胡 贇，李文凤，宋敏杰

（1.南昌大学机电工程学院，江西 南昌330031；2.江铃汽车有限公司，江西 南昌330031）

1 引言

耐撞性是衡量车辆在遭受严重撞击后保护乘客避免死亡或受伤的重要安全性指标。为节约车辆耐撞性试验所耗费的时间与财力成本，通常采用计算机仿真参数优化设计来替代真实的车辆耐撞性物理试验。事实上，车辆耐撞性优化一般需要多次仿真试验来完成，而全尺寸的车辆耐撞性仿真又需要耗费大量的计算资源。为克服这一问题，目前的做法主要是采用响应面法、Kriging以及径向基函数来完成［1-6］。但是很多文献指出，采样点与代理模型的选择能在很大程度上影响车辆耐撞性代理模型的响应精度。采样点的选择如果在整个设计空间分布不均匀、代理模型的柔韧性不足，往往就会导致低精度的响应结果。

为此，文献［7］提出了一种序列响应面法，通过移动、缩放等方式不断地在设计空间内更新兴趣域。采用最小距离选择法获得最优解。文献［8］提出一种前向步进回归技术来拟合仿真模型输入输出之间的关系，通过对100%正面碰撞和40%正面偏置碰撞的耐撞性问题研究，表明了该方法的有效性。需要注意的是，由于耐撞性问题的强非线性性质，为避免最优解陷入局部最优，优化方法应当具备全局寻优的能力。无论采用什么样的抽样技术或代理模型，前提都必须保证仿真模型是可信的，最好是经由试验验证［9-11］。

这里通过将仿真模型与真实试验结果对标，确保仿真模型精度，采用具有高效抽样效率的均匀设计法完成样本点的采集，通过一个三层神经网络模型来克服耐撞性问题的强非线性。……