专利名称：：基于支持向量机的轿车车身综合性能指标建模方法
技术领域：
：本发明涉及的是一种汽车
技术领域：
的设计方法，特别是一种基于支持向量机的轿车车身综合性能指标建模方法。
背景技术：
：随着汽车工业的快速发展，车身结构的优化设计技术逐步的得到了应用，使得车身结构具有最佳综合性能的同时，能够尽量的降低自身重量。轿车车身结构优化设计建模过程中，需要建立各个综合性能指标与设计变量之间的数学关系模型，而汽车碰撞是一个瞬态、大变形、高度非线性的物理过程，包括碰撞力、加速度、结构变形及吸能量在内的耐撞安全性能指标具有强非线性的特点，因此，建立准确、高效的数学模型是车身结构优化方案可行性成败的关键。目前，二阶多项式模型建模简单，适用于设计变量少、响应的非线性程度较弱的设计问题，而对于高维设计空间、强非线性响应的情况，其所建立模型的预测能力将大大的降低，因此采用该模型进行优化得到的设计方案必然缺乏工程应用可靠性。经对现有技术文献的检索发现，王海亮、林忠钦、金先龙，在《应用力学学报》2003,(3):61-66上发表的文章"基于响应面模型的薄壁构件耐撞性优化设计"中采用二阶多项式模型建立了车身结构耐撞性指标(耐撞指数、最大碰撞力、平均碰撞力)的数学模型，而建模过程中仅通过方差分析作为验证手段，未在设计空间内另外选取一定数量的随机、均匀分布的样本进行响应预测检验，故不能认为所建立的数学模型具有足够的精度进行后续的优化设计。
发明内容本发明的目的在于针对现有技术的不足，提供一种基于支持向量机的轿车车身综合性能指标建模方法，提高所建立模型的预测精度及建模效率，为后续的优化设计奠定基础，以期提高车身结构优化设计方案的工程应用可行性。本发明是通过以下技术方案实现的，本发明包括以下步骤步骤一、选择零件作为设计目标，并确定零件的板厚、材料参数作为设计变所述选择零件作为设计目标，具体为在结构形式已经确定的前提下，几何尺寸及材料参数在很大程度上决定了车身结构的性能，将车身结构中对各项性能响应较为敏感的零件作为设计目标，零件包括前围、侧围、后围、地板及顶棚各总成中的零件。步骤二、依据步骤一所确定的设计变量，采用试验设计方法生成设计矩阵；所述采用试验设计方法生成设计矩阵，具体为在建立结构性能指标与设计变量函数关系的过程中，采用试验设计方法中的均匀设计在多维设计空间内选择样本点，样本点的数量由性能指标的非线性程度及建立数学模型所需达到的精度而定，采集样本点上的性能响应信息，并利用这些响应信息完成函数关系的建立，均匀设计在n(W为设计变量个数)维设计空间内均具有良好的均匀分散性，使得样本均匀的分布在设计空间，捕捉性能响应特征信息，设计因素的水平与试验的次数相等，通过DPS(数据处理统计)软件，在给定因素个数及试验次数的前提下自动生成设计矩阵。步骤三、根据设计矩阵进行有限元仿真试验设计，提取结构性能指标值完成训练样本的建立；所述提取结构性能指标值完成训练样本的建立，具体为在生成设计矩阵后，根据设计矩阵的安排，利用有限元仿真试验对各组合进行处理，并从处理结果文件中提取结构性能指标的试验响应值，完成样本的建立。步骤四、利用支持向量机方法对样本进行训练，建立综合性能指标数学模型；所述建立综合性能指标数学模型，具体为在建立综合性能指标与设计变量函数关系的过程中，采用数据挖掘中的支持向量机方法，将非线性问题转化为高维空间中的线性回归问题，通过求解一系列最优化问题得到该线性回归问题的解，以设计矩阵及有限元仿真得到的性能指标矩阵作为样本，采用支持向量机方法进行样本训练，得到相应的回归系数，完成综合性能指标数学模型的建立。所述支持向量机方法，其非线性函数表达如下其中/^为非线性函数，A&，X^为核函数，(",-^)和6为相应的系数，/为样本个数。步骤五、利用检验指标验证所建立的综合性能指标数学模型；所述验证所建立的综合性能指标数学模型，具体为在建立综合性能指标数学模型后，生成另外的在设计空间内随机、均匀分散的测试样本，将测试样本上预测性能指标值与有限元仿真响应值进行对比，验证模型的预测精度，采用最大绝X寸值误差(MaximumAbsoluteError)、相对平均绝对值误差(RelativeAverageAbsoluteError)、均方根误(RootMeanSquareError)和确定性系数(R2)四个检验指标对所建立的数学模型进行验证。检验指标中的最大绝对值误差、相对平均绝对值误差及均方根误越小，则说明模型精度越高，反之则模型精度越低，而对于确定性系数，其范围介于0与l.O之间，越接近l.O则说明模型精度越高，反之则模型精度越低。所述检验指标，包括如下具体四个最大绝对值误差M4￡二M欲化.-j),I/=1，…，"OT。r;其中，X、丸、歹,、，分别是样本试验值、样本预测值、样本的总平均相对平均绝对值误差i^4五二确定性系数p,二i-值及测试样本的个数，STD为样本的标准差，由STD:"J^-。步骤六、在验证后对符合精度要求的综合性能指标数学模型后建立自适应过程。所述建立自适应过程，具体为在建立了具有较高的预测精度的综合性能指标数学模型后，为提高数学模型在最优设计点上的预测精度，用综合性能指标数学模型进行数轮确定性优化，在最优点处将性能预测值与有限元仿真的响应值进行对比，并将该最优点处的设计矩阵及响应矩阵反馈到训练样本中，直至最优点处的预测值与有限元仿真的响应值在可接受范围内，则自适应过程结束。本发明具有以下优点(l)适用于多变量、结构性能强非线性的响应指标数学建模。轿车车身结构复杂系统具有设计变量多、结构性能强非线性的特点，而通常采用的二次多项式模型进行结构性能指标建模过程中，随着设计变量个数的增加及结构响应指标非线性程度的增强，所建立的数学模型的精度及建模的效率大大降低，导致无法开展后续的优化设计工作；(2)模型预测精度高，建模效率高。首先，利用均匀设计方法生成样本进行有限元仿真试验，能够最大限度的捕捉各个响应的特征信息。其次，本发明中所采用的支持向量机方法是通过求解一系列最优化问题得到高维空间线性回归问题的解，再经过核函数进行线性逆变换，得到原非线性回归问题的解，整个建模过程是一个最优化的过程。因此，应用该方法得到的数学模型具有精度高的特点。同时，支持向量机方法是将强非线性响应的回归问题转化为高维空间中的线性回归问题，因此与二次多项式模型相比，支持向量机方法在变量个数多、响应非线性程度高的情况下可提高大于1倍的建模效率；(3)最优设计方案可行性强。本发明利用一个自适应过程，针对利用数学模型得到的最优点处的性能预测值与有限元仿真的响应值进行对比，并将该最优点作为样本信息反馈到训练样本中，直至最优点处的预测值与有限元仿真的响应值在可接受范围内，因此使得优化设计解更为合理，设计方案的可行性提高到95%以上。图1为本具体实施方式下面结合附图对本发明的实施例作详细说明本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。如图1所示，本实施例包括如下步骤步骤一，确定车身结构优化的设计变量选取某型轿车车身前部结构36个零件(对称零件15对，非对称零件6个)的板厚及二种材料的屈服极限作为设计变量，共计23个设计变量，如表1所示。轿车正面碰撞过程中，性能约束指标为加速度峰值、碰撞力峰值、吸能量及关键点的最大位移量，分别用A(x)、F(x)、E(x)、S(x)表示。表l设计变量及概率特性<table>tableseeoriginaldocumentpage9</column></row><table>前纵梁连接板0.8mmX〃正态0.0083前纵梁1.5mm力s正态0.0083前翼子板内板加强板1.0mm正态0扁3前翼子板内板0.8mm正态0細3悬挂固定板2.5mm正态0細3屈服极限(stl4)168.5MPaI"对数正态0.05屈服极限(st12)爆.5MPa&3对数正态0.05步骤二，采用试验设计方法生成设计矩阵在建立结构性能指标与设计变量函数关系的过程中，采用试验设计方法中的均匀设计在多维设计空间内选择一定数量的(通常不少于1.5，n为设计变量个数)样本点，采集样本点上的性能响应信息，并利用这些响应信息完成函数关系的建立，均匀设计在n维设计空间内均具有良好的均匀分散性，使得样本足够均匀的分布在设计空间，捕捉性能响应特征信息，设计因素的水平与试验的次数相等，通过DPS(数据处理统计)软件，在给定因素个数及试验次数的前提下自动生成设计矩阵。本实施例中，设计变量为23个，试验次数为50，在DPS软件中自动生成均匀试验设计矩阵，如表2所示。试验次数Xix211.3442.1622.0581.9931.3782.541.8542.12651.6840.93661.1061.71871.0381.61682.51.582表2均匀设计矩阵均匀设计矩阵X.3X4…X200.8681.48…1.3781.9561.038…1.652.2621.14…2.2282.3981.344…0.971.2082.024…2.4321.4461.004…1.6840.972.296…2.331.7861.174…1.276X21X22X231.7523153551.1743101702.0242703101.481653451.9221851552.3983453902.2622002652.517536591.2082.0921.7181.548.2.51.072180385101.9561.481.651.276'.2.2621.446380235111.651.2422.2961.072-1.821.208390400121.311.4121.0041.208.1.0041.038190165132.1261.821.7522.194.2.0581.582160335141.7180.8680.9021.82.1.5482.16385340151.0721.0722.4662.432.1.0382.228300280160.9021.140.9361.616.1.7861.378245320172.2961.9561.0382.0581.5821.616280330181.141.0382.0921.514.1.2421.99265160192.3642.332.1261.922'1.9561.888325190201.5141.8881.1740.834'.1.8881.004275270212.4321.1741.0721.752'.2.1940.97235215461.4121.3441992.16..2.3981.412335205471.1740.8341.5821.888-1991.854395305481.481.311.3781.106.1.4120.834240315491.6162.4321.4121.582'.1.3442.126355230502.2280.9022.0581.786.1.1741.276205275步骤三、提取结构性能指标仿真试验响应值，建立样本在生成设计矩阵后，根据设计矩阵的安排，利用有限元仿真试验对各组合进行计算，并从计算结果文件中提取结构性能指标的试验响应值，完成样本的建立。轿车正面碰撞过程中的加速度峰值、碰撞力峰值、吸能量及关键点的最大位移量是重要的结构性能指标，分别用A(x)、F(x)、E(x)、S(x)表示，单位分别为g、N、J、mm。利用Hyperstudy软件从计算结果文件中提取结构性能指标的响应值，如表3所示。设计矩阵中每一组设计值对应一组响应值，由此完成样本的建立。表3结构性能指标试验响应值试验结构性能指标试验响应值次数加速度(g)碰撞力(N)吸能量(J)变形量(mm1107.71806368857.3760614.5282.032109.50049277469.0255968.7313.613109.62767358627.9361728.5305.854115.30099294861.5844614.8354.615115.09377198639.7545365.5347.966109.01936438677.4970131.8292.767117.8419720806340234.2364.88113.77972354574.5451900334.3491122551394392.3857265.2326.8810114.50884222818.3143522.8342.12111094446361027.4361791302.9412108.54689310013.4156803.7304.3613111.38058309823.7762647.3324.414110.28485392891.7565799.9305.3815110.19877396740.5770183302.9216113.88243268447547484.8337.7617111.85811368958.2965032.1318.718115.57573219453.2843941.5349.9719109.81744390082.5567452.4310.520106.62836315332.3955471.5287.64211147716276151.9547829.7348.6846104.76215407890.5375005.3277.98<table>tableseeoriginaldocumentpage13</column></row><table>步骤四，建立基于支持向量机的综合性能指标数学模型基于支持向量机方法的非线性函数表达如下-1=1其中/^为非线性函数，」^为核函数，(《,-a。和6为相应的系数，/为样本个数。利用支持向量机方法建立性能指标数学模型，关键在于根据上述所得到的样本，计算上述表达式中的(",-",')和6系数，在Matlab中编写程序得到系数，如表4所示。表4结构性能指标数学模型的(",-"。和6系数'tt育巨主旨丰不<table>tableseeoriginaldocumentpage13</column></row><table>-1.17424.5696126341.69933.2066-4.6216-9.75323.14332.5938—3.8594-3.3932-1.34131.73373.4701—2.3322-0.28185.62070.95120.54044.4716-7.72782.35121.91424.24830.73872.7517.674112.8201-3.1657—9.7824.7178-0.2321.365-4.16640.3326-6.4665135480.80793.4624一O.0123步骤五，数学模型的验证利用所建立的性能指标的数学模型对测试样本进行预测，将预测值与仿真试验响应值进行对比，并依据最大绝对值误差、相对平均绝对值误差、均方根误和确定性系数的四个检验指标的数学表达式，计算得到的结果如表5所示。表5.响应面模型的检验结果<table>tableseeoriginaldocumentpage14</column></row><table>步骤六，自适应过程结构性能指标数学模型经过检验后，为保证利用该模型进行最优化设计得到的最优点处也具有最佳的预测精度，需对最优点处的性能指标预测值与仿真响应值进行对比，若结果足够接近，则说明上述所建立的结构性能指标数学模型在最优点处同样具有足够的精度，可以用其进行后续的优化设计，否则，将上述的设计值与试验响应值作为一组新的样本，填充到原有的样本中，重新建立性能指标的数学模型，以此重复直至对比结果足够接近。下面是经过5次迭代得到的最优点处预测值与响应值对比结果如表6所示，该结果已足够接近，说明经过5个新样本填充后建立的性能指标的数学模型具有所需的足够精度，因此，完成了整个结构性能指标数学模型的建立过程。表6最优点处预测值与响应值对比<table>tableseeoriginaldocumentpage15</column></row><table>权利要求1、一种基于支持向量机的轿车车身综合性能指标建模方法，其特征在于，包括以下步骤步骤一、选择零件作为设计目标，并确定零件的板厚、材料参数作为设计变量；步骤二、依据步骤一所确定的设计变量，采用试验设计方法生成设计矩阵；步骤三、根据设计矩阵进行有限元仿真试验设计，提取结构性能指标值完成训练样本的建立；步骤四、利用支持向量机方法对样本进行训练，建立综合性能指标数学模型；步骤五、利用检验指标验证所建立的综合性能指标数学模型；步骤六、在验证后对符合精度要求的综合性能指标数学模型后建立自适应过程。2、根据权利要求1所述的基于支持向量机的轿车车身综合性能指标建模方法，所述选择零件作为设计目标，具体为在结构形式已经确定的前提下，将车身结构中对各项性能响应敏感的零件作为设计目标，零件包括前围、侧围、后围、地板及顶棚各总成中的零件。3、根据权利要求1所述的基于支持向量机的轿车车身综合性能指标建模方法，其特征是，所述采用试验设计方法生成设计矩阵，具体为在建立结构性能指标与设计变量函数关系的过程中，采用试验设计方法中的均匀设计在多维设计空间内选择样本点，样本点的数量由性能指标的非线性程度及建立数学模型所需达到的精度而定，采集样本点上的性能响应信息，并利用这些响应信息完成函数关系的建立，均匀设计在n维设计空间内均具有良好的均匀分散性，w为设计变量个数，使得样本均匀的分布在设计空间，捕捉性能响应特征信息，设计因素的水平与试验的次数相等，通过数据处理统计软件，在给定因素个数及试验次数的前提下自动生成设计矩阵。4、根据权利要求1所述的基于支持向量机的轿车车身综合性能指标建模方法，其特征是，所述提取结构性能指标值完成训练样本的建立，具体为在生成设计矩阵后，根据设计矩阵的安排，利用有限元仿真试验对各组合进行处理，并从处理结果文件中提取结构性能指标的试验响应值，完成样本的建立。5、根据权利要求1所述的基于支持向量机的轿车车身综合性能指标建模方法，其特征是，所述建立综合性能指标数学模型，具体为在建立综合性能指标与设计变量函数关系的过程中，采用数据挖掘中的支持向量机方法，将非线性问题转化为高维空间中的线性回归问题，通过求解一系列最优化问题得到该线性回归问题的解，以设计矩阵及有限元仿真得到的性能指标矩阵作为样本，采用支持向量机方法进行样本训练，得到回归系数，完成综合性能指标数学模型的建立。6、根据权利要求1或5所述的基于支持向量机的轿车车身综合性能指标建模方法，其特征是，所述支持向量机方法，其非线性函数表达如下<formula>formulaseeoriginaldocumentpage3</formula>其中yr力为非线性函数，Afe，；^为核函数，(a,-a,')和6为相应的系数，/为样本个数。7、根据权利要求1所述的基于支持向量机的轿车车身综合性能指标建模方法，其特征是，所述验证所建立的综合性能指标数学模型，具体为在建立综合性能指标数学模型后，生成另外的在设计空间内随机、均匀分散的测试样本，将测试样本上预测性能指标值与有限元仿真响应值进行对比，验证模型的预测精度，采用最大绝对值误差、相对平均绝对值误差、均方根误和确定性系数四个检验指标对所建立的数学模型进行验证，检验指标中的最大绝对值误差、相对平均绝对值误差及均方根误越小，则说明模型精度越高，反之则模型精度越低，而对于确定性系数，其范围介于0与l.O之间，越接近1.0则说明模型精度越高，反之则模型精度越低。8、根据权利要求1或7所述的基于支持向量机的轿车车身综合性能指标建模方法，其特征是，所述检验指标，包括如下具体四个最大绝对值误差<formula>formulaseeoriginaldocumentpage3</formula>相对平均绝对值误差<formula>formulaseeoriginaldocumentpage3</formula>3均方根误iMS￡确定性系数^。二其中，X、少,、见、"OT。，分别是样本试验值、样本预测值、样本的总平均9、根据权利要求1所述的基于支持向量机的轿车车身综合性能指标建模方法，其特征是，所述建立自适应过程，具体为用综合性能指标数学模型进行数轮确定性优化，在最优点处将性能预测值与有限元仿真的响应值进行对比，并将该最优点处的设计矩阵及响应矩阵反馈到训练样本中，直至最优点处的预测值与有限元仿真的响应值在可接受范围内，则自适应过程结束。值及测试样本的个数，STD为样本的标准差，由STD-全文摘要一种汽车结构优化设计领域的基于支持向量机的轿车车身综合性能指标建模方法，包括步骤一、选择零件作为设计目标，并确定零件的板厚、材料参数作为设计变量；步骤二、依据步骤一所确定的设计变量，采用试验设计方法生成设计矩阵；步骤三、根据设计矩阵进行有限元仿真试验设计，提取结构性能指标值完成训练样本的建立；步骤四、利用支持向量机方法对样本进行训练，建立综合性能指标数学模型；步骤五、利用检验指标验证所建立的综合性能指标数学模型；步骤六、在验证得到高精度综合性能指标数学模型后建立自适应过程。本发明适用于多变量、结构性能强非线性的响应指标数学建模，模型预测精度高，建模效率高，最优设计方案可行性强。文档编号G06F17/50GK101241521SQ200810034288公开日2008年8月13日申请日期2008年3月6日优先权日2008年3月6日发明者余海东,宇张,平朱,峰潘,郭永进,陈关龙申请人:上海交通大学