ls-dyna碰撞優(yōu)化研究

2016-09-26 by:CAE仿真在線來源:互聯(lián)網(wǎng)

安全、節(jié)能和環(huán)保是目前汽車工業(yè)發(fā)展面臨的三大主題,而這些問題都與汽車輕量化密切相關。大量研究表明,汽車每減重10%,其油耗將減少6~8%,排放量降低5~6%。但是汽車在輕量化的同時,對汽車安全性也提出了更嚴峻的挑戰(zhàn)。為了達到汽車輕量化和安全性能的完美平衡,合理的材料與板厚的匹配顯得尤為重要?；谝陨显?本文提出一種基于HyperMesh 12.0、Ls-dyna R7.1.1、iSIGHT5.8.3及MATLAB2014a的一種車身關鍵零部件材料板厚優(yōu)化匹配的自動化方法。

模型描述

本文研究對象為某公司在研車型,其有限元模型及樣車如圖1所示。該模型包含771個部件,998,218個節(jié)點,974,383個殼單元(主要為四邊形單元),4497個梁單元,19,314個實體單元,總重量為1263kg。

圖1整車有限元模型及樣車示意圖

圖3給出了車身仿真的加速度傳感器的布置情況,詳細位置為左右后座橫梁及發(fā)動機上下。

圖2加速度傳感器布置位置

圖3給出了該模型在56.3km/h下的100%正面碰撞的試驗測試結果。很明顯,圖3中變形模式、右后座速度及加速度曲線均與試驗結果相吻合,以及圖4總能量守恒狀態(tài)良好,完全滿足國標的要求,以上結果充分說明了該有限元模型的準確性。

(a)試驗和仿真的總體變形模式對比

(b)右后座椅橫梁加速度的試驗和仿真結果對比

(c)右后座椅橫梁速度的試驗和仿真結果對比

圖3試驗結果及仿真結果的比較

圖4整車碰撞過程中能量變化歷程

圖5中所示保險杠、吸能盒及前縱梁在碰撞的0.08s時吸收能量占整車總吸能的46.8% (如圖4所示),而總重量僅占整車重量的5.3%。以上數(shù)據(jù)充分說明了車身前端結構在整車碰撞安全中的重要作用。因此,本文選擇車身前端結構總的保險杠、吸能盒及前縱梁為研究對象,通過組合使用HyperMesh 12.0、Ls-dyna R7.1.1、iSIGHT5.8.3及MATLAB2014a等工程軟件,實現(xiàn)自動化的材料板厚優(yōu)化匹配。

(a)車前前端結構

(b)前端結果設計變量

圖5整車前端結構示意圖

數(shù)學模型

數(shù)學模型:整車碰撞設計的目的為使結構盡量多的吸能能量、侵入量盡量減小、減速度峰值盡量低,以及重量盡量的輕。設計變量如圖5(b)所示,主要為前端結構的材料及板厚。本文選取的結構響應如表2所示,初始設計如表1所示。

基于以上分析,本文的數(shù)學模型總結如下:

其中x = [x1, x2, x3, x4, x5, x6, x7, x8, x9, x10]T為設計變量,且具有以下離散備選值(如圖5):

以上材料屬性如下表2及圖6所示:

表2 設計響應及其初始值

表3 備選材料屬性

圖6備選材料應力-應變曲線

以上首先使用HyperMesh 12.0建立模型,后續(xù)進行了試驗驗證,確保模型精度,為后續(xù)參數(shù)研究提供必要的條件。為求解上述優(yōu)化問題,本文綜合使用iSIGHT5.8.3、Ls-dyna R7.1.1及MATLAB2014a構建優(yōu)化流程,如圖7所示。其中優(yōu)化算法采用模擬退火算法(Adaptive simulated annealing, ASA),LS-DYNA組件用于求解每次優(yōu)化迭代中更新的k文件,MATLAB組件用于讀取和換算LS-DYNA組件計算的結果。

在該自動化材料板厚匹配的計算方法中,難點在于如何在k文件中解析出設計變量,以及如何從計算結果中解析出需要的響應指標。本文中解析設計變量中對于板厚直接使用板厚數(shù)值作為解析目標,而對比材料在優(yōu)化時解析材料對應的ID號作為設計變量,在優(yōu)化過程中每種材料只調(diào)用其對應的ID即可,也即是設計備選的材料的ID在優(yōu)化中是不變的,而每次迭代只是修改每個構件調(diào)用材料的ID來實現(xiàn)匹配不同材料的目的。在使用ASA優(yōu)化時,對設計變量設置為允許的板厚和材料ID。

對于解析碰撞響應,本文中的響應主要為研究構件吸能及重量,前圍板的最大侵入量和右后座椅橫梁的加速度峰值。本自動化匹配流程中主要采用有include功能提取研究的車身前端結構,對關鍵響應構件建立set,以便在結果文件中直接讀取所需響應結果。為了將計算響應轉(zhuǎn)換為上述優(yōu)化數(shù)學模型中的目標及約束,本文采用MATLAB編程實現(xiàn)數(shù)據(jù)的轉(zhuǎn)換。

圖7 自動化材料板厚優(yōu)化匹配流程

優(yōu)化結果

通過上述優(yōu)化方法獲得優(yōu)化結果如表4和5,由表可知最優(yōu)結果使減速度降低了8.93%,侵入量減少了7.85%,吸能提升了15.33%及重量減輕了1.4%。對最優(yōu)結果進行計算并與初始設計對比,如圖8。由以上計算結果可知,本文中提出的基于HyperMesh 12.0、Ls-dyna R7.1.1、iSIGHT5.8.3及MATLAB2014a的一種車身關鍵零部件材料板厚優(yōu)化匹配的自動化方法非常有效,而且該方法可以推廣到更復雜的工程問題。

表4 最優(yōu)設計變量