不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法
2023-09-19 02:58:20 1
不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法
【專利摘要】本發明公開了一種不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，屬於汽車可靠性設計優化【技術領域】。該方法包括以下步驟：步驟一：定義基於可靠性設計優化(RBDO)問題；步驟二：為貝葉斯推理偏差模型以及初始響應面模型構建試驗設計(DOE)矩陣；步驟三：使用步驟二中所述的偏差模型修正初始響應面模型並量化來自於重複試驗和CAE仿真的不確定性；步驟四：運行RBDO優化程序尋最優、最可靠解；步驟五：進行蒙特卡洛仿真(MCS)驗證所得解的可靠性。本方法考量了各種不確定性因素對產品性能參數的影響，能有效保證產品整體性能，從而在設計中既保證經濟效益又保證實際運行中的安全可靠。
【專利說明】不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法
【技術領域】
[0001]本發明屬於汽車可靠性設計優化【技術領域】，涉及一種不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法。
【背景技術】
[0002]基於有限元技術仿真的工程設計與優化是一種解決汽車被動安全設計問題的有效的工具。模型驗證即是通過比較CAE模型輸出及所測試驗結果以評估CAE模型在擬用途上的有效性和準確性的過程。成功的模型驗證能明顯減少在汽車設計中樣機建立和試驗的投入。
[0003]在實際仿真設計過程中，不考慮設計變量的不確定性將直接影響車身結構設計的性能指標，易導致車身結構指標不能滿足實際使用要求，從而使得車身結構喪失在規定的使用條件下、規定的時間內完成規定功能的能力，因此，考慮這種固有不確定性的可靠性設計技術至關重要。
[0004]可靠性優化設計(RBDO)方法是結構參數化設計過程中考慮設計變量不確定因素及其對目標和約束函數影響的一種優化設計技術。可靠性優化設計把產品的總體可靠度作為性能約束的優化，產生與合理安全性相協調的平衡設計。考量各種不確定性因素對機械結構零部件性能參數的影響，採用可靠性優化設計方法對車身輕量化參數設計，能有效保證車身結構實際工程應用中的結構整體性能，從而在車身設計中既保證產品的經濟效益又保證實際運行中的安全可靠。
[0005]響應面或替代模型(Response Surface、Surrogate Model)技術是用來開發、改進、優化的統計和數學方法。用一個完整有限元模型進行直接的設計優化或穩健設計時，仿真仍然會花費大量時間。完成一個有限元模型有時會花費數小時甚至數天。為了減少開發時間，響應面模型(RSM)被廣泛用作有限元模型的代理。
[0006]無論使用哪種響應面方法，在實際FE模型和RSM之間始終會有偏差，於是需要對隨機模型內插和外推方法進行研究，以修正RSM和FE之間的偏差以及提供修正偏差後RSM的預測區間。模型更新技術不但可以量化數據不確定性大小，而且可以進一步提高模型的預測能力。本發明所提供的貝葉斯推理技術可達到響應面模型修正的目的並展現出良好的效果。
【發明內容】
[0007]有鑑於此，本發明的目的在於提供一種不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，該方法考慮已有CAE模型的可控和不可控變量的不確定性，以得到與傳統確定性優化解相比具有更高可靠性和穩健性的設計。
[0008]為達到上述目的，本發明提供如下技術方案:
[0009]一種不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，包括以下步驟:步驟一:定義基於可靠性設計優化(RBDO)問題；步驟二:為貝葉斯推理偏差模型以及初始響應面模型構建試驗設計(DOE)矩陣；步驟三:使用步驟二中所述的偏差模型修正初始響應面模型並量化來自於重複試驗和CAE仿真的不確定性；步驟四:運行RBDO優化程序尋最優、最可靠解；步驟五:進行蒙特卡洛仿真(MCS)驗證所得解的可靠性。
[0010]進一步，步驟一中所述的可靠性設計優化(RBDO)是指結構參數化設計過程中考慮設計變量不確定因素及其對目標和約束函數影響的一種優化設計；可靠性優化設計把產品的總體可靠度作為性能約束的優化，產生與合理安全性相協調的平衡設計，考量各種不確定性因素對機械結構零部件性能參數的影響，從而在設計中既保證產品的經濟效益又保證實際運行中的安全可靠。
[0011 ] 進一步，在步驟二中為貝葉斯推理偏差模型構建試驗設計DOE矩陣，通過對DOE矩陣下的變量組合進行試驗仿真，所得結果用於響應面模型建立。
[0012]進一步，所述步驟三中貝葉斯推理偏差修正響應面模型基於貝葉斯理論，將初始響應面模型預測與CAE仿真之間的差值作為偏差先驗信息，通過貝葉斯推理得到後驗偏差並建立偏差響應面進行驗證域的偏差外推預測，從而達到初始響應面修正的目的。
[0013]進一步，所述步驟四中的優化程序區別於傳統確定性優化將優化解逼近約束邊界，RBDO考慮來自變量的不確定性，所得優化解在一定變動範圍內仍能夠保證穩健性和可靠性。
[0014]進一步，所述步驟五具體包括:通過蒙特卡洛仿真(MCS)所得的FE結果與隨機偏差修正後的RSM預測一致，則此過程完成，否則修改DOE矩陣直到達到滿意結果為止。
[0015]本發明的有益效果在於:本發明所述的汽車可靠性設計優化方法考量了各種不確定性因素對產品性能參數的影響，能有效保證產品整體性能，從而在設計中既保證經濟效益又保證實際運行中的安全可靠。
【專利附圖】
【附圖說明】
[0016]為了使本發明的目的、技術方案和有益效果更加清楚，本發明提供如下附圖進行說明:
[0017]圖1為本發明所述方法的流程示意圖。
【具體實施方式】
[0018]下面將結合附圖，對本發明的優選實施例進行詳細的描述。
[0019]圖1為本發明所述方法的流程示意圖，如圖所示，本發明所述的不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，包括以下步驟:步驟一:定義基於可靠性設計優化(RBDO)問題；步驟二:為貝葉斯推理偏差模型以及初始響應面模型構建試驗設計(DOE)矩陣；步驟三:使用步驟二中所述的偏差模型修正初始響應面模型(RSM)並量化來自於重複試驗和CAE仿真的不確定性；步驟四:運行RBDO優化程序尋最優、最可靠解；步驟五:進行蒙特卡洛仿真(MCS)驗證所得解的可靠性。
[0020]具體來說:
[0021]在步驟二中為貝葉斯推理偏差模型構建試驗設計DOE矩陣，通過對DOE矩陣下的變量組合進行試驗仿真，所得結果用於響應面模型建立。[0022]步驟三中貝葉斯推理偏差修正響應面模型基於貝葉斯理論，將初始響應面模型預測與CAE仿真之間的差值作為偏差先驗彳目息，通過貝葉斯推理得到後驗偏差並建立偏差響應面進行驗證域的偏差外推預測，從而達到初始響應面修正的目的。
[0023]步驟四中的優化程序區別於傳統確定性優化將優化解逼近約束邊界，RBDO考慮來自變量的不確定性，所得優化解在一定變動範圍內仍能夠保證穩健性和可靠性。
[0024]步驟五具體包括:通過蒙特卡洛仿真(MCS)所得的FE結果與隨機偏差修正後的RSM預測一致，則此過程完成，否則修改DOE矩陣直到達到滿意結果為止。
[0025]下面利用本發明所述的不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化流程對某汽車安全系統進行可靠性優化設計。
[0026]下面通過具體實施例來說明本方法的具體實施:
[0027]在本實施例中，碰撞條件為100%的正面碰撞，汽車以56.6km/h的速度撞上剛性牆面。設計優化目標為在滿足汽車安全性能的條件下得到車身輕量化的目的。
[0028]本例的RBDO問題公式化如下:
[0029]Find = 1,2,...,8
[0030]Minimize: μ weight
[0031]Subject to:P{CG ≤ CGt arget} ≥ 99% , CGt arget = 65
[0032]P{CD ( CDt arget} ^99% , CDt arget = 750
[0033]L' <μ^ < U^1J' = 1,2,...,8
[0034]Weight = 6.012x^3.166x2+2.078x3+l.237x4+l.463x5+4.369x6+3.547x7+2.306x8
[0035]CG = 84.699-7.7668xe+0.7635x7_13.133x^0.999x2x5+4.40899x1x6-0.3187x4x8+0.2922x^5
[0036]CD = 922.51-2.5605x6x7+0.6625χ4_88.269x1+13.929X/-1.2664x3x6+0.4711x4x5_8.2049x2x6-4.6859x4x8
[0037]其中，Lxi和Uxi是設計變量的上下界，CG和⑶作為汽車碰撞安全響應量分別代表假人胸部加速度和車身壓縮距離。
[0038]為了達到對比的目的，在本實施例中使用了三種方法進行設計優化:傳統確定性優化、使用原始低保真度CG和CD響應面模型的傳統RBDO以及使用貝葉斯推理修正偏差的模型的RBD0，不僅考慮設計變量的變化，還考慮模型的不確定性。
[0039]其中基於貝葉斯推理的響應面修正過程始於在設計空間中用於驗證的試驗設計(DOE)矩陣，隨後反覆進行CAE仿真和試驗。計算出二者間的差作為偏差分布超參數的貝葉斯推理的依據。得到先驗分布後，預測偏差超參數的後驗分布得以計算。
[0040]試驗輸出Yt(X)和模型輸出Ym(X)之間的關係常概括為:
[0041]Yt(x) = Ym (x) + δ (X)+ε (χ)
[0042]因此輸出的實值Yt.，等於試驗觀察值減去試驗誤差，同時也等於CAE模型預測加上模型偏差:
[0043]Yture (X) = Yt (X) - ε (χ) = Ym (χ) + δ (χ)
[0044]假設偏差τ (χ) = δ (χ)+ε (χ)服從一個已知方差的正態分布:
[0045]τ (χ)~Ν{τμ (χ),~(χ))[0046]設方差已知，而均值τ μ需根據已知數據得出。在這裡τ μ的先驗分布可設為:
[0047]τ μ ~Ν(μ 0，σ 02)
[0048]在貝葉斯理論中，後驗分布等於似然函數與先驗分布P ( Θ )的乘積除以P (X)的概率:
【權利要求】
1.一種不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，其特徵在於:包括以下步驟: 步驟一:定義基於可靠性設計優化(RBDO)問題； 步驟二:為貝葉斯推理偏差模型以及初始響應面模型構建試驗設計(DOE)矩陣； 步驟三:使用步驟二中所述的偏差模型修正初始響應面模型並量化來自於重複試驗和CAE仿真的不確定性； 步驟四:運行RBDO優化程序尋最優、最可靠解； 步驟五:進行蒙特卡洛仿真(MCS)驗證所得解的可靠性。
2.根據權利要求1所述的不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，其特徵在於:步驟一中所述的可靠性設計優化(RBDO)是指結構參數化設計過程中考慮設計變量不確定因素及其對目標和約束函數影響的一種優化設計；可靠性優化設計把產品的總體可靠度作為性能約束的優化，產生與合理安全性相協調的平衡設計，考量各種不確定性因素對機械結構零部件性能參數的影響，從而在設計中既保證產品的經濟效益又保證實際運行中的安全可靠。
3.根據權利要求1所述的不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，其特徵在於:在步驟二中為貝葉斯推理偏差模型構建試驗設計DOE矩陣，通過對DOE矩陣下的變量組合進行試驗仿真，所得結果用於響應面模型建立。
4.根據權利要求1所述的不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，其特徵在於:所述步驟三中貝葉斯推理偏差修正響應面模型基於貝葉斯理論，將初始響應面模型預測與CAE仿真之間的差值作為偏差先驗信息，通過貝葉斯推理得到後驗偏差並建立偏差響應面進行驗證域的偏差外推預測，從而達到初始響應面修正的目的。
5.根據權利要求1所述的不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，其特徵在於:所述步驟四中的優化程序區別於傳統確定性優化將優化解逼近約束邊界，RBDO考慮來自變量的不確定性，所得優化解在一定變動範圍內仍能夠保證穩健性和可靠性。
6.根據權利要求1所述的不確定性下基於貝葉斯偏差修正的汽車可靠性設計優化方法，其特徵在於:所述步驟五具體包括:通過蒙特卡洛仿真(MCS)所得的FE結果與隨機偏差修正後的RSM預測一致，則此過程完成，否則修改DOE矩陣直到達到滿意結果為止。
【文檔編號】G06F17/50GK104036100SQ201410310063
【公開日】2014年9月10日 申請日期:2014年7月1日 優先權日:2014年7月1日
【發明者】詹振飛, 楊俊祺, 鄭玲, 舒雅靜 申請人:重慶大學