NGHIÊN CỨU THIẾT KẾ TỐI ƯU KẾT CẤU AN TOÀN LẬT NGHIÊNG Ô TÔ KHÁCH GHẾ NGỒI UNIVERSE TRÊN CƠ SỞ TIÊU CHUẨN AN TOÀN CHÂU ÂU ECE R66

Tóm tắt

Mục đích chính của nghiên cứu này là ứng dụng kỹ thuật máy tính (CAE) xây dựng mô hình phần tử hữu hạn xe khách ghế ngồi Universe. Sau đó mô phỏng phân tích độ cứng khung xương ban đầu của mô hình theo tiêu chuẩn an toàn lật nghiêng châu Âu ECE R66. Kết quả độ cứng, khối lượng khung xương ban đầu lớn. Tiến hành giảm bề dày theo cách truyền thống để khung xương biến dạng chạm đến không gian an toàn, làm giảm khối lượng khung xương xe khách. Tiếp tục cải tiến bằng việc thay đổi thiết kế về kết cấu khung xương ở những vị trí ảnh hưởng đến biến dạng. Kết quả cải tiến cho thấy khối lượng giảm thêm 5%. Tuy nhiên, phương pháp cải tiến này chưa thật sự tối ưu. Thông qua bài toán tối ưu, tiến hành thiết kế thực nghiệm mô phỏng đưa ra phương trình hồi quy thực nghiệm bằng SPSS. Sử dụng giải thuật di truyền GA trong Matlab để giải phương trình hồi quy thực nghiệm. Kết quả đạt được là tổng khối lượng các biến được chọn giảm 18.5% so với trước khi tối ưu.

Title

RESEARCH THE OPTIMAL DESIGN OF THE ROLLOVER SAFETY STRUCTURE OF THE COACH WITH UNIVERSE SEAT BASED ON EUROPEAN SAFETY STANDARDS ECE R66

Abstract

Technical topics computer applications (CAE) modeling finite element of the coach with universe seat. The simulation analysis of initial stiffness of skeletal models safety standard ECE R66 European tilt. As a result of hardness, the initial volume larger skeleton. Conduct a thickness reduction in the traditional way to skeletal deformation reaches a safe space, and reduce the volume of the passenger car frame. Continuing improvements by changing the design of the structural skeleton in positions affecting deformation. Results showed improved volumes decreased by 5%. However, this improved method is not really optimal. Through optimization problems, conduct simulation experimental design given empirical regression equation by SPSS. Using genetic algorithms in Matlab GA to the empirical regression equation. Results were achieved as the total volume of the selected variables decreased by 18.5% compared to the prior optimization.