-
基于径向基神经网络的尾门优化研究
某一新车尾门悬挂重达35 kg备胎 , 需满足下垂性能指标及轻量化需求 ,针对传统人工迭代优化周期长 、难度大的 问题 ,提出一种基于径向基神经网络(RBF)的尾门优化方法 , 首先将尾门结构参数和料厚定义为可优化设计变量 , 然后通过试验 设计(DOE)生成不同设计变量与车门下垂性能对应关系的多组数据 , 再基于RBF建立结构参数和性能的非线性映射 , 最后基于 Isight的遗传算法对尾门参数进行优化 。结果表明 ,优化方案尾门满足下垂下坠性能 ,并且减重1. 0 kg(3. 7%)。该研究对尾门 优化设计有较大的工程参考价值。
