面向汽车轻量化设计的数据挖掘技术研究

发布时间：2020-07-13 06:35

【摘要】：随着汽车工业的高速发展,以及人们生活水平的不断提高,中国的汽车保有量正飞速的增长,而随之带来的能源过度消耗以及环境污染等问题也日益加重。汽车轻量化技术作为汽车工业发展长河中的一个关键性课题,无疑是解决这一系列问题的有效手段之一。时间的沉淀带来的不仅仅是技术的进步,还有数据的丰富和积累,数据挖掘技术可以挖掘隐藏在数据中的有用信息和知识,实现对历史数据更充分的利用。本文将新兴的数据挖掘技术与传统的汽车轻量化设计相结合,对汽车轻量化设计进行了较为系统和深入的研究。本文主要开展了以下几个方面的研究:首先,以传统的支持向量回归为研究基础,明确SVR近似模型的最终性能是由SVR近似模型中各个参数的选择共同决定,将最优SVR近似模型的获取转化为SVR近似模型中参数组合的优化求解问题,利用经典的粒子群优化算法(PSO),来完成最优参数组合的全局搜索工作,最终获取具有最佳预测性能的SVR近似模型。其次,利用数据挖掘技术中的互信息特征选择方法,通过计算各个设计变量与目标响应的互信息值来确定各个设计变量同目标响应之间的相互依赖程度。再结合汽车优化设计的实际应用,提取基于降维后的数据所构建的近似模型预测精度作为停止条件控制参数,选择最优设计变量子集。在保证重要信息得到保留的同时,实现数据的合理降维,降低研究系统的复杂程度,提高优化效率。然后,利用数据挖掘技术中的K均值聚类算法,对样本数据集进行分析,考察聚类结果评价指标同聚类结果中的簇个数的关系,提出最佳簇个数的确定方法,实现对设计空间特征信息的有效识别和学习,合理缩减初始设计空间,得到可行设计域,提高优化算法的设计效率和获取或接近全局最优解的能力。最后,形成了集关键设计变量筛选、高精度近似模型构建以及优化设计域识别于一体的车身结构轻量化设计总体框架,以某轿车作为研究对象进行应用研究,考虑车辆滚翻(车顶压溃)这一碰撞形式,在保证相关性能指标满足设计要求的前提下,开展车身轻量化设计。本文的研究结果表明,将新兴的数据挖掘技术与传统的车身轻量化设计相结合,可以有效实现车辆减重的目标。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U462.2
【图文】：

全球,汽车保有量,整车,车身

截止 2017年 3月份，中国的汽车保有量总数首次超过 200,000,00到 2018 年末，全球的汽车保有量将达到惊人的 13 亿 4000万辆，汽车已类出行最重要的交通工具之一，服务于人们的日常生活和工作。随着人生活水平的不断提高，大家对于汽车产品的要求不再仅仅局限于外观和方面，尤其对汽车的安全性能和舒适性的要求越来越高，消费者的需求进行产品改革的目标和方向，因此这些情况也受到了各大汽车生产商的汽车的大量普及，其引发的能源短缺和环境污染等一系列问题也日渐加轻量化则是提高车辆燃油经济性，降低能源消耗，同时减少环境污染的之一。有相关数据显示，整车质量每减重 10%，其百公里油耗可减少 6分点，总油耗可减少 10%左右，对应的，排放量也能实现 5%~8%的降低车身零部件的质量在整车质量中占到较大的比重，约占汽车总质量的 4汽车在空载情况下行驶，车身质量带来的油耗约占总油耗的 70%左右[2]，车身的优化设计从而实现车身轻量化，是实现汽车轻量化，提高整车燃，降低能源消耗和污染的重要途径。

流程图,近似模型,流程

1 绪论近似模型（Approximation model），亦被称作代理模型（Metamodel）,是以数理统计方法为基础，利用历史样本数据，拟合得到输入变量与响应量之间的对应关系，建立复杂有限元模型的近似模型。在近似模型精度得到有效保证的前提之下，分析结果具有足够的可借鉴性。基于近似模型的优化过程，由于避免了复杂有限元模型的计算分析，真实的迭代计算过程所需的时间得到很大的削减，具有计算量小，计算周期较短的特点，优化效率大大提高，同时对于计算机硬件的要求也得到缓解。近似模型建立的流程主要包括：试验设计、物理试验或有限元仿真、近似模型建立以及模型精度验证，具体流程如图 1.2 所示。

近似模型,基本架构

图 1.3 近似模型基本架构Fig.1.3 Basic architecture of approximation model自 Schmit[4]等提出近似概念之后，近似建模技术在结构优化研究领域中备受的关注。它是在设计空间内通过某一方式构建出一个超曲面来代替实际的优题，其实质是以拟合精度和预测能力为约束，利用近似技术对离散数据进行或插值的数学模型，然后利用该数学模型实现对未知点的预测，并用构造的来代替复杂的有限元模型，达到简化优化过程和减少计算时间的目的。基于样本数据，挖掘输入变量与输出结构响应之间的回归关系，完成近似模型构建广义的角度来看，近似建模技术也属于数据挖掘的范畴。目前常见的近似建法有多项式响应面、神经网络、径向基函数、Kriging和支持向量回归等。①多项式响应面（ResponseSurfaceModel，RSM），也称作多项式回归，是最早也是应用最为广泛的近似模型，是一种基于试验设计建立设计变量和目数值之间函数关系的近似建模方法。Wilson[5]在 1951 年提出了响应面模型的，起初是应用于物理实验结果的拟合。后来该方法在工程结构优化问题的解

【参考文献】