基于<strong>MOPSO</strong>的<strong>BFRP/</strong>铝混合防撞装置多目标优化设计

doi:10.3785/j.issn.1006-754X.2026.05.181

工程设计学报

2026, Vol. 33

Issue (1): 106-116 DOI: 10.3785/j.issn.1006-754X.2026.05.181

优化设计

基于MOPSO的BFRP/铝混合防撞装置多目标优化设计

李有通¹(

),李沁逸¹,刘前结²(

),陈益庆¹,张春林^1,³,李浩¹

^1.广安职业技术学院智能制造与汽车工程学院，四川广安 638000
^2.华东交通大学机电与车辆工程学院，江西南昌 330013
^3.重庆大学机械与运载工程学院，重庆 400030

Multi-objective optimization design for BFRP/Al hybrid crashworthy device using MOPSO

Youtong LI¹(

),Qinyi LI¹,Qianjie LIU²(

),Yiqing CHEN¹,Chunlin ZHANG^1,³,Hao LI¹

^1.School of Intelligent Manufacturing and Automotive Engineering, Guang'an Vocational & Technical College, Guang'an 638000, China
^2.School of Mechatronics and Vehicle Engineering, East China Jiaotong University, Nanchang 330013, China
^3.College of Mechanical and Vehicle Engineering, Chongqing University, Chongqing 400030, China

全文: PDF(5304 KB) HTML

摘要：

玄武岩纤维增强复合材料（basalt fiber-reinforced polymer, BFRP）具有优异的力学性能和可熔融再生特性，在汽车轻量化领域的应用前景广阔。针对某车型的铝制防撞装置，开展BFRP/铝混合防撞装置的多目标优化设计。首先，对BFRP层合板开展力学性能测试，并利用HyperMesh软件建立防撞装置有限元模型；其次，采用拉丁超立方抽样生成代理模型的训练样本，结合敏感度分析识别关键设计参数，并通过基于加权欧式距离的空间填充采样法来提升代理模型对响应指标的预测精度；最后，以防撞装置峰值载荷、总质量及横梁最大位移最小为优化目标，运用MOPSO（multi-objective particle swarm optimization，多目标粒子群优化）算法求解Pareto前沿，并基于熵权- TOPSIS（technique for order preference by similarity to an ideal solution，逼近理想解排序法）确定最优设计参数组合。结果显示：优化后防撞装置的峰值载荷降低了36.15%，总质量减小了12.23%，显著提升了耐撞性能并实现了轻量化目标。所提出的方法可为BFRP/铝混合防撞装置的轻量化设计提供一套系统性的解决方案。

关键词： 玄武岩纤维增强复合材料; 混合防撞装置; 敏感度分析; 多目标粒子群优化; 耐撞性

Abstract:

Basalt fiber-reinforced polymer (BFRP) has excellent mechanical properties and melt-recyclability, with broad application prospects in automotive lightweight field. For the aluminum crashworthy device of a certain vehicle, a multi-objective optimization design of BFRP/Al hybrid crashworthy device is carried out. Firstly, mechanical tests were conducted on BFRP laminates, and a finite element model of the crashworthy device was established using HyperMesh software. Subsequently, training samples for the surrogate model were generated via Latin hypercube sampling. Key design parameters were identified through sensitivity analysis, and the prediction accuracy of the surrogate model for response indicators was enhanced by a space-filling sampling method based on the weighted Euclidean distance. Finally, with the objectives of minimizing peak load, total mass and maximum crossbeam displacement of the crashworthy device, the MOPSO (multi-objective particle swarm optimization) algorithm was employed to obtain the Pareto frontier, and the optimal design parameter combination was determined based on the entropy weight-TOPSIS (technique for order preference by similarity to an ideal solution) method. The results demonstrated that the optimized crashworthy device achieved reductions of 36.15% in peak load and 12.23% in total mass, exhibiting significantly improved crashworthiness while meeting the lightweight target. The proposed method can provide a systematic solution for the lightweight design of BFRP/Al hybrid crashworthy devices.

Key words: basalt fiber-reinforced polymer (BFRP) hybrid crashworthy device sensitivity analysis multi-objective particle swarm optimization (MOPSO) crashworthiness

收稿日期: 2025-08-14 出版日期: 2026-03-01

CLC:

U 465.6

基金资助: 2023年四川省科技计划项目(23MZGC0177);江西省自然科学基金资助项目(20242BAB20249)

通讯作者: 刘前结 E-mail: 859135985@qq.com;734831871@qq.com

作者简介: 李有通（1986—），男，副教授，硕士，从事碰撞安全与轻量化设计研究，E-mail: 859135985@qq.com，https://orcid.org/0009-0000-2561-4437

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李有通
	李沁逸
	刘前结
	陈益庆
	张春林
	李浩

引用本文:

李有通,李沁逸,刘前结,陈益庆,张春林,李浩. 基于MOPSO的BFRP/铝混合防撞装置多目标优化设计[J]. 工程设计学报, 2026, 33(1): 106-116.

Youtong LI,Qinyi LI,Qianjie LIU,Yiqing CHEN,Chunlin ZHANG,Hao LI. Multi-objective optimization design for BFRP/Al hybrid crashworthy device using MOPSO[J]. Chinese Journal of Engineering Design, 2026, 33(1): 106-116.

链接本文:

https://www.zjujournals.com/gcsjxb/CN/10.3785/j.issn.1006-754X.2026.05.181 或 https://www.zjujournals.com/gcsjxb/CN/Y2026/V33/I1/106

图1 试验样件和测试装置

图2 1#试验样件的拉伸/压缩应力—应变曲线

表1 BFRP与铝合金的材料属性

图3 防撞装置关键部件截面示意及其有限元模型

表2 实验设计方案及求解结果

图4 设计变量的主效应与交互效应

图5 设计变量敏感度分析结果

图6 扩展系数优化曲线

表3 代理模型误差分析结果

表4 设计变量对应的权重

图7 新增采样点与初始采样点的空间分布

表5 新增采样点及求解结果

表6 补充采样后代理模型的误差分析结果

图8 代理模型拟合精度检验结果

图9 基于MOPSO的多目标优化流程

图10 防撞装置多目标优化的Pareto前沿

响应指标	信息熵	差异系数	权重
峰值载荷P	0.988 3	0.011 7	0.199 7
总质量M	0.989 4	0.010 6	0.180 8
横梁最大位移 $δ$	0.963 7	0.036 3	0.619 5

表7 响应指标的信息熵与权重

表8 Pareto前沿相对贴近度排序

图11 响应指标的Pareto前沿解与仿真结果对比

图12 优化前后防撞装置的总吸能量曲线对比

图13 优化后防撞装置的应力分布云图（ t=0.095 s）

图14 优化前后防撞装置的碰撞性能对比

表9 优化前后防撞装置的响应指标对比

[1]	熊其平，钟建辉，占红星，等. 轻量化材料在汽车制造中的应用［J］. 汽车测试报告， 2024（17）： 62-64. XIONG Q P， ZHONG J H， ZHAN H X， et al. Application of lightweight materials in automobile manufacturing［J］. Car Test Report， 2024（17）： 62-64.
[2]	刘嘉麒. 玄武岩纤维材料［M］. 北京：化学工业出版社， 2021： 1-5. doi：10.22443/rms.emc2020.685 LIU J Q. Basaltic fiber materials［M］. Beijing： Chemical Industry Press， 2021： 1-5. doi: 10.22443/rms.emc2020.685
[3]	张建伟，佘希林，刘嘉麒，等. 连续玄武岩纤维新材料的制备、性能及应用［J］. 材料导报， 2023， 37（11）： 238-244. ZHANG J W， SHE X L， LIU J Q， et al. Preparation， properties and application of novel continuous basalt fibers［J］. Materials Reports， 2023， 37（11）： 238-244.
[4]	袁铁军，孙强，吕红明，等. 复合材料在汽车防撞梁上的应用研究进展［J］. 工程塑料应用， 2024， 52（4）： 169-174. YUAN T J， SUN Q， LÜ H M， et al. Research progress on application of composite materials in automotive crash beams［J］. Engineering Plastics Application， 2024， 52（4）： 169-174.
[5]	DIXIT Y， DHALIWAL G S， NEWAZ G， et al. Comparative investigation for the performance of steel and carbon fiber composite front bumper crush-can （FBCC） structures in quarter-point impact crash tests［J］. Journal of Dynamic Behavior of Materials， 2020， 6（1）： 96-111.
[6]	肖罡，郭鹏程，项忠珂，等. 汽车铝合金前防撞梁截面的有限空间优化设计［J］. 塑性工程学报， 2023， 30（8）： 146-155. XIAO G， GUO P C， XIANG Z K， et al. Finite space optimization design of vehicle aluminum alloy front anti-collision beam section［J］. Journal of Plasticity Engineering， 2023， 30（8）： 146-155.
[7]	张涛. 碳纤维增强复合材料汽车保险杠轻量化设计［D］. 青岛：青岛大学， 2021. ZHANG T. Lightweight design of carbon fiber reinforced composite automobile bumpers［D］. Qingdao： Qingdao University， 2021.
[8]	CHEN J X， TUO W Y， WAN C F， et al. Shear test method for and mechanical characteristics of short basalt fiber reinforced polymer composite materials［J］. Journal of Applied Polymer Science， 2018， 135（16）： 46078.
[9]	孙胜江，朱长华，梅葵花. 玄武岩纤维复合材料梁-柱式护栏防撞性能［J］. 振动与冲击， 2019， 38（21）： 265-270. SUN S J， ZHU C H， MEI K H. Anti-collision performance of basalt fiber composite beam-column guardrails［J］. Journal of Vibration and Shock， 2019， 38（21）： 265-270.
[10]	徐森. 玄武岩纤维前防撞梁结构优化设计［D］. 长春：吉林大学， 2022. XU S. Structural optimization design of basalt fiber front crash beam［D］. Changchun： Jilin University， 2022.
[11]	崔晓凡. 车用玄武岩-碳纤维混杂复合材料结构优化与性能研究［D］. 长春：吉林大学， 2023. CUI X F. Structural optimization and performance study of basalt/carbon fiber hybrid composites for vehicles［D］. Changchun： Jilin University， 2023.
[12]	陈静，崔晓凡，郑晋军，等. 基于加点多目标粒子群算法的碳纤维防撞梁优化设计［J］. 湖南大学学报（自然科学版）， 2022， 49（8）： 21-28. doi：10.5755/j02.eie.31232 CHEN J， CUI X F， ZHENG J J， et al. Optimization design of carbon fiber anti-collision beam based on multi-objective particle swarm with additional points［J］. Journal of Hunan University （Natural Sciences）， 2022， 49（8）： 21-28. doi: 10.5755/j02.eie.31232
[13]	彭煜轩，周先军. 碳纤维复合材料保险杠碰撞性能研究［J］. 机电工程技术， 2024， 53（12）： 192-197. PENG Y X， ZHOU X J. Research on collision performance of carbon fiber composite bumper［J］. Mechanical & Electrical Engineering Technology， 2024， 53（12）： 192-197.
[14]	ZHANG F， WU M Y， HOU X T， et al. Post-buckling reliability analysis of stiffened composite panels based on adaptive iterative sampling［J］. Engineering with Computers， 2022， 38（）： 2651-2661.
[15]	ZHANG L G， LU Z Z， WANG P. Efficient structural reliability analysis method based on advanced Kriging model［J］. Applied Mathematical Modelling， 2015， 39（2）： 781-793.
[16]	WANG D F， XIE C， WANG S. An adaptive RBF neural network-based multi-objective optimization method for lightweight and crashworthiness design of cab floor rails using fuzzy subtractive clustering algorithm［J］. Structural and Multidisciplinary Optimization， 2021， 63（2）： 915-928.
[17]	HE C H， ZENG H， HUANG J Q， et al. Structure aware single-stage 3D object detection from point cloud［C］//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Seattle， WA， Jun. 13-19， 2020.
[18]	张铃欣. 汽车车轮区域流动不稳定性及其气动外形优化减阻方法研究［D］. 镇江：江苏大学， 2023. ZHANG L X. Investigation of automotive wheel flow nstabilities and aerodynamic shape optimization for drag reduction［D］. Zhenjiang： Jiangsu University， 2023.
[19]	王学武，闵永，顾幸生. 基于密度聚类的多目标粒子群优化算法［J］. 华东理工大学学报（自然科学版）， 2019， 45（3）： 449-457. WANG X W， MIN Y， GU X S. Multi-objective particle swarm optimization algorithm based on density clustering［J］. Journal of East China University of Science and Technology， 2019， 45（3）： 449-457.
[20]	PHROMPHAN P， SUVISUTHIKASAME J， KAEWMONGKOL M， et al. A new Latin hypercube sampling with maximum diversity factor for reliability-based design optimization of HLM［J］. Symmetry， 2024， 16（7）： 901.
[21]	王晓钰. 不同长度特长隧道光环境对驾驶员心生理负荷的影响研究［D］. 重庆：重庆交通大学， 2024. WANG X Y. Study on the relationship between traffic safety and biomass index at the entrance of highway tunnel［D］. Chongqing： Chongqing Jiaotong University， 2024.

[1]	吴勃夫,吴姚烨,贝璟,吴宗扬,孙亮. 铸铝一体化车门的多目标可靠性优化设计[J]. 工程设计学报, 2024, 31(2): 188-200.
[2]	孙月海, 唐二星. 弧齿锥齿轮基本参数优化设计[J]. 工程设计学报, 2020, 27(5): 616-624.
[3]	陶小会, 李国龙, 徐凯, 李传珍. 蜗杆砂轮磨齿机几何误差敏感度分析[J]. 工程设计学报, 2020, 27(1): 111-120.
[4]	廖兴涛, 张维刚, 李青, 钟志华. 响应表面法在薄壁构件耐撞性优化设计中的应用研究[J]. 工程设计学报, 2006, 13(5): 298-302.

Viewed

Full text

Abstract

Cited

Shared

Discussed