一种新型花瓣负泊松比保险杠系统及其多学科优化方法与流程

1.本发明属于车辆碰撞安全技术领域，具体涉及一种新型花瓣负泊松比保险杠系统及其多学科优化方法。


背景技术：

2.近年来，随着我国汽车保有量的增加交通事故发生数量也在逐年递增，给人们的生命财产安全带来无法挽回的损失。据相关统计数据所得出的交通事故中不同碰撞类型所占的概率，在汽车发生交通事故时，正面碰撞的发生概率最大，占总类型数量的40％。
3.当汽车发生正面碰撞时，位于汽车最前端的保险杠系统是首先与物体发生碰撞的部分。该系统通过保险杠横梁以及吸能盒的压溃变形，来吸收碰撞能量，避免撞击力对车身的损害，从而保证了车内人员的安全，所以为了降低汽车前碰事故中的人员伤亡，进行汽车前部保险杠系统的研究意义重大。也正是基于这种保护的思想，早期汽车保险杠系统研究集中在车身安全领域，主要是对车身及车内成员进行保护，因此，保险杠系统常被认为“越硬越好”。
4.随着对汽车安全技术研究的不断深入以及人们对行人安全的广泛重视，行人保护研究已经成为汽车安全技术领域的重点研究内容之一。据调查，在交通事故中，行人伤害达到简化伤害标准(abbreviated injury score，ais)2级以上的身体伤害区域中，下肢的伤害比例为34％，所以，行人腿部保护是行人安全研究领域一个重要的部分。为了减少对行人或者其他道路使用者的伤害，越来越多的国家及组织，着手制定相应的法律法规来指导汽车厂商的设计工作。在行人与汽车相撞时，位于汽车前端的保险杠系统将直接与行人腿部发生接触，造成行人腿部的损伤，因此提高行人保护的安全性能也需要对汽车前保险杆系统进行研究。
5.然而，目前对于保险杠系统的研究主要集中在低速耐撞性，使保险杠系统必须要有足够的刚度和强度，从而保护汽车发生碰撞时车身部件和车内乘员。这种设计对于行人来说，保险杠刚度过大势必会加重碰撞事故中行人下肢的损伤程度。因此，迫切需求一种同时兼顾耐撞性和行人保护两个方面内容的保险杠系统。


技术实现要素：

6.针对于上述现有技术的不足，本发明的目的在于提供一种新型花瓣负泊松比保险杠系统及其多学科优化方法，以解决现有保险杠系统难以同时兼顾耐撞性和行人保护两者的问题；本发明结合负泊松比结构轻质，高能量吸收特性和抗冲击能力的特点，提出一种基于负泊松比材料的新型花瓣负泊松比保险杠系统结构，通过对材料微观结构参数的优化实现其宏观力学性能，并最终实现在不改变原有保险杠横梁耐撞性的同时，进一步降低行人小腿所受到的伤害。
7.为达到上述目的，本发明采用的技术方案如下：
8.本发明的一种新型花瓣负泊松比保险杠系统，包括蒙皮、吸能块覆盖板、花瓣负泊
松比吸能块、横梁覆盖板、花瓣负泊松比保险杠横梁、吸能盒
9.所述保险杠横梁为圆弧形状的立体负泊松比结构，由大量结构方向相同的花瓣元胞结构周期规则布置构成，且相对于车辆纵向的两面焊接有两块所述横梁覆盖板；
10.所述横梁覆盖板在车辆纵向前方的一块与所述吸能块覆盖板焊接在一起，后方的一块与所述吸能盒的前端焊接在一起；
11.所述吸能盒的后端与车辆的车架焊接在一起；
12.所述横梁吸能块同样为圆弧形状的立体负泊松比结构，由大量结构方向相同的花瓣元胞结构周期规则布置构成，但整体尺寸小于保险杠横梁，且相对于车辆纵向的两面焊接有两块所述吸能块覆盖板；
13.所述吸能块覆盖板在车辆纵向前方的一块与所述蒙皮铆接在一起，后方的一块与所述横梁覆盖板焊接在一起；
14.所述横梁吸能块为圆弧形状的立体负泊松比结构，由大量结构方向相同的花瓣元胞结构周期规则布置构成，安装在所述保险杠横梁和蒙皮之间的空间中，与蒙皮通过铆钉连接，与保险杠横梁焊接在一起；
15.进一步地，所述保险杠横梁和横梁覆盖板均采用铝合金材料制成，用于提高系统耐撞性；所述横梁吸能块和所述吸能块蒙版均采用聚丙烯材料制成，用于保护行人；
16.进一步地，所述新型保险杠系统中的保险杠横梁与现有车辆的刚性保险杠横梁具有相同的外形和尺寸；
17.除此之外，本发明还提供一种新型保险杠系统的多学科优化方法，具体步骤如下：
18.(1)基于isight软件建立新型保险杠系统有限元模型、汽车正面碰撞有限元模型、行人小腿有限元模型和刚性墙有限元仿真模型；
19.(2)确定新型保险杠系统的参数和系统与行人碰撞和发生正面碰撞的性能评价指标(即优化目标)；
20.(3)根据步骤(2)确定的系统参数和评价指标，对每个参数分别取三个水平的值进行试验，即最大变动量、最小变动量和中间值，得到试验数据，分析每个参数的灵敏度，选取对应的设计变量；
21.(4)基于步骤(3)中的优化目标和设计变量选取结果，加入保险杠质量作为轻量化目标，建立各个优化目标与设计变量之间的近似模型；
22.(5)结合步骤(4)中建立的近似模型，基于多学科优化方法建立新型保险杠优化模型；
23.(6)通过isight软件搭建优化模型，基于步骤(1)建立的有限元模型进行新型保险杠系统的参数优化。
24.进一步地，所述步骤(2)中确定的系统参数为：吸能块的单胞底边长d
abs
、吸能块的单胞底边和斜边夹角θ
abs
、吸能块的单胞高度h
abs
、吸能块的单胞壁厚t
abs
、保险杠横梁的单胞底边长d
bum
、保险杠横梁的单胞底边和斜边夹角θ
bum
、保险杠横梁的单胞壁厚t
bum
、保险杠横梁的单胞斜边长l
bum
；
25.进一步地，所述步骤(2)中行人碰撞下的性能评价指标为：胫骨最大加速度(acc
p
)、膝部最大剪切位移(s
p
)、膝部最大弯曲角(ben)、行人碰撞保险杠系统吸能量(e
p
)；正面碰撞下的性能指标为：驾驶员座椅下方加速度(accc)、蒙皮纵向侵入位移(sc)、刚性墙
作用力(fw)、正碰保险杠系统吸能量(ec)；
26.进一步地，所述步骤(3)中灵敏度分析的具体步骤如下：
27.(31)根据行人碰撞下的性能指标进行各参数灵敏度分析：
28.(311)分别将八个系统参数对胫骨最大加速度指标进行极差分析，得到所选取的八个系统参数对胫骨最大加速度灵敏度大小的顺序，确定其对应的设计变量参数；
29.(312)分别将八个系统参数对膝部最大剪切位移指标进行极差分析，得到所选取的八个系统参数对膝部最大剪切位移灵敏度大小的顺序，确定其对应的设计变量参数；
30.(313)分别将八个系统参数对膝部最大弯曲角指标进行极差分析，得到所选取的八个系统参数对膝部最大弯曲角灵敏度大小的顺序，确定其对应的设计变量参数；
31.(314)分别将八个系统参数对行人碰撞保险杠系统吸能量指标进行极差分析，得到所选取的八个系统参数对行人碰撞保险杠系统吸能量灵敏度大小的顺序，确定其对应的设计变量参数；
32.(315)选取对各性能指标均会产生影响的公共设计变量参数作为最终待优化的设计变量；
33.(32)根据正面碰撞下的性能指标进行各参数灵敏度分析：
34.(321)分别将八个系统参数对驾驶员座椅下方加速度指标进行极差分析，得到所选取的八个系统参数对驾驶员座椅下方加速度灵敏度大小的顺序，确定其对应的设计变量参数；
35.(322)分别将八个系统参数对蒙皮纵向侵入位移指标进行极差分析，得到所选取的八个系统参数对蒙皮纵向侵入位移灵敏度大小的顺序，确定其对应的设计变量参数；
36.(323)分别将八个系统参数对刚性墙的作用力指标进行极差分析，得到所选取的八个系统参数对刚性墙的作用力灵敏度大小的顺序，确定其对应的设计变量参数；
37.(324)分别将八个系统参数对正碰保险杠系统吸能量指标进行极差分析，得到所选取的八个系统参数对正碰保险杠系统吸能量灵敏度大小的顺序，确定其对应的设计变量参数；
38.(325)选取对各性能指标均会产生影响的公共设计变量参数作为最终待优化的设计变量；
39.进一步地，所述步骤(4)中各优化目标与设计变量间的近似模型采用二阶响应面法建立，具体模型如下：
40.(41)行人碰撞下各优化目标近似模型：
41.胫骨上端最大加速度近似模型：
[0042][0043]
膝关节最大剪切位移近似模型：
[0044][0045]
膝关节最大弯曲角度近似模型：
[0046][0047]
保险杠系统吸能量近似模型：
[0048][0049]
(42)正面碰撞下各优化目标近似模型：
[0050]
驾驶员座椅下方加速度近似模型：
[0051][0052]
蒙皮纵向侵入位移近似模型：
[0053][0054]
刚性墙作用力近似模型：
[0055][0056]
正碰保险杠系统吸能量：
[0057][0058]
(43)系统总质量近似模型：
[0059][0060]
进一步地，所述步骤(5)中的新型保险杠优化模型建立步骤如下：
[0061]
(51)将新型负泊松比保险杠系统的优化设计问题转化为一个系统级优化问题，拆分为主系统和两个子系统，主系统优化目标为：提高保险杠系统的综合性能以及轻量化；行人碰撞子系统和正面碰撞子系统的优化目标分别为：行人保护和正碰耐撞性；
[0062]
(52)根据行人碰撞下确定的设计变量和正面碰撞下确定的设计变量，确定两者的耦合设计变量；
[0063]
(53)利用综合指标f将不同子系统中的不同响应联系起来，表示为：
[0064][0065]
式中，权重值ω＝ωe＝ωa＝0.5；e
′0和e
″0分别表示行人碰撞和正面碰撞的初始设计保险杠系统的吸能量；acc
′
和acc
″
分别表示行人碰撞和正面碰撞的初始设计保险杠系统的驾驶员座椅下方加速度。
[0066]
(54)以综合性能指标和负泊松比保险杠质量为主系统优化目标，以新型保险杠系
统的全部设计变量的变化范围，行人碰撞中的膝部剪切位移、膝部弯曲角，正面碰撞中的蒙皮纵向侵入位移、刚性墙作用力，以及两个子系统中全部设计变量范围与耦合设计变量的最大差异值为约束，构建主系统优化模型：
[0067][0068]
式中，j
ped
和j
cra
分别是行人碰撞子系统和正面碰撞子系统的优化目标；ε
ped
和ε
cra
分别为行人碰撞和正面碰撞子系统的设定的收敛误差阈值；d为实际误差；x
′
和x
″
分别为行人碰撞和正面碰撞下初始设计保险杠系统中x变量初始值，x＝[t
abs
，t
bum
，l
bum
，h
abs
]。
[0069]
(55)构建行人碰撞子系统优化模型和正面碰撞子系统优化模型：
[0070]
行人碰撞子系统优化模型：
[0071][0072]
正面碰撞子系统优化模型：
[0073][0074]
进一步地，所述步骤(6)中的优化步骤如下：
[0075]
(61)在isight软件中搭建各优化模型；
[0076]
(62)子系统优化：采用了基于t分布麻雀搜索算法(t-ssa)进行子系统的优化，得到各子系统中对应的设计变量优化值，除耦合设计变量外的设计变量的最终结果即从当前优化结果中选取；
[0077]
(63)总系统优化：采用自适应多目标粒子群算法amopso对耦合设计变量进行优化，得到耦合设计变量优化值，并在其中选取最终的耦合设计变量最终优化结果。
[0078]
本发明的有益效果：
[0079]
本发明基于负泊松比结构设计了一种新型的保险杠系统，在不改变原有保险杠横梁耐撞性的同时，进一步降低行人小腿所受到的伤害，实现了保险杠系统对耐撞性和行人保护性能的兼顾。
[0080]
本发明采用多学科优化方法，对设计的保险杠系统的结构参数进行了优化，满足了各结构参数对不同性能指标的倾向性，进一步提升了系统的综合性能的同时，降低了整个系统的质量。
附图说明
[0081]
图1为本发明的新型保险杠系统的结构示意图；
[0082]
图2为本发明的分层优化方法流程图。
具体实施方式
[0083]
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
[0084]
参照图1所示，本发明的一种新型花瓣负泊松比保险杠系统，包括蒙皮、吸能块覆盖板、花瓣负泊松比吸能块、横梁覆盖板、花瓣负泊松比保险杠横梁、吸能盒
[0085]
所述保险杠横梁为圆弧形状的立体负泊松比结构，由大量结构方向相同的花瓣元胞结构周期规则布置构成，且相对于车辆纵向的两面焊接有两块所述横梁覆盖板；
[0086]
所述横梁覆盖板在车辆纵向前方的一块与所述吸能块覆盖板焊接在一起，后方的一块与所述吸能盒的前端焊接在一起；
[0087]
所述吸能盒的后端与车辆的车架焊接在一起；
[0088]
所述横梁吸能块同样为圆弧形状的立体负泊松比结构，由大量结构方向相同的花瓣元胞结构周期规则布置构成，但整体尺寸小于保险杠横梁，且相对于车辆纵向的两面焊接有两块所述吸能块覆盖板；
[0089]
所述吸能块覆盖板在车辆纵向前方的一块与所述蒙皮铆接在一起，后方的一块与所述横梁覆盖板焊接在一起；
[0090]
所述横梁吸能块为圆弧形状的立体负泊松比结构，由大量结构方向相同的花瓣元胞结构周期规则布置构成，安装在所述保险杠横梁和蒙皮之间的空间中，与蒙皮通过铆钉连接，与保险杠横梁焊接在一起；
[0091]
优选实施例中，所述保险杠横梁和横梁覆盖板均采用铝合金材料制成，用于提高系统耐撞性；所述横梁吸能块和所述吸能块蒙版均采用聚丙烯材料制成，用于保护行人；
[0092]
优选实施例中，所述新型保险杠系统中的保险杠横梁与现有车辆的刚性保险杠横梁具有相同的外形和尺寸；
[0093]
参照图2所示，本发明还提供一种新型保险杠系统的多学科优化方法，具体步骤如下：
[0094]
(1)基于isight软件建立新型保险杠系统有限元模型、汽车正面碰撞有限元模型、行人小腿有限元模型和刚性墙有限元仿真模型；
[0095]
(2)确定新型保险杠系统的参数为：吸能块的单胞底边长d
abs
、吸能块的单胞底边和斜边夹角θ
abs
、吸能块的单胞高度h
abs
、吸能块的单胞壁厚t
abs
、保险杠横梁的单胞底边长dbum
、保险杠横梁的单胞底边和斜边夹角θ
bum
、保险杠横梁的单胞壁厚t
bum
、保险杠横梁的单胞斜边长l
bum
；系统与行人碰撞和发生正面碰撞的性能评价指标(即优化目标)为：胫骨最大加速度(acc
p
)、膝部最大剪切位移(s
p
)、膝部最大弯曲角(ben)、行人碰撞保险杠系统吸能量(e
p
)；正面碰撞下的性能指标为：驾驶员座椅下方加速度(accc)、蒙皮纵向侵入位移(sc)、刚性墙作用力(fw)、正碰保险杠系统吸能量(ec)；
[0096]
(3)根据步骤(2)确定的系统参数和评价指标，对每个参数分别取三个水平的值进行试验，即最大变动量、最小变动量和中间值，得到试验数据，分析每个参数的灵敏度，选取对应的设计变量，灵敏度分析的具体步骤如下：
[0097]
(31)根据行人碰撞下的性能指标进行各参数灵敏度分析：
[0098]
(311)分别将八个系统参数对胫骨最大加速度指标进行极差分析，得到所选取的八个系统参数对胫骨最大加速度灵敏度大小的顺序，确定其对应的设计变量参数；
[0099]
(312)分别将八个系统参数对膝部最大剪切位移指标进行极差分析，得到所选取的八个系统参数对膝部最大剪切位移灵敏度大小的顺序，确定其对应的设计变量参数；
[0100]
(313)分别将八个系统参数对膝部最大弯曲角指标进行极差分析，得到所选取的八个系统参数对膝部最大弯曲角灵敏度大小的顺序，确定其对应的设计变量参数；
[0101]
(314)分别将八个系统参数对行人碰撞保险杠系统吸能量指标进行极差分析，得到所选取的八个系统参数对行人碰撞保险杠系统吸能量灵敏度大小的顺序，确定其对应的设计变量参数；
[0102]
(315)选取对各性能指标均会产生影响的公共设计变量参数作为最终待优化的设计变量；
[0103]
(32)根据正面碰撞下的性能指标进行各参数灵敏度分析：
[0104]
(321)分别将八个系统参数对驾驶员座椅下方加速度指标进行极差分析，得到所选取的八个系统参数对驾驶员座椅下方加速度灵敏度大小的顺序，确定其对应的设计变量参数；
[0105]
(322)分别将八个系统参数对蒙皮纵向侵入位移指标进行极差分析，得到所选取的八个系统参数对蒙皮纵向侵入位移灵敏度大小的顺序，确定其对应的设计变量参数；
[0106]
(323)分别将八个系统参数对刚性墙的作用力指标进行极差分析，得到所选取的八个系统参数对刚性墙的作用力灵敏度大小的顺序，确定其对应的设计变量参数；
[0107]
(324)分别将八个系统参数对正碰保险杠系统吸能量指标进行极差分析，得到所选取的八个系统参数对正碰保险杠系统吸能量灵敏度大小的顺序，确定其对应的设计变量参数；
[0108]
(325)选取对各性能指标均会产生影响的公共设计变量参数作为最终待优化的设计变量；
[0109]
(4)基于步骤(3)中的优化目标和设计变量选取结果，加入保险杠质量作为轻量化目标，采用二阶响应面法建立各个优化目标与设计变量之间的近似模型，具体模型如下：
[0110]
(41)行人碰撞下各优化目标近似模型：
[0111]
胫骨上端最大加速度近似模型：
[0112][0113]
膝关节最大剪切位移近似模型：
[0114][0115]
膝关节最大弯曲角度近似模型：
[0116][0117]
保险杠系统吸能量近似模型：
[0118][0119]
(42)正面碰撞下各优化目标近似模型：
[0120]
驾驶员座椅下方加速度近似模型：
[0121][0122]
蒙皮纵向侵入位移近似模型：
[0123][0124]
刚性墙作用力近似模型：
[0125][0126]
正碰保险杠系统吸能量：
[0127][0128]
(43)系统总质量近似模型：
[0129][0130]
(5)结合步骤(4)中建立的近似模型，基于多学科优化方法建立新型保险杠优化模型，模型建立步骤如下：
[0131]
(51)将新型负泊松比保险杠系统的优化设计问题转化为一个系统级优化问题，拆分为主系统和两个子系统，主系统优化目标为：提高保险杠系统的综合性能以及轻量化；行人碰撞子系统和正面碰撞子系统的优化目标分别为：行人保护和正碰耐撞性；
[0132]
(52)根据行人碰撞下确定的设计变量和正面碰撞下确定的设计变量，确定两者的耦合设计变量；
[0133]
(53)利用综合指标f将不同子系统中的不同响应联系起来，表示为：
[0134][0135]
式中，权重值ω＝ωe＝ωa＝0.5；e
′0和e
″0分别表示行人碰撞和正面碰撞的初始设计保险杠系统的吸能量；acc
′
和acc
″
分别表示行人碰撞和正面碰撞的初始设计保险杠系统的驾驶员座椅下方加速度。
[0136]
(54)以综合性能指标和负泊松比保险杠质量为主系统优化目标，以新型保险杠系统的全部设计变量的变化范围，行人碰撞中的膝部剪切位移、膝部弯曲角，正面碰撞中的蒙皮纵向侵入位移、刚性墙作用力，以及两个子系统中全部设计变量范围与耦合设计变量的最大差异值为约束，构建主系统优化模型：
[0137][0138]
式中，j
ped
和j
cra
分别是行人碰撞子系统和正面碰撞子系统的优化目标；ε
ped
和ε
cra
分别为行人碰撞和正面碰撞子系统的设定的收敛误差阈值；d为实际误差；x
′
和x
″
分别为行人碰撞和正面碰撞下初始设计保险杠系统中x变量初始值，x＝[t
abs
，t
bum
，l
bum
，h
abs
]。
[0139]
(55)构建行人碰撞子系统优化模型和正面碰撞子系统优化模型：
[0140]
行人碰撞子系统优化模型：
[0141][0142]
正面碰撞子系统优化模型：
[0143][0144]
(6)通过isight软件搭建优化模型，基于步骤(1)建立的有限元模型进行新型保险杠系统的参数优化，优化步骤如下：
[0145]
(61)在isight软件中搭建各优化模型；
[0146]
(62)子系统优化：采用了基于t分布麻雀搜索算法(t-ssa)进行子系统的优化，得到各子系统中对应的设计变量优化值，除耦合设计变量外的设计变量的最终结果即从当前优化结果中选取；
[0147]
(63)总系统优化：采用自适应多目标粒子群算法amopso对耦合设计变量进行优化，得到耦合设计变量优化值，并在其中选取最终的耦合设计变量最终优化结果。
[0148]
本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。