC设置,LSDYNA-Decomposition设置等,一次计算提升效率10-20%,则整个项目计算时间可能会节省1-2两天。关于Nastran高性能、LSDYNA-MPP高效计算设置可以参考《Nastran高性能计算》,《LSDYNA_MPP_DECOMPOSITION》。
 


链接:【Nastran高性能计算

链接:【LSDYNA_MPP_DECOMPOSITION

3

.结果后处理:多学科优化涉及到不同的学科,因此需要工程师对于不同学科的分析计算内容都要十分的了解,尤其是对于结果的后处理用于创建设计响应,如应力强度、动刚度、模态频率、静刚度、加速度、侵入量、疲劳寿命等等。这里建议使用Meta、Python环境进行后处理设计响应的创建。可以参考《使用Meta进行后处理用于联合优化软件》。

链接:【使用Meta进行后处理用于联合优化软件

4.DOE方法、RSM方法、优化方法的选择:DOE用于空间探索,一般使用的如优化拉丁方法。响应面或者元模型的创建包括多项式、径向基函数、kriging、神经网络等,或者比较新的ML法等。优化算法一般选择全局优化算法-遗传算法或通过优化策略组合局部和全局优化算法等。

至此,常见的优化软件的求解器优化设置,多学科优化设置等基本都介绍完了。包括Nastran、ABAQUS、Lsdyna等,以及优化软件用于材料参数拟合,及多学科优化。

链接:【基于LS-OPT的整车多学科优化及轻量化优化分析

链接:【基于optimus整车多学科数值优化及轻量化优化

链接:【基于Isight多学科优化及轻量化优化

免责声明:本文系网络转载或改编,未找到原创作者,版权归原作者所有。如涉及版权,请联系删

QR Code
微信扫一扫,欢迎咨询~

联系我们
武汉格发信息技术有限公司
湖北省武汉市经开区科技园西路6号103孵化器
电话:155-2731-8020 座机:027-59821821
邮件:tanzw@gofarlic.com
Copyright © 2023 Gofarsoft Co.,Ltd. 保留所有权利
遇到许可问题?该如何解决!?
评估许可证实际采购量? 
不清楚软件许可证使用数据? 
收到软件厂商律师函!?  
想要少购买点许可证,节省费用? 
收到软件厂商侵权通告!?  
有正版license,但许可证不够用,需要新购? 
联系方式 155-2731-8020
预留信息,一起解决您的问题
* 姓名:
* 手机:

* 公司名称:

姓名不为空

手机不正确

公司不为空