一种功能梯度负泊松比结构的汽车后保险杠及优化方法与流程

本发明涉及汽车被动安全领域，尤其涉及一种功能梯度负泊松比结构的汽车后保险杠及优化方法。

背景技术：

在交通事故中，追尾事故占的比例最高，当发生追尾事故时，对被追尾车内的乘员的安全很重要。所以，汽车后保险杠的耐撞性必须要在汽车设计过程中给予足够的重视。目前，大多数汽车的后保险杠采用材料的是铸铁，耐撞性得到了保证，但是不符合汽车设计的轻量化要求；也有部分汽车采用泡沫材料，虽然达到了轻量化的目的，但是耐撞性明显不足。

技术实现要素：

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种功能梯度负泊松比结构的汽车后保险杠及优化方法。

本发明为解决上述技术问题采用以下技术方案：

一种功能梯度负泊松比结构的汽车后保险杠，包含保险杠前盖、保险杠本体和保险杠后盖；

所述保险杠本体采用负泊松比材料制成，用于在汽车发生碰撞时进行吸能；

所述保险杠前盖、保险杠后盖用于相互配合组成壳体将所述保险杠本体固定在其中后和所述汽车的车身相连。

作为本发明一种功能梯度负泊松比结构的汽车后保险杠进一步的优化方案，所述保险杠前盖呈板装，保险杠后盖沿汽车轴向方向的截面为u型；

所述保险杠前盖沿汽车纵向方向上的长1220mm，沿汽车竖直方向上的高为90mm，自身的厚度为1mm；

所述保险杠后盖沿汽车纵向方向上的长1220mm，沿汽车轴向方向上的宽为128mm，沿汽车竖直方向上的高为90mm，自身的厚度为1mm。

作为本发明一种功能梯度负泊松比结构的汽车后保险杠进一步的优化方案，所述保险杠本体沿汽车纵向方向由三层负泊松比单胞元构成，每层负泊松比单胞元的厚度梯度值恒定；

所述负泊松比单胞元呈内凹六边形，其特征参数值分别为：底边长为10.5mm，斜壁长为6.291mm，底边和斜壁夹角为75.5deg，厚度为1mm。

本发明还公开了一种基于该功能梯度负泊松比结构的汽车后保险杠的优化方法，包含以下步骤：

步骤1)，利用doe试验优化方法、参数化建模、有限元分析，拟合出响应面模型；

步骤2)，基于响应面模型运用田口设计稳健性方法对汽车后保险杠进行优化，得到最优的汽车后保险杠前盖厚度、保险杠后盖厚度，及负泊松比单胞元沿纵向方向的厚度梯度。

作为本发明一种功能梯度负泊松比结构的汽车后保险杠的优化方法进一步的优化方案，所述1)包括以下详细步骤：

步骤1.1)，在isight中，利用最优拉丁超立方实验设计方法，得到n组保险杠前盖、后盖及保险杠本体的负泊松比结构单胞元的厚度梯度参数，n为大于1的自然数、为预先设定的阈值；

步骤1.2)，根据步骤1.1)得到的n组参数，在catia中，编制宏程序，建立n组功能梯度负泊松比结构的汽车后保险杠几何模型；

步骤1.3)，在hypermesh中，根据步骤1.2)的n组功能梯度负泊松比结构的汽车后保险杠几何模型，建立n组汽车后侧碰撞有限元模型，并通过lsdyna求解出n组有限元计算结果；

步骤1.4)，利用椭圆基神经网络代理模型方法，根据步骤1.3)的n组有限元计算结果，以保险杠前盖厚度、保险杠后盖厚度、负泊松比单胞元沿轴向方向的梯度和碰撞车速为输入，分别以最大碰撞力、比吸能为输出建立两个椭圆基神经网络代理模型；

步骤1.5)，通过相关系数r²和均方根误差σrmse方法来评价步骤1.4)中得到的两个椭圆基神经网络代理模型的精度，若相关系数r²大于等于0.9且均方根误差σrmse大于等于0.1，说明响应面模型的精度满足要求，则继续执行步骤1.6)；反之，重新执行步骤1.1)至步骤1.4)，直至满足精度要求为止；

所述相关系数r²和均方根误差σrmse的计算公式分别为：

其中，n为样本点数，p为多项式项数，i为第i个样本点，fi为第i个样本点的有限元分析值，fi'为第i个样本点的响应面模型计算值，为所有样本点的有限元分析均值。

作为本发明一种功能梯度负泊松比结构的汽车后保险杠的优化方法进一步的优化方案，所述2)包括以下详细步骤：

步骤2.1)，在isigit中，选取控制因素为保险杠前盖厚度、保险杠后盖厚度、负泊松比单胞元沿纵向方向的厚度梯度，并对每个因素各取四个水平，按照正交实验优化方法，不考虑参数见的交互作用，编制有16组参数组合的控制因素实验表l16；

步骤2.2)，继续选取噪声因素为刚性墙碰撞汽车后保险的速度，对噪声因素取四个水平，编制有4组参数组合的噪声因素实验表l4；

步骤2.3)，以步骤2.1)中的控制因素实验表l16为内表，步骤2.2)中的噪声因素实验表l4为外表，编制组合表，组合表的实验次数为16*4＝64次；

步骤2.4)，根据组合表和两个椭圆基神经网络代理模型，得到与组合表相对应的64次试验的最大碰撞力和比吸能值；

步骤2.5)，根据望大特性，计算出三个控制因素在各水平上相对于最大碰撞力和比吸能的信噪比，并以控制因素各水平为横坐标、对应的信噪比为纵坐标，作出最大碰撞力响应图和比吸能响应图，其中信噪比sn的计算公式如下：

式中，yi为第i次试验的目标函数值；

步骤2.6)，计算得到每个控制因素的贡献率，根据最大的贡献率，确定对最大碰撞力和比吸能影响最大的控制因素，并从最大碰撞力响应图和比吸能响应图上找出每个因素的最佳点，即信噪比最大的点，将其组合，得到最优的组合，其对应的保险杠前盖厚度、保险杠后盖厚度、负泊松比单胞元沿纵向方向的厚度梯度即为最优解。

作为本发明一种功能梯度负泊松比结构的汽车后保险杠的优化方法进一步的优化方案，所述步骤2.6)中的每个因素贡献率计算步骤如下：

步骤2.6.1)，根据以下公式计算总的平均信噪比

式中，n为试验设计中的总试验次数，(sn)i为第i次试验的信噪比；

步骤2.6.2)，根据以下公式计算总离差平方和ss：

步骤2.6.3)，根据以下公式计算第i个因素的离差平方和ssi：

式中，k为因素的水平数；t为第i个因素在第i水平上的试验次数；为第i个因素在第j个水平上的平均信噪比；

步骤2.6.4)，根据以下公式计算每个因素的贡献率：

式中，pi为第i个因素的贡献率。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1.本发明公开一种功能梯度负泊松比结构的汽车后保险杠，该保险杠结合了功能梯度和负泊松比结构，保证了整个汽车后保险杠的质轻、吸能好的特性；

2.本发明的优化方法依次采用了doe试验优化方法、参数化建模、响应面模型、田口设计的稳健性方法对汽车保险杠进行优化设计，最终确定了最优状态下的保险杠前盖厚度、保险杠后盖厚度，及负泊松比结构的单胞元沿纵向方向的厚度梯度。

附图说明

图1是本发明实施例提供的一种功能梯度负泊松比结构的汽车后保险杠示意图；

图2是本发明实施例提供的汽车后保险杠前盖尺寸结构示意图；

图3是本发明实施例提供的汽车后保险杠后盖示意图；

图4是本发明实施例提供的汽车后保险杠负泊松比结构沿汽车纵向的梯度分布示意图；

图5是本发明实施例提供的汽车后保险杠负泊松比结构单胞元尺寸示意图；

图6是本发明实施例提供的一种功能梯度负泊松比结构的汽车后保险杠柱优化方法流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

如图1所示，一种功能梯度负泊松比结构的汽车后保险杠，包含保险杠前盖、保险杠本体和保险杠后盖；保险杠本体采用负泊松比材料制成，用于在汽车发生碰撞时进行吸能；保险杠前盖、保险杠后盖用于相互配合组成壳体将保险杠本体固定在其中后和汽车的车身相连。

保险杠前盖呈板装，保险杠后盖沿汽车轴向方向的截面为u型。

如图2所示，保险杠前盖沿汽车纵向方向上的长1220mm，沿汽车竖直方向上的高为90mm，自身的厚度为1mm。

如图3所示，保险杠后盖沿汽车纵向方向上的长1220mm，沿汽车轴向方向上的宽为128mm，沿汽车竖直方向上的高为90mm，自身的厚度为1mm。

如图4所示，保险杠本体沿汽车纵向方向由三层负泊松比单胞元构成，每层负泊松比单胞元的厚度梯度值恒定。

如图5所示，负泊松比单胞元呈内凹六边形，其特征参数值分别为：底边长为10.5mm，斜壁长为6.291mm，底边和斜壁夹角为75.5deg，厚度为1mm。

本发明还公开了一种功能梯度负泊松比结构的汽车后保险杠的优化方法，具体步骤如下：

步骤1)，利用doe试验优化方法、参数化建模、有限元分析，拟合出响应面模型；

步骤2)，基于响应面模型运用田口设计稳健性方法对汽车后保险杠进行优化设计，得到最优的汽车后保险杠前盖厚度、保险杠后盖厚度，及负泊松比结构的单胞元沿纵向方向的厚度梯度。

本发明还公布了一种功能梯度负泊松比结构的汽车后保险杠的优化方法，其特征在于，所述1)包括以下详细步骤：

步骤1.1)，在isight中，利用最优拉丁超立方实验设计方法，得到n组保险杠前盖、后盖及保险杠本体的负泊松比结构单胞元的厚度梯度参数，n为大于1的自然数、为预先设定的阈值；

步骤1.2)，根据步骤1.1)得到的n组参数，在catia中，编制宏程序，建立n组功能梯度负泊松比结构的汽车后保险杠几何模型；

步骤1.3)，在hypermesh中，根据步骤1.2)的n组功能梯度负泊松比结构的汽车后保险杠几何模型，建立n组汽车后侧碰撞有限元模型，并通过lsdyna求解出n组有限元计算结果；

步骤1.4)，利用椭圆基神经网络代理模型方法，根据步骤1.3)的n组有限元计算结果，以保险杠前盖厚度、保险杠后盖厚度、负泊松比单胞元沿轴向方向的梯度和碰撞车速为输入，分别以最大碰撞力(fmax)、比吸能(sea)为输出建立两个椭圆基神经网络代理模型；

步骤1.5)，通过相关系数r²和均方根误差σrmse方法来评价步骤1.4)中得到的两个椭圆基神经网络代理模型的精度，若相关系数r²大于等于0.9且均方根误差σrmse大于等于0.1，说明响应面模型的精度满足要求，则继续执行步骤1.6)；反之，重新执行步骤1.1)至步骤1.4)，直至满足精度要求为止；

所述相关系数r²和均方根误差σrmse的计算公式分别为：

其中，n为样本点数，p为多项式项数，i为第i个样本点，fi为第i个样本点的有限元分析值，fi'为第i个样本点的响应面模型计算值，为所有样本点的有限元分析均值。

所述步骤2)包括以下详细步骤：

步骤2.1)，在isigit中，选取控制因素为保险杠前盖厚度、保险杠后盖厚度、负泊松比单胞元沿纵向方向的厚度梯度，并对每个因素各取四个水平，按照正交实验优化方法，不考虑参数见的交互作用，编制有16组参数组合的控制因素实验表l16；

步骤2.2)，继续选取噪声因素为刚性墙碰撞汽车后保险的速度，对噪声因素取四个水平，编制有4组参数组合的噪声因素实验表l4；

步骤2.3)，以步骤2.1)中的控制因素实验表l16为内表，步骤2.2)中的噪声因素实验表l4为外表，编制组合表，组合表的实验次数为16*4＝64次；

步骤2.4)，根据组合表和两个椭圆基神经网络代理模型，得到与组合表相对应的64次试验的最大碰撞力(fmax)和比吸能(sea)值；

步骤2.5)，根据望大特性，计算出三个控制因素在各水平上相对于最大碰撞力和比吸能的信噪比，并以控制因素各水平为横坐标、对应的信噪比为纵坐标，作出最大碰撞力响应图和比吸能响应图，其中信噪比sn的计算公式如下：

式中，yi为第i次试验的目标函数值；

步骤2.6)，计算得到每个控制因素的贡献率，根据最大的贡献率，确定对最大碰撞力(fmax)和比吸能(sea)影响最大的控制因素，并从最大碰撞力响应图和比吸能响应图上找出每个因素的最佳点，即信噪比最大的点，将其组合，得到最优的组合，其对应的保险杠前盖厚度、保险杠后盖厚度、负泊松比单胞元沿纵向方向的厚度梯度即为最优解。

所述步骤2.6)中的每个因素贡献率计算步骤如下：

步骤2.6.1)，根据以下公式计算总的平均信噪比

式中，n为试验设计中的总试验次数，(sn)i为第i次试验的信噪比；

步骤2.6.2)，根据以下公式计算总离差平方和ss：

步骤2.6.3)，根据以下公式计算第i个因素的离差平方和ssi：

式中，k为因素的水平数(本发明为k＝4)；t为第i个因素在第i水平上的试验次数；为第i个因素在第j个水平上的平均信噪比；

步骤2.6.4)，根据以下公式计算每个因素的贡献率：

式中，pi为第i个因素的贡献率。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。