本文以整車(chē)熱管理系統(tǒng)為研究對(duì)象,在多系統(tǒng)聯(lián)合仿真及多目標(biāo)優(yōu)化基礎(chǔ)上,利用層次分析法和加權(quán)評(píng)分模型,對(duì)優(yōu)化得到的Pareto方案集進(jìn)行綜合評(píng)價(jià),得到全局最優(yōu)的系統(tǒng)方案?

1  方法介紹

首先,采用先部件建模?后系統(tǒng)集成的方式建立一維多系統(tǒng)聯(lián)合仿真模型?然后,建立多目標(biāo)優(yōu)化模型,采用多目標(biāo)粒子群算法進(jìn)行尋優(yōu)求解,得到Pareto方案集?最后,采用層次分析法和加權(quán)評(píng)分模型對(duì)Pareto方案集中的各方案進(jìn)行綜合評(píng)價(jià)?設(shè)計(jì)流程如圖1所示?



2  仿真模型

2.1  單系統(tǒng)一維仿真模型

建立發(fā)動(dòng)機(jī)冷卻系統(tǒng)仿真模型如圖2所示,包括冷卻水循環(huán)?發(fā)動(dòng)機(jī)機(jī)油回路?變速器油側(cè)邊界,其中冷卻水循環(huán)包含3個(gè)回路,即發(fā)動(dòng)機(jī)-散熱器?發(fā)動(dòng)機(jī)-機(jī)油冷卻器?發(fā)動(dòng)機(jī)-暖通芯體-變速器?建立空調(diào)系統(tǒng)仿真模型如圖3所示,包含兩相流回路和乘員艙熱舒適性模型?



建立整車(chē)動(dòng)力系統(tǒng)仿真模型如圖4所示,主要包含以下模型或參數(shù):駕駛行為模型和整車(chē)運(yùn)行環(huán)境參數(shù);發(fā)動(dòng)機(jī)的動(dòng)力輸出?燃油消耗?啟停控制?質(zhì)量等關(guān)鍵參數(shù);變速器的換擋邏輯?扭矩傳遞?質(zhì)量等關(guān)鍵參數(shù);制動(dòng)系統(tǒng)的摩擦系數(shù)?制動(dòng)力矩分配?制動(dòng)踏板位置匹配?質(zhì)量等關(guān)鍵參數(shù);另外還包含車(chē)輪?車(chē)身?懸架?油箱等部件的固有屬性參數(shù)?

2.2  多系統(tǒng)聯(lián)合仿真模型

基于接口信息統(tǒng)一管理的理念,將上述3個(gè)一維模型進(jìn)行集成?在各系統(tǒng)之間建立交互接口,通過(guò)創(chuàng)建信號(hào)傳遞總線來(lái)實(shí)現(xiàn)系統(tǒng)間接口耦合交互數(shù)據(jù)的統(tǒng)一管理?該模型可綜合分析整車(chē)各工況下的水溫?油耗?乘員艙舒適性以及百公里加速時(shí)間?最大速度等性能參數(shù)?集成模型如圖5所示?


為了保證多系統(tǒng)聯(lián)合仿真模型的精度,需要利用基礎(chǔ)款車(chē)型數(shù)據(jù)進(jìn)行標(biāo)定,使得基礎(chǔ)款車(chē)型在指定工況下的仿真結(jié)果與試驗(yàn)的誤差較小,仿真結(jié)果如表1所示?


3  多目標(biāo)優(yōu)化

基于選型的系統(tǒng)方案設(shè)計(jì),首先是在給定部件型號(hào)的基礎(chǔ)上將每個(gè)部件的型號(hào)與其部件參數(shù)進(jìn)行對(duì)應(yīng),然后以部件型號(hào)為設(shè)計(jì)變量,尋找出滿(mǎn)足優(yōu)化目標(biāo)的型號(hào)組合?
表2所示為某型號(hào)的水泵參數(shù);表3所示為某型號(hào)的散熱器參數(shù);表4所示為壓縮機(jī)參數(shù)?因各類(lèi)部件型號(hào)較多,在此不一一列舉?




由此,以散熱器型號(hào)Ri?水泵型號(hào)為Pj?壓縮機(jī)型號(hào)為Ck及風(fēng)扇性能變化比例f為設(shè)計(jì)變量;以熱舒適性PMV,乘員艙溫度Tc?發(fā)動(dòng)機(jī)出水溫度Te?機(jī)油溫度To為約束;以系統(tǒng)成本C最低?系統(tǒng)重量W最輕?油耗O最低以及最高車(chē)速Vmax最大為目標(biāo)進(jìn)行優(yōu)化?建立優(yōu)化模型如下:





式中:i{1,2,3,4};j{1,2,3};k{1,2,3,4,5};f(0.9,1.1)?

基于Isight多學(xué)科優(yōu)化平臺(tái),選用粒子群算法進(jìn)行尋優(yōu)求解,得到8個(gè)Pareto優(yōu)化解,如表5所示?由表5可知,各方案在性能?成本?重量等方面各有優(yōu)劣,但均滿(mǎn)足設(shè)計(jì)約束?如何從方案集中決策出全局最優(yōu)的方案,還需開(kāi)展綜合評(píng)價(jià)分析?




4  綜合評(píng)價(jià)

4.1  構(gòu)建指標(biāo)層次模型

采用層次分析法對(duì)Pareto方案集構(gòu)建層次結(jié)構(gòu)模型如圖7所示?

第一層為最佳方案,即目標(biāo)層?第二層包含舒適性?動(dòng)力性?經(jīng)濟(jì)性,即準(zhǔn)則層?該層次是實(shí)現(xiàn)所涉及的評(píng)價(jià)標(biāo)準(zhǔn)和影響評(píng)價(jià)的要素?第三層定義為指標(biāo)層,該層次的各個(gè)指標(biāo)分別由準(zhǔn)則層分解得到?


4.2  判斷矩陣及權(quán)重計(jì)算

基于指標(biāo)層次模型構(gòu)建判斷矩陣,設(shè)定目標(biāo)層A與下一層次B中的要素B1?B2?…?Bn間產(chǎn)生聯(lián)系,即可建立判斷矩陣,如表6所示?



在確定各層不同因素相對(duì)于上一層各因素的重要性時(shí),判斷矩陣的標(biāo)度可采用兩個(gè)因素之間相互比較的方法,標(biāo)度準(zhǔn)則如表7所示?

 

根據(jù)判斷矩陣,利用幾何平均法對(duì)權(quán)重向量進(jìn)行計(jì)算,計(jì)算步驟如下:

1)計(jì)算判斷矩陣M中每一行標(biāo)度值的乘積Mi





式中:bij表示判斷矩陣中第i行第j列元素;n表示要素的個(gè)數(shù)?

2)根據(jù)每行乘積Mi,計(jì)算判斷矩陣各行元素的幾何平均值ai?



3)進(jìn)行歸一化處理,計(jì)算指標(biāo)層各個(gè)元素的相對(duì)權(quán)重wi?

 
式中,w=(w1,w2,…,wn)T為所求得的權(quán)重特征向量,wi為w中第i行向量值?

結(jié)合產(chǎn)品定位和專(zhuān)家咨詢(xún),得到各層次的判斷矩陣及權(quán)重如表8~表11所示?需要注意的是,基于Pareto方案集,各個(gè)方案的最大速度無(wú)差異,因此將其權(quán)重分配較低,但不影響整體評(píng)價(jià)結(jié)果?



4)一致性檢驗(yàn)?為確保主觀判斷的一致性以及判斷矩陣的相容性,需對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)?用CI表示判斷矩陣的一致性指標(biāo),用CR表示隨機(jī)一致性比率,關(guān)系式為

 

RI由平均隨機(jī)一致性指標(biāo)表查出,如表12所示?λmax為判斷矩陣A的最大特征值;(Aw)i為向量Aw的第i個(gè)分量?當(dāng)CR≤0.1時(shí),認(rèn)定判斷矩陣的一致性可接受;反之,則需要修正判斷矩陣后重新計(jì)算?



基于上述方法,對(duì)目標(biāo)層A和準(zhǔn)則層B的判斷矩陣進(jìn)行一致性檢驗(yàn)?結(jié)果為CR(A)=0.037?CR(B)=0?CR(B)=0?CR(B)=0.037,均小于0.1,滿(mǎn)足一致性檢驗(yàn)要求?在各個(gè)判斷矩陣滿(mǎn)足一致性檢驗(yàn)的基礎(chǔ)上,將各層級(jí)的權(quán)重進(jìn)行合成,得出總體排序,如表13所示?



4.3  綜合評(píng)價(jià)

根據(jù)指標(biāo)層各要素的權(quán)重計(jì)算結(jié)果,利用加權(quán)評(píng)分模型進(jìn)行綜合評(píng)分?加權(quán)評(píng)分模型為



式中:T為某一評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)值;Wi為第i個(gè)評(píng)價(jià)指標(biāo)的權(quán)重;Xi為第i個(gè)評(píng)價(jià)指標(biāo)的評(píng)分值,可根據(jù)評(píng)分標(biāo)準(zhǔn)求得?

結(jié)合產(chǎn)品定位及專(zhuān)家咨詢(xún),構(gòu)建指標(biāo)層各屬性的評(píng)分標(biāo)準(zhǔn)如表14所示?

基于評(píng)分標(biāo)準(zhǔn),采用線性插值方法計(jì)算指標(biāo)層Bi各屬性對(duì)應(yīng)方案的評(píng)分,結(jié)果如表15所示?根據(jù)指標(biāo)層Bi的評(píng)分和權(quán)重,采用線性加權(quán)的方法計(jì)算目標(biāo)層A的綜合評(píng)分,結(jié)果如表16所示?




由表16可知,方案4綜合評(píng)價(jià)分值最高,為92.3分?基礎(chǔ)方案綜合評(píng)價(jià)得分為72.5分?Pare-to解中的8個(gè)方案與基礎(chǔ)方案相比,綜合評(píng)價(jià)分值提升了15.2%~27.3%?

5  結(jié)論

針對(duì)當(dāng)前汽車(chē)開(kāi)發(fā)前期缺乏科學(xué)的方案決策的現(xiàn)狀,提出了一種全面?客觀?結(jié)構(gòu)化的解決方法,包含多系統(tǒng)聯(lián)合仿真?多目標(biāo)優(yōu)化及綜合評(píng)價(jià)3個(gè)環(huán)節(jié)?基于此方法,以汽車(chē)整車(chē)熱管理系統(tǒng)為對(duì)象,在一維多系統(tǒng)聯(lián)合仿真和多目標(biāo)優(yōu)化的基礎(chǔ)上,采用層次分析法和加權(quán)評(píng)分模型,對(duì)優(yōu)化得到的Pareto方案集進(jìn)行了綜合評(píng)價(jià)?根據(jù)該方法得到如下結(jié)論:

1)系統(tǒng)綜合評(píng)分值由基礎(chǔ)方案的72.5分提升到了全局最優(yōu)方案的92.3分,提升了27.3%?

2)評(píng)分最高方案雖然水溫和油耗值相對(duì)有所上升,但成本和機(jī)油溫度有所下降?由此可見(jiàn),通過(guò)該方法,可定性和定量地選出滿(mǎn)足開(kāi)發(fā)需求的全局最優(yōu)方案?

3)通過(guò)多系統(tǒng)聯(lián)合仿真以及多學(xué)科優(yōu)化,可減少在開(kāi)發(fā)后期出現(xiàn)設(shè)計(jì)沖突?設(shè)計(jì)冗余等問(wèn)題,從而減少后期整改;通過(guò)綜合評(píng)價(jià),可有效減少前期方案的評(píng)審時(shí)間,從而減少開(kāi)發(fā)周期?

但是,該方法中提到的權(quán)重系數(shù)以及評(píng)分準(zhǔn)則難以表征不同客戶(hù)群體的主觀感受?例如對(duì)于乘坐同一輛車(chē)的不同年齡段或者健康程度的群體而言,對(duì)溫度的主觀感受會(huì)有差異,從而使得熱舒適性權(quán)重的分配模糊性較強(qiáng)?因此,在以后的實(shí)際開(kāi)發(fā)過(guò)程中,還需加快解決該類(lèi)問(wèn)題?