e-works数字化企业网  »  文章频道  »  产品创新数字化(PLM)  »  CAE

基于Nastran的车身结构灵敏度分析与优化设计

2015/3/3    来源:MSC.Software    作者:李红丽  王卓  李飞亚  昝建明      
关键字:有限元模型  灵敏度分析  优化  MSC.Nastran  
本文利用MSC.Nastran软件对车身结构进行灵敏度分析,借助灵敏度分析结果确定结构优化变量,最终在不影响车身性能的基础上,车身重量减轻了5.6%。

1 绪论

    为了减少燃油消耗和环境污染,汽车轻量化的任务变得越来越紧迫。据统计,汽车每减重10%,油耗可降低6%~8%,因此减轻汽车重量是节约能源和提高燃料经济的最基本途径之一。车身是整车中非常重要的一部分,其重量占整车重量的30%~40%,所以对车身进行轻量化有重要意义。减轻车身重量主要有两大途径:一是采用轻量化材料,例如采用铝合金、高强度钢材等强度更高、重量更轻的新材料;二是利用CAE技术优化设计汽车的结构,使零部件薄壁化、中空化、小型化、复合化以及对零部件进行结构和工艺改进等引以最大限度地减轻零部件的质量。本文主要采用第二种方式对车身进行减重分析。

    Nastran是20世纪60年代,美国航天局为发展航天事业而发展的一套用于替代试验的有限元仿真程序。Nastran的主要功能模块有:基本分析模块、动力学分析模块、热传导模块、非线性模块、设计灵敏度分析及优化模块、超单元分析模块、气动弹性模块、DMAP用户开发工具模块及高级对称分析模块等。其中设计灵敏度分析及优化模块,可对静力、模态、屈曲、瞬态响应、频率响应、气动弹性和颤动分析进行优化。设计灵敏度分析可计算出结构响应对于各设计变量的导数,以确定设计变化过程中对结构响应最敏感的部分,获得灵敏度系数和最佳的设计参数。在灵敏度分析的基础上,设计优化可以快速地给出最优的设计变量值。设计优化分析可以获得某些目标的最大值或者最小值。

    本文利用Nastran设计灵敏度分析及优化模块对车身结构进行灵敏度分析,并结合灵敏度分析结果进一步进行车身优化分析。这对于提高车身局部刚度和动态性能、优化车身结构、提高设计质量、缩短开发周期、节省开发费用具有重要意义,同时为改进车身结构和车身减重设计提供了重要的理论依据。

2 车身结构有限元分析

2.1有限元建模

    本文以某车身结构为例,根据有限元模型计算的需要及要求,对车身数据进行必要的简化,在前处理软件中采用三角形和四边形网格单元进行网格划分,车身焊点采用ACM单元模拟,得到的车身有限元模型如图1所示。

 图1 车身有限元模型

图1 车身有限元模型

2.2分析工况及边界条件

2.2.1模态分析

    模态分析是了解结构动态特性的重要手段,其目的在于优化汽车整车结构以控制其模态频率与模态振型,并对结构设计做出评价。本文采用MSC/NASTRAN SOL103求解器提取了车身结构的整体模态,计算结果如表1所示。

2.2.2刚度分析

    车身刚度研究对提高车身结构性能具有重要的意义。车身刚度不足,可能会引起门框、窗框和行李箱开口处变形过大,导致车门卡死、玻璃破碎、密封不严以致渗风、漏雨及内饰脱落等一系列问题;此外,还会影响安装在其上的总成的相对位置,而且车身刚度设计不合理最终会直接或间接地影响汽车的动力响应性能等问题。汽车车身刚度主要有整体扭转刚度和整体弯曲刚度。扭转刚度用来表征车身在凹凸不平路面上抵抗斜对称扭转变形的能力,弯曲刚度可看作是车身在垂直力作用时车身的纵向张力,是表示挠度的量可用车身在垂直载荷作用下产生的位移大小来描述,计算机仿真计算参照刚度试验方法施加边界条件,采用MSC/NASTRANSOL101求解器计算。通过数据处理获得上述有限元模型的模态、刚度仿真结果如下表1所示:

表1 车身模态、刚度计算结果

 表1 车身模态、刚度计算结果

3 结构灵敏度分析

3.1车身结构灵敏度分析

    车身结构灵敏度分析是车身结构性能参数的变化对车身结构设计参数变化的敏感性,是优化设计的重要一环,可成倍提高优化效率。通过灵敏度分析可以计算出结构响应值对于各设计变量的导数,以确定设计变化过程中对结构响应最敏感的部分,从而可以获得最关心的灵敏度系数和最佳的设计参数。考虑到改型设计的实际操作性和由此带来的加工制造成本增加,因此本文仅以车身结构零件厚度作为变量。

责任编辑:吴星星
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐