基于机器学习的汽车门槛梁碰撞仿真优化

刘家员，彭竑维，辜冠荣（澳汰尔工程软件（上海）有限公司）

摘要：为提高汽车门槛梁优化效率，针对汽车侧面柱碰撞工况门槛挤压铝吸能量有限、仿真中显式求解迭代周期长及制造工艺要求高等优化难点，基于某SUV车型建立碰撞模型，以门槛梁厚度为变量进行试验设计（DOE）分析，获得144组有效设计数据，通过深度学习方法（Rapidminer、romAI）形成降阶模型（ROM）用作优化仿真的替代模型，CAE仿真验证结果表明，在数据量有限的条件下，romAI在优化中的精度达到95% 以上，且求解速度提高近40倍，极大缩短了研发周期。

关键词：机器学习 降阶模型 汽车门槛梁 优化仿真