(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211206608.0 (22)申请日 2022.09.30 (71)申请人 中南大学 地址 410083 湖南省长 沙市岳麓区麓山 南 路932号 (72)发明人 王勇　张志耀　 (74)专利代理 机构 长沙麓创时代 专利代理事务 所(普通合伙) 43249 专利代理师 张丽 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/12(2006.01) G06F 111/06(2020.01)G06F 111/10(2020.01) (54)发明名称 一种基于两阶段进化优化的汽车多胞结构 吸能盒设计方法及系统 (57)摘要 本发明公开了一种基于两阶段进化优化的 汽车多胞结构吸能盒设计方法及系统， 在给定碰 撞场景中， 以汽 车多胞结构吸能盒薄壁结构厚度 为设计变量， 以吸能盒的总吸能值及总重量为设 计目标， 在限定吸能盒所受最大峰值力的约束条 件下同时达到轻量化设计和耐撞 性提升的目的。 本发明能够达到在限定最大峰值力的情况下， 同 时提升耐撞 性和实现轻量化的目的， 且优化进程 为两个阶段， 第一阶段充分利用目标的信息引导 种群进化， 以保持多样性探索 目标空间， 并跨越 不可行域 从各个方向进入可行域， 可行域中不同 区域的信息均能被收集到； 第二阶段再使用可行 性优先的约束处理技术， 种群能同时进一步开发 可行域的不同区域， 并从不同方向收敛到最优前 沿面。 权利要求书3页 说明书8页 附图3页 CN 115422663 A 2022.12.02 CN 115422663 A 1.一种基于两阶段进化优化的汽车多胞结构吸能盒轻量化设计方法， 其特征在于， 具 体步骤如下： S1、 对多胞 结构吸能盒轻量 化设计问题构建数 学模型； S2、 建立初始种群和真实档案集， 判断当前的阶段， 其中初始时为第一阶段； S3、 根据真实档案集， 为数 学模型中的每 个目标函数和约束函数分别建立代理模型； S4、 根据当前的阶段选择对应的支配准则， 基于初始种群对由代理模型组成的近似优 化问题执 行进化求解； S5、 根据当前的阶段选择对应的支配准则进行非支配排序， 从进化求解的最终种群中 选择个体进行真实评估， 并放入真实档案集中； S6、 根据当前的阶段选择对应的支配准则进行非支配排序， 根据真实档案集更新初始 种群； S7、 重复S3～S6步骤直到停止条件 满足， 根据真实档案集确定最优设计方案； 其中当前的阶段包括第一阶段和第二阶段： 若处于第一阶段， 当 以下两个条件 同时满 足， 则切换至第二阶段， 否则仍处于第一阶段： 条件一、 真实档案集中存在可 行解； 条件二、 S5中所选择进行真实评估的个 体同时满足以下 条件： a.所选择个 体中的可 行非支配解都与真实档案集中的可 行非支配解互不支配； b.所选择个 体中的不可 行非支配解都不被真实档案集中的可 行非支配解支配； 第一阶段对应的支配准则为Pareto支配准则或基于概率分布的Pareto支配准则； 第二 阶段对应的支配准则为： 约束Pareto支配准则或基于概 率分布的约束Pareto支配准则。 2.如权利要求1所述的基于两阶段进化优化的汽车多胞结构吸能盒轻量化设计方法， 其特征在于， 步骤S1中的数 学模型如下： min:‑EA(X),M(X) S.t.PCF(X)≤PCF0 X＝(x1,x2,...,xD)T∈ΩD Li≤xi≤Ui,(i＝1,…,D) 其中， min表示最小 化， X为D维设计空间ΩD中的设计向量， 由D个待优 化的薄壁结构厚度 设计变量组成， 并且第i个 设计变量xi的下限和上限分别是Li和Ui； EA(X)和PCF(X)分别表示 在给定碰撞场景中吸能盒的总吸能值及所受最大峰值力； M(X)为吸能盒总重量； PCF0为用 户限定的吸能盒在给定 碰撞场景 下所能承受最大峰值力； T表示矩阵转置运 算。 3.根据权利要求1所述一种基于两阶段进化优化的汽车多胞结构吸能盒轻量化设计方 法， 其特征在于， 步骤S2具体实现过程如下： S2.1、 首先对D维设计空间ΩD进行拉丁超立方采样， 获得大小为N的初始种群P＝{Xi|i ＝1,…,N}； 然后对其中每个个体调用有限元分析软件进 行真实评估， 并获得相应的适应度 集Q＝{Yi|i＝1,…,N}， 其中Yi为Xi对应的目标向量， 由EA(Xi)、 PCF(Xi)和M(Xi)组成； S2.2、 基于初始种群， 初始化真实档案集A＝{ {Xi,Yi}|i＝1,..,N}。 4.根据权利要求3所述基于两阶段进化优化的汽车多胞结构吸能盒轻量化设计方法， 其特征在于， 基于真实档案集A＝{{Xi,Yi}|i＝1,..,n }， n为每个循环时真实档案集中的实 际个体数量； 步骤S3中所构建代理模型表达式如下：权　利　要　求　书 1/3 页 2 CN 115422663 A 2其中X*表示待评估的个体， 和 分别表示代理模型的预测均值及不确定度， X*的预测值服从高斯分布 r＝(k(X*,X1),...,k(X*,Xn))T， Xi为真实档案集 中第i个个体， 为衡量个体之间相关性的核函数； R是大 小为n×n的协方差矩阵， 元素Rij＝k(Xi,Xj)； 1T为n×1的元素为1的向量； 和 θi为代理 模型所需训练超参数， 采用最大似然法进行求 解得到； T表示矩阵转置运 算。 5.根据权利要求1所述基于两阶段进化优化的汽车多胞结构吸能盒轻量化设计方法， 其特征在于， 步骤S4中由代理模型构建的近似 优化问题如下： min: S.t. X＝(x1,x2,...,xD)T∈ΩD Li≤xi≤Ui,(i＝1,…,D) 其中， 为步骤S3中基于真实档案集分别为EA(X)、 M(X)和PCF (X)所构建的代理模型。 6.根据权利要求1所述基于两阶段进化优化的汽车多胞结构吸能盒轻量化设计方法， 其特征在于， 步骤S4中对近似 优化问题的进化 求解包含以下步骤： S4.1、 父代种群 基于遗传算子生成后代种群； S4.2、 父代种群与后代种群合并， 并进行非支配排序， 其中， 在第一阶段根据基于概率 分布的Paret o支配准则进 行非支配排序， 在第二阶段根据基于概率分布的约束Pareto支配 准则进行非支配排序； S4.3、 依次选取N个非支配序数低的个体进入下一代种群， 直到期望层； 如果期望层的 个体加入， 种群大小超过N， 则依次删除期望层中离种群中其 余所有个 体最近的个 体； S4.4、 重复S4.1～S4.3 达到预设的代数后， 输出最后种群。 7.根据权利要求1所述基于两阶段进化优化的汽车多胞结构吸能盒轻量化设计方法， 其特征在于， S5步骤具体实现如下： S5.1、 对步骤S4输出的最后种群进行非支配排序， 在第一阶段根据基于概率分布的 Pareto支配准则进行非支配排序， 在第二阶段则根据基于概率分布的约束Pareto支配准则 进行非支配排序； S5.2、 依次选取 μ个非支配序数低的个体进入下一代种群， 直到期望层， μ为用户根据需 要所定义参数； 如果期望层的个体加入， 所选择个体数量超过μ， 则依次删除期望层中离真 实档案集 最近的个 体； S5.3、 调用有限元分析 软件， 对这 μ个 个体进行真实评估， 并放入真实档案集中。 8.根据权利要求1所述基于两阶段进化优化的汽车多胞结构吸能盒轻量化设计方法， 其特征在于， S6步骤具体实现如下：权　利　要　求　书 2/3 页 3 CN 115422663 A 3