(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211199651.9 (22)申请日 2022.09.29 (71)申请人 中南大学 地址 410083 湖南省长 沙市岳麓区麓山 南 路932号 (72)发明人 王勇　谭胜涟　 (74)专利代理 机构 长沙麓创时代 专利代理事务 所(普通合伙) 43249 专利代理师 张丽 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/23(2020.01) G06F 111/06(2020.01) G06F 113/28(2020.01) (54)发明名称 一种基于多任务的汽车吸能盒结构优化设 计方法及系统 (57)摘要 本发明公开了一种基于多任务的汽车吸能 盒结构优化设计方法及系统， 具体步骤如下： 根 据工程师确定的多种汽车吸能盒结构设计方案 建立多任务优化数学模型； 分别建立多任务优化 中各个子任务的设计群体和归档集， 构建基于多 任务代理模 型的辅助差分进化优化模块， 进行全 局优化搜索； 结合高斯过程优化和知识迁移策 略， 构建最优个体迁移模块， 进行局部优化搜索， 加速搜索过程； 最后根据各归档集确定最优设计 方案。 相比现有的单任务优化设计方法， 本发明 方法充分利用各个 设计方案的相关性， 保证优化 求解的稳定性， 缩短优化设计时间， 可高效实现 汽车吸能盒结构的优化设计 。 权利要求书2页 说明书6页 附图2页 CN 115510561 A 2022.12.23 CN 115510561 A 1.一种基于多任务的汽车吸能盒结构优化设计方法， 其特 征在于， 包括以下步骤： S1、 构建吸能盒结构优化设计的多任务优化问题的数 学模型； S2、 分别建立多任务优化问题中各个子任务的子设计 群体和子任务归档集； S3、 构建基于多任务代理模型的辅助差分进化优化模块， 进行全局优化搜索； ， 形成更 新后的子设计 群体； S4、 结合高斯过程优化和知识迁移策略， 构建最优个体迁移模块， 进行局部优化搜索， 加速搜索过程； S5、 重复S3～S4 步骤直至满足停止要求， 根据各归档集确定最优设计方案 。 2.根据权利要求1所述基于多任务的汽车吸能盒结构优化设计方法， 其特征在于， 步骤 S1中数学模型表达式为： max:EA(x)t(t＝1,…,n) S.t.PCF(x)≤PCF0 M(x)≤M0 Li≤x≤Ui,(i＝1,…,d) 其中， x为设计参数， 由厚度设计参数组成的向量； EA(x)表示吸能结构的吸能值， 为汽 车吸能盒结构设计的主要目标； n表 示总共的设计方案个数， 每个设计方案作为多任务优化 中的一个子任务； PCF(x)表示吸能盒结构受碰撞中的峰值力； M(x)为吸能盒结构的重量； PCF0和M0分别为用户设定需要满 足的峰值力和重量指 标， Li和Ui为第i个设计参数的下限和 上限； d为待优化结构设计参数的数目， 即x的维度。 3.根据权利要求1所述基于多任务的汽车吸能盒结构优化设计方法， 其特征在于， 步骤 S2包括如下步骤： S2.1、 对n个子任务建立大小为n的设计群体X＝{X1,X2...Xt...Xn}和归档集A＝{A1, A2...At...An}， 其中子设计群体Xt表示第t个子任务中设计个体的集合， At表示第t个子任务 的子归档集， 子设计 群体Xt和子归档集At初始均为空集； S2.2、 对设计种群X＝{X1,X2...Xt...Xn}和归档集A ＝{A1,A2...At...An}进行初始化： 对 每个子任务使用拉丁超立方采样方法采样设计参数空间， 生成大小为b的子设计群体Xt＝ {xj|j＝1,…,b}， 其中个体xj代表第j组设计参数， 然后对子设计群体中每个个体xj采用结 构有限元分析软件进行吸能评估， 计算的评估信息作为对应个体的适应度值Yt＝{yj|j＝ 1,…,b}， yj表示第j个设计个体的适应度值； 最后将子设计群体和对应的适应度值存储于 子任务归档集A＝{At|t＝1,…,b}， At表示第t个子任务的归档集。 4.根据权利要求1所述基于多任务的汽车吸能盒结构优化设计方法， 其特征在于， 步骤 S3中多任务代理模型辅助模块包 含以下步骤： S3.1、 各子设计 群体基于差分进化 算子生成若干个优化子个 体； S3.2、 融合各个子设计群体的归档集At＝{Xt,Yt}， 建立多任务代理模型， 输入各优化子 个体， 由多任务代理模型计算得 各优化子个 体对应的预测值； S3.3、 将各优化子个体按照多任务代 理模型预测值从大到小排列， 然后 选择前e个优化 子个体作为优秀候选子个体， 将优秀候选子个体通过有限元分析软件进行真实吸能评估， 评估信息作为对应个体的适应度值， 将优秀候选子个体和对应的适应度值储存于各子归档 集中； 将优秀候选子个体和子设计群体中的个体按照适应度值自大到小排列， 然后选择其权　利　要　求　书 1/2 页 2 CN 115510561 A 2中前b个个体形成更新后的子设计 群体。 5.根据权利要求4所述基于多任务的汽车吸能盒结构优化设计方法， 其特征在于， ， 步 骤S3.2中构建多任务代理模型表达式如下： 其中x*表示各优化子种群中待评估的个体； 表示多任务代理模型预测值； 表示 克罗内克积； y为归档集中记录适应度值所组成的向量； Kx为协方差矩阵， 是协方差矩阵 中的元素， 计算表达式为 其中x,x'分别为随机从归档 集中抽取的两个个体， d为个体的向量维度， i为维度 索引、 xi为x中第i维的值、 x'i为x'中第i 维的值； I为单位矩阵， σ 、 θi和Kf为模型待求解超参数， 采用似然函数法进行求解得到， 为 Kf中第l列元 素， T表示矩阵转置 。 6.根据权利要求5所述基于多任务的汽车吸能盒结构优化设计方法， 其特征在于， 步骤 S4中最优个 体迁移模块包 含以下步骤： S4.1、 基于更新后的子任务归档集At分别建立单任务高斯过程代理模型； S4.2、 采用差分进化方法优化求解高斯过程代理模型的最优值， 作为第一候选评估个 体； S4.3、 基于S3.2步骤中多任 务代理模型的超 参数矩阵Kf计算迁移概率， 基于迁移概率对 更新后的子任务归档集At中的适应度最优个体进行迁移， 迁移的个体作为第二候选评估个 体； S4.4、 将第 一候选评估个体和第二候选评估个体均通过有限元分析软件进行真实吸能 评估， 评估信息作为对应个体的适应度值， 将第一候选评估个体和第二候选评估个体以及 对应的适应度值储存于归档集中， 并逐个判断第一候选评估个体和第二候选评估个体的适 应度值是否大于更新的子任务归档集中适应度值最小的个体的适应度值， 结果为是则将对 应的候选评估个体替代适应度值最小的个体， 否则不进行替换， 最终得到再次更新的子任 务归档集。 7.根据权利要求6所述基于多任务的汽车吸能盒结构优化设计方法， 其特征在于， 步骤 S4.3中迁移概 率的计算表达式如下： 其中pt't表示从任 务t'向任 务t迁移的概率， kt't表示超参数矩阵Kf中第t'行t列的元素， ktt表示超参数矩阵Kf中第t列的元素； 如生成 的随机数小于pt't， 将任务t'归档 集中的最优 个体迁移至任务t中， 作为 候选评估个体。 8.一种基于多任务的汽车吸能盒结构优化设计系统， 其特 征在于， 包括计算机设备； 所述计算机设备被配置或编程为用于执行权利要求1～7任一所述基于多任务的汽车 吸能盒结构优化设计方法的步骤。权　利　要　求　书 2/2 页 3 CN 115510561 A 3