详情

原文传递基于数据挖掘的汽车被动安全多学科优化设计方法研究

论文题名：	基于数据挖掘的汽车被动安全多学科优化设计方法研究
关键词：	汽车被动安全;多学科优化设计;数据挖掘;粗糙集算法;模糊化理论
摘要：	当今全球汽车企业之间的竞争越来越激烈，安全、节能与环保成为了汽车发展的三大热点问题。为适应与满足快速多变的市场需求，多学科优化设计方法已经在新产品开发和协同设计等方面带来了巨大变革。然而，对于汽车被动安全设计等复杂工程领域的设计问题，采用传统的进化算法进行优化求解，则需要漫长的计算时间；而且由于设计变量、约束条件繁多，很多情况下难以获取准确的最优解。因此，为了在有限的时间内获取更优的设计方案，确保设计质量，降低成本，快速而准确的高性能多学科优化技术将是汽车被动安全设计的一个关键突破点。同时，被动安全设计过程存在或产生了大量数据，且以往相似案例的开发过程也积累了一些数据。这些庞大的数据资源包含极其丰富且有巨大价值的信息。由于数据挖掘方法在其他工程领域的广泛应用，以及被动安全设计领域与这些工程领域中的数据具有一定的共性，汽车被动安全设计部门逐渐将目光投向数据挖掘方法。但是，传统的信息检索机制和统计分析方法只能获取这些数据的表层信息，无法充分利用它们。如何将这些数据资源的利用提高到更高阶段，达到数据利用过程和汽车被动安全优化设计过程的有机结合，是汽车被动安全研究发展到一定阶段的客观要求。　　本文针对汽车被动安全设计，基于数据挖掘理论与方法，对多学科优化设计的关键技术进行研究。本文在美国福特汽车公司大学研究计划（URP）、机械系统与振动国家重点实验室开放课题等项目支持下，结合作者于博士就读期间在福特汽车公司北美全球研发与创新中心被动安全部门的两年相关研究经验，总结出应用数据挖掘理论与技术，支持汽车被动安全设计的两个研究方向：优化设计问题约简和高效优化算法开发，形成基于设计约束约简，设计变量约简，多学科优化搜索策略，算法参数设置，帕累托最优解评价的多学科优化设计与评估流程，并开展相应的工程应用研究。该流程已成功用于汽车的安全设计中，为我国汽车被动安全设计提供理论与方法指导，本文主要研究内容如下：　　(1)被动安全设计中的设计约束约简方法研究　　针对汽车被动安全设计中设计约束繁多造成计算成本高、计算时间长的问题，在该领域提出设计约束约简的思想，并具体给出基于改进的变精度离散粗糙集的设计约束约简方法，有效降低了复杂工程问题的计算成本和时间，为该问题的后续开发或相似案例的研究提供指导。其中，分析汽车被动安全设计中的数据特点,在对传统变精度离散粗糙集方法总结的基础上构建粗糙集算法加强器，提出了基于改进的变精度离散粗糙集的设计约束数据挖掘方法。数学与工程案例验证了该改进方法的有效性。通过汽车被动安全领域案例分析，该设计约束约简方法通过选择重要的安全需求，有效降低该案例及后续相似案例的问题复杂性，节省大量计算资源和计算时间。　　(2)被动安全设计中的设计变量约简方法研究　　针对汽车被动安全优化设计具有大量设计变量而影响更优解获取的问题，分析设计变量类数据的连续型特点，提出基于新的变精度模糊粗糙集的设计变量类数据挖掘方法，实现了基于数据挖掘的设计变量约简。其中，提出一种基于模糊化理论、不一致矩阵和粗糙集算法加强器的新的变精度模糊粗糙集方法，使之更适用于汽车被动安全设计数据，提高处理众多设计变量的能力，实现对复杂被动安全设计问题的设计变量约简。提出的设计变量约简方法能有效降低问题复杂性，获取更优的设计方案。通过工程案例研究表明，该方法能有效缩减优化搜索域，获取更优的设计方案。　　(3)基于聚类分析与近似模型的优化搜索策略研究　　使用NSGA-II等进化算法进行直接多学科优化设计的过程中，常产生大量几乎重复的设计点或者质量较低的设计点，尤其对于汽车被动安全设计等高维多约束的复杂工程问题，为减少计算资源和时间消耗，提出一种基于数据挖掘的优化搜索策略，采用聚类分析和近似模型对优化过程中的历史数据进行挖掘和应用。其中相似点识别和聚类分析用于实时判断新的设计点是否处在较好的设计域，根据判定结果决定是否在该设计点处运行数字化仿真模型，或者用新的质量较好的设计点代替；同时，在优化倒数第二代迭代后，利用当前所有的优化过程历史数据建立近似模型，并基于该模型进行优化，然后在优化得到的设计点处运行数字化仿真模型，与之前的设计点合并生成新一代的设计点，最后继续基于仿真模型进行优化，直到满足优化终止条件。该策略能在优化初期扩大搜索范围，避免局部最优，并在后期收敛于合理域内，实现精确搜索。它能更有效率地利用仿真运算，在有限的时间内获取更优的设计方案。　　(4)优化算法参数设置及帕累托最优解评价指标研究　　被动安全设计等复杂工程问题要求优化算法具有较强的寻优求解能力，而合理的参数设置对 NSGA-II寻优结果及效率具有很大的影响。本文通过大量数值案例研究，对NSGA-II交叉分布指数与变异分布指数两个参数提出合理的设置区间。通过多个案例，采用分类和回归树数据挖掘技术，验证其有效性。同时，提出一种新的综合考虑均匀性与广度的帕累托最优解评价指标，作为优化过程的停止准则，减少不必要的仿真运算。通过数学与工程案例研究表明，该评价指标更与领域专家的判断相符。通过算法参数的合理设置和帕累托解集的准确评价，提高有限时间内设计方案的质量。　　(5)汽车被动安全多学科优化设计方法工程应用研究　　针对高维、多约束、强非线性的乘员约束系统等复杂被动安全优化设计问题，综合运用基于改进的离散粗糙集的设计约束约简方法，基于新的变精度模糊粗糙集的设计变量约简方法，基于聚类分析和近似模型的多学科优化搜索策略，基于大量数值案例研究的NSGA-II推荐参数设置，以及综合考虑均匀性与宽广性的帕累托最优解评价指标，提出了基于数据挖掘理论与技术的汽车被动安全优化设计与评估总体构架与具体实施步骤。以某轿车乘员约束系统为研究对象，考虑100%正面碰撞，不同碰撞强度，不同假人模型等6种碰撞工况下的乘员约束系统优化设计的工程应用。与现有工程方法相比，该方法在相同的开发时间内提高了设计质量，验证了它的有效性和工程可行性。
作者：	郑凯
专业：	机械工程
导师：	胡洁;Ren-Jye Yang Ford
授予学位：	博士
授予学位单位：	上海交通大学
学位年度：	2016
正文语种：	中文