【摘要】：隨著汽車(chē)工業(yè)的高速發(fā)展,以及人們生活水平的不斷提高,中國(guó)的汽車(chē)保有量正飛速的增長(zhǎng),而隨之帶來(lái)的能源過(guò)度消耗以及環(huán)境污染等問(wèn)題也日益加重。汽車(chē)輕量化技術(shù)作為汽車(chē)工業(yè)發(fā)展長(zhǎng)河中的一個(gè)關(guān)鍵性課題,無(wú)疑是解決這一系列問(wèn)題的有效手段之一。時(shí)間的沉淀帶來(lái)的不僅僅是技術(shù)的進(jìn)步,還有數(shù)據(jù)的豐富和積累,數(shù)據(jù)挖掘技術(shù)可以挖掘隱藏在數(shù)據(jù)中的有用信息和知識(shí),實(shí)現(xiàn)對(duì)歷史數(shù)據(jù)更充分的利用。本文將新興的數(shù)據(jù)挖掘技術(shù)與傳統(tǒng)的汽車(chē)輕量化設(shè)計(jì)相結(jié)合,對(duì)汽車(chē)輕量化設(shè)計(jì)進(jìn)行了較為系統(tǒng)和深入的研究。本文主要開(kāi)展了以下幾個(gè)方面的研究:首先,以傳統(tǒng)的支持向量回歸為研究基礎(chǔ),明確SVR近似模型的最終性能是由SVR近似模型中各個(gè)參數(shù)的選擇共同決定,將最優(yōu)SVR近似模型的獲取轉(zhuǎn)化為SVR近似模型中參數(shù)組合的優(yōu)化求解問(wèn)題,利用經(jīng)典的粒子群優(yōu)化算法(PSO),來(lái)完成最優(yōu)參數(shù)組合的全局搜索工作,最終獲取具有最佳預(yù)測(cè)性能的SVR近似模型。其次,利用數(shù)據(jù)挖掘技術(shù)中的互信息特征選擇方法,通過(guò)計(jì)算各個(gè)設(shè)計(jì)變量與目標(biāo)響應(yīng)的互信息值來(lái)確定各個(gè)設(shè)計(jì)變量同目標(biāo)響應(yīng)之間的相互依賴(lài)程度。再結(jié)合汽車(chē)優(yōu)化設(shè)計(jì)的實(shí)際應(yīng)用,提取基于降維后的數(shù)據(jù)所構(gòu)建的近似模型預(yù)測(cè)精度作為停止條件控制參數(shù),選擇最優(yōu)設(shè)計(jì)變量子集。在保證重要信息得到保留的同時(shí),實(shí)現(xiàn)數(shù)據(jù)的合理降維,降低研究系統(tǒng)的復(fù)雜程度,提高優(yōu)化效率。然后,利用數(shù)據(jù)挖掘技術(shù)中的K均值聚類(lèi)算法,對(duì)樣本數(shù)據(jù)集進(jìn)行分析,考察聚類(lèi)結(jié)果評(píng)價(jià)指標(biāo)同聚類(lèi)結(jié)果中的簇個(gè)數(shù)的關(guān)系,提出最佳簇個(gè)數(shù)的確定方法,實(shí)現(xiàn)對(duì)設(shè)計(jì)空間特征信息的有效識(shí)別和學(xué)習(xí),合理縮減初始設(shè)計(jì)空間,得到可行設(shè)計(jì)域,提高優(yōu)化算法的設(shè)計(jì)效率和獲取或接近全局最優(yōu)解的能力。最后,形成了集關(guān)鍵設(shè)計(jì)變量篩選、高精度近似模型構(gòu)建以及優(yōu)化設(shè)計(jì)域識(shí)別于一體的車(chē)身結(jié)構(gòu)輕量化設(shè)計(jì)總體框架,以某轎車(chē)作為研究對(duì)象進(jìn)行應(yīng)用研究,考慮車(chē)輛滾翻(車(chē)頂壓潰)這一碰撞形式,在保證相關(guān)性能指標(biāo)滿(mǎn)足設(shè)計(jì)要求的前提下,開(kāi)展車(chē)身輕量化設(shè)計(jì)。本文的研究結(jié)果表明,將新興的數(shù)據(jù)挖掘技術(shù)與傳統(tǒng)的車(chē)身輕量化設(shè)計(jì)相結(jié)合,可以有效實(shí)現(xiàn)車(chē)輛減重的目標(biāo)。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：U462.2
【圖文】：

截止 2017年 3月份，中國(guó)的汽車(chē)保有量總數(shù)首次超過(guò) 200,000,00到 2018 年末，全球的汽車(chē)保有量將達(dá)到驚人的 13 億 4000萬(wàn)輛，汽車(chē)已類(lèi)出行最重要的交通工具之一，服務(wù)于人們的日常生活和工作。隨著人生活水平的不斷提高，大家對(duì)于汽車(chē)產(chǎn)品的要求不再僅僅局限于外觀(guān)和方面，尤其對(duì)汽車(chē)的安全性能和舒適性的要求越來(lái)越高，消費(fèi)者的需求進(jìn)行產(chǎn)品改革的目標(biāo)和方向，因此這些情況也受到了各大汽車(chē)生產(chǎn)商的汽車(chē)的大量普及，其引發(fā)的能源短缺和環(huán)境污染等一系列問(wèn)題也日漸加輕量化則是提高車(chē)輛燃油經(jīng)濟(jì)性，降低能源消耗，同時(shí)減少環(huán)境污染的之一。有相關(guān)數(shù)據(jù)顯示，整車(chē)質(zhì)量每減重 10%，其百公里油耗可減少 6分點(diǎn)，總油耗可減少 10%左右，對(duì)應(yīng)的，排放量也能實(shí)現(xiàn) 5%~8%的降低車(chē)身零部件的質(zhì)量在整車(chē)質(zhì)量中占到較大的比重，約占汽車(chē)總質(zhì)量的 4汽車(chē)在空載情況下行駛，車(chē)身質(zhì)量帶來(lái)的油耗約占總油耗的 70%左右[2]，車(chē)身的優(yōu)化設(shè)計(jì)從而實(shí)現(xiàn)車(chē)身輕量化，是實(shí)現(xiàn)汽車(chē)輕量化，提高整車(chē)燃，降低能源消耗和污染的重要途徑。

1 緒 論近似模型（Approximation model），亦被稱(chēng)作代理模型（Metamodel）,是以數(shù)理統(tǒng)計(jì)方法為基礎(chǔ)，利用歷史樣本數(shù)據(jù)，擬合得到輸入變量與響應(yīng)量之間的對(duì)應(yīng)關(guān)系，建立復(fù)雜有限元模型的近似模型。在近似模型精度得到有效保證的前提之下，分析結(jié)果具有足夠的可借鑒性�；诮颇Ｐ偷膬�(yōu)化過(guò)程，由于避免了復(fù)雜有限元模型的計(jì)算分析，真實(shí)的迭代計(jì)算過(guò)程所需的時(shí)間得到很大的削減，具有計(jì)算量小，計(jì)算周期較短的特點(diǎn)，優(yōu)化效率大大提高，同時(shí)對(duì)于計(jì)算機(jī)硬件的要求也得到緩解。近似模型建立的流程主要包括：試驗(yàn)設(shè)計(jì)、物理試驗(yàn)或有限元仿真、近似模型建立以及模型精度驗(yàn)證，具體流程如圖 1.2 所示。

圖 1.3 近似模型基本架構(gòu)Fig.1.3 Basic architecture of approximation model自 Schmit[4]等提出近似概念之后，近似建模技術(shù)在結(jié)構(gòu)優(yōu)化研究領(lǐng)域中備受的關(guān)注。它是在設(shè)計(jì)空間內(nèi)通過(guò)某一方式構(gòu)建出一個(gè)超曲面來(lái)代替實(shí)際的優(yōu)題，其實(shí)質(zhì)是以擬合精度和預(yù)測(cè)能力為約束，利用近似技術(shù)對(duì)離散數(shù)據(jù)進(jìn)行或插值的數(shù)學(xué)模型，然后利用該數(shù)學(xué)模型實(shí)現(xiàn)對(duì)未知點(diǎn)的預(yù)測(cè)，并用構(gòu)造的來(lái)代替復(fù)雜的有限元模型，達(dá)到簡(jiǎn)化優(yōu)化過(guò)程和減少計(jì)算時(shí)間的目的�；跇颖緮�(shù)據(jù)，挖掘輸入變量與輸出結(jié)構(gòu)響應(yīng)之間的回歸關(guān)系，完成近似模型構(gòu)建廣義的角度來(lái)看，近似建模技術(shù)也屬于數(shù)據(jù)挖掘的范疇。目前常見(jiàn)的近似建法有多項(xiàng)式響應(yīng)面、神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)、Kriging和支持向量回歸等。①多項(xiàng)式響應(yīng)面（ResponseSurfaceModel，RSM），也稱(chēng)作多項(xiàng)式回歸，是最早也是應(yīng)用最為廣泛的近似模型，是一種基于試驗(yàn)設(shè)計(jì)建立設(shè)計(jì)變量和目數(shù)值之間函數(shù)關(guān)系的近似建模方法。Wilson[5]在 1951 年提出了響應(yīng)面模型的，起初是應(yīng)用于物理實(shí)驗(yàn)結(jié)果的擬合。后來(lái)該方法在工程結(jié)構(gòu)優(yōu)化問(wèn)題的解

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王圃;白云;李川;王穎;謝晶晶;;基于變結(jié)構(gòu)支持向量回歸的城市日用水量預(yù)測(cè)[J];應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào);2015年05期

2 趙金鋼;趙人達(dá);占玉林;張寧;;基于支持向量機(jī)和蒙特卡洛法的結(jié)構(gòu)隨機(jī)靈敏度分析方法[J];工程力學(xué);2014年02期

3 王霞;王占岐;金貴;楊俊;;基于核函數(shù)支持向量回歸機(jī)的耕地面積預(yù)測(cè)[J];農(nóng)業(yè)工程學(xué)報(bào);2014年04期

4 楊哲;李曙林;周莉;石曉朋;;飛機(jī)作戰(zhàn)生存力設(shè)計(jì)參數(shù)靈敏度分析[J];北京航空航天大學(xué)學(xué)報(bào);2013年08期

5 張國(guó)慶;楊海天;;基于Kriging代理模型的拉壓不同模量平面問(wèn)題的近似求解[J];工程力學(xué);2013年04期

6 單峰;朱俊虎;王浩;;基于靈敏度分析的載貨汽車(chē)車(chē)架結(jié)構(gòu)優(yōu)化[J];汽車(chē)技術(shù);2013年01期

7 陳明;郭立新;;電動(dòng)汽車(chē)動(dòng)力性與能耗經(jīng)濟(jì)性參數(shù)靈敏度分析[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

8 楊劍秋;王延榮;;空心風(fēng)扇葉片結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法及程序?qū)崿F(xiàn)[J];航空動(dòng)力學(xué)報(bào);2012年01期

9 賈東升;李國(guó)平;白曉輝;;基于響應(yīng)面法的液力耦合器葉輪結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J];煤礦機(jī)械;2010年12期

10 李鐵柱;李光耀;陳濤;高暉;;基于Kriging近似模型的汽車(chē)乘員約束系統(tǒng)穩(wěn)健性設(shè)計(jì)[J];機(jī)械工程學(xué)報(bào);2010年22期

本文編號(hào)：2753107