車身是汽車行駛運動過程中的主要承載體。車身由大量的部件構成，結構復雜，工作條件也十分復雜。主要的工作載荷包括：驅動慣性力，制動慣性力，轉向慣性力，不平路面激勵力和動力結構載荷等等。如果車身結構設計中剛度設計不足，則車身的振動頻率會引起結構共振，進而引起結構連接的強度失效（產生塑性變形），進而導致車門、窗框、背門框等變形過大。最終導致車門卡死、玻璃破碎、密封失效、漏氣漏水等問題。分析車身的剛度，改進車身結構設計，提高車體剛度是非常重要。

       車身性能開發金字塔的最底層是消費者最易感知的性能，即操穩性能，而操穩性能直接相關的就是車身的整體剛度性能。（車身扭轉剛度、區域剛度是和車身操穩性能相關的，因此車身扭轉剛度的性能目標應該滿足操穩性能要求，也應該由操穩性能需求來定義。）

       通常更高的車身剛度性能對于操穩、NVH、耐久性能是有益的，那是不是說為了提升上述相關性能可以過度提高剛度性能呢？當然不是，剛度性能提升是要滿足結構最優化設計原則，即通過結構優化設計來提升材料有效利用率，而不是靠粗暴地堆疊材料來提升剛度性能。在提升剛度性能時還要考慮輕量化要求，只有通過結構優化設計才能夠在滿足剛度性能要求時，同時滿足動力經濟性的要求。

       結構優化包括拓撲優化、形狀優化等方法在優化車身性能中具有非常重要的作用。拓撲優化可以合理優化材料分布，識別車身結構薄弱點。形狀優化進一步優化零部件結構形狀提升材料效率。

       以上包括本田、雷諾、沃爾沃、標志、尼桑、寶馬、雷克薩斯、斯柯達、歐寶等車型開發過程中拓撲優化在結構性能優化中的案例。

實際案例：

拓撲優化：

       針對車身后端包括C、D柱、dog leg區域進行拓撲優化分析，識別結構弱區域。根據拓撲優化結果進行結構優化設計：

原方案：

方案1：重新設計C環結構

方案2：增加bulk head

      這里就不在贅述其他方案，根據拓撲結果可以識別的方案一般包括增加加強件、增加Bulk head、增加焊點、修改形狀特征、結構形狀優化等。通過以上方案驗證，可以提升扭轉剛度性能12%左右，同時減重0.8Kg。驗證扭轉模態性能提升2.3Hz。

       對于拓撲優化，大多數人通常會疏忽一個很重要的維度，即保留材料的力學性能當量。如保留材料的截面積、慣量等。如拓撲優化識別出一條重要的路徑，需要增加一個傳力結構件，但往往車身部件都是鈑金件，如何讓方案中的鈑金件的力學性能和拓撲優化的結果是相當的，這一點需要特別注意。尤其是拓撲結果保留的材料和原車身結構有耦合作用時。這里推薦用ANSA23中一個新增的功能，可以直接獲得實體和殼結構聯合結構的截面性能。

      另外一個重要的點，對于拓撲優化結果的方案解讀后，如何快速在FE模型中實現方案，如本文中的C環重構、Bulk head生成等，如果不掌握一些快速生成手段，往往需要設計工程師進行CAD數據生成，然后再進行網格重構，這往往就浪費了很多時間。這里推薦meshworks軟件，可以快速創建復雜梁、接頭等網格。冒昧問一下，上圖中C環結構如果是你來做可以完成嗎？需要多久？這個案例中大概只需要幾分鐘就完成了。工欲善其事必先利其器。

       感興趣的朋友可以關注下meshworks公眾號，了解更多有趣的功能。也可以直接在公眾號中留言獲得更多信息。

       接上文，拓撲優化的解讀方案通常是無法得到性能完全相當的結構的。因此需要進一步地進行形狀參數優化，進一步提升材料利用率。

形狀優化：

       形狀參數包括C環截面X向尺寸，如何保證C環在變形過程中一直貼合輪罩，焊點連接一直正確生成，這在創建形狀參數時需要特殊注意。形狀參數還包括C環的位置，Y向高度、X向寬度，以及材料厚度一起組合為多參數優化。當然，還可以包括焊點數量一起作為優化參數進行優化（這里由于計算資源問題，就不給優化結果了，我的X230超算打開模型都夠嗆了）。通常還可以進一步提升3~5%的剛度性能。

       優化軟件推薦使用LS-OPT，特別是LS-OPT 2022R1(R2)。LS-OPT本身特有的優化策略就是一種高效的優化方法，2022版本中meta model又增加了MOP方法，可以自動根據設置的條件選擇meta-model的方法，這也是LSTC被ANSYS 收購之后借鑒（引入）了optiSLang中的功能。當然，事情往往有兩面性，被ANSYS收購了之后LS-OPT軟件不在免費使用了，需要license。嗯，需要license。不過我用著還是不錯的，增加的功能都很實用。

       雖然LS-OPT 2022R2增加了幾個實用的功能，但是ROM降階方法還是放鴿子了，希望在2023版本中可以見到吧。這里推薦了LS-OPT，但并不是說其他優化軟件不可以，不然我也不會搞那么其他優化軟件的使用教程和案例了。只不過LS-OPT確實有其獨特之處。

文章來源：cae數值優化輕量化