随着汽车数量的不断增长，交通事故的频繁发生，安全性优化在汽车设计过程中的地位越来越重要。文献分别对汽车车架和B柱进行轻量化设计，将其应用到整车的优化中。文献从汽车整体性能的角度出发对车身多处结构的厚度进行计算，考虑其对汽车碰撞性能的影响。文献对一种客车的侧翻安全性进行评估，并对其上部结构进行一定改进。文献利用响应面技术对车身结构进行优化。文献在考虑响应面的同时还利用了逐步回归模型，对汽车碰撞的安全性进行优化设计。文献在进行优化设计时考虑到了材料特性对计算结果的影响，并与不考虑材料特性时的计算结果进行比较。在上述研究中，大部分关于汽车安全的分析并没有考虑材料特性参数对汽车安全性能的影响，有些虽然己经得到了材料的各种弹塑性参数，并且考虑到材料参数变化对汽车安全性的影响，但只是利用了通用的特性参数，并没有针对某一特定材料求出其对应的参数。
在零件的加工过程中，由于饭金件的冲压以及环境温度等的变化，材料的特性也会随之变化，从而使得材料的一些参数发生变化，与通用的参数值产生一定的差距。当对实际过程进行模拟试验时，由于利用了默认的参数值，使得模拟与试验结果的差距变大。
针对上述方法的不足，通过反求方法求出某种材料准确的特性参数，并将其应用到某重卡驾驶室翻滚模拟试验中，对驾驶室进行结构参数优化，从而提高驾驶室的安全性。
1背景
车辆翻滚的事故率在交通事故中所占的比例并不是很高，但是一旦发生，乘员死亡在所有的交通事故中却占很大的比例。车辆翻滚主要发生在车轮滑到路边小沟时或者撞到路边的边护栏时。当汽车在高速路上行驶时，如果遇到比较滑的标志线，也有可能由于失去控制而发生翻滚。
利用某重卡驾驶室模型，通过对顶盖的顶压试验来模拟翻滚试验对驾驶员乘坐空间的影响。
2材料参数反求
2. 1反求方法及流程
参数反求是将试验得出的数据与利用有限元仿真计算出的数据作比较，得到误差函数公式为式中:X为待求材料参数向量;m为测试点总数;在第1个时间点下加速度的有限元仿真响应值;为在第i个时间点下的试验测试响应值。通过不断调整所求参数，直到误差函数值在变量变化的范围内最小，从而得到所求的参数值。由于各点处的试验值相差较大，为了保证所有的测试点都有大致相同的概率被优化，对其进行归一化处理。
将仿真过程中碰撞台车B柱处的加速度曲线与试验测得的曲线作比较。采用LSYNA碰撞仿真软件模拟台车试验，其中吸能盒材料DC04采用式(2)所示的动态本构关系。在有限元仿真中，可以直接输入材料的应变率参数C和P，或者通过载入多条不同应变率的应力应变曲线来代替应变率参数的输入。由于本文的目的是为求得材料的应变率参数，所以在建立有限元模型时，直接输入材料应变率参数来定义材料的性质。采用遗传算法对应变率参数进行优化。将C和P作为决策变量，取模拟与试验之间的差距作为目标函数。利用遗传算法进行不断迭代优化，求得差距的最小值，从而得到材料的应变率参数。
反求过程具体步骤如下:
1)给定吸能盒的几何参数，确定吸能盒的U型板和腹板之间焊点的位置。
2)将吸能盒平整地焊接在试验台车上，对其进行碰撞试验。利用台车B柱处的加速度传感器采集碰撞过程中台车的加速度，得到其随时间变化的曲线。
3)建立吸能盒碰撞仿真模型。利用有限元软件模拟吸能盒碰撞过程，模拟的吸能盒尺寸及材料均与试验中的材料参数相同。采集与步骤(2)中同一位置处的加速度曲线。
4)根据加速度曲线的变化采集若干个时刻处的加速度值。通过试验数据与仿真计算数据之间的差距得到误差函数值。
5)利用遗传算法不断修改应变率参数并进行迭代计算，求得误差函数最小时的应变率参数，即为反求得的参数。
2. 2有限元模型的建立及计算
模拟的吸能盒与试验的几何参数完全一致，在台车上配以适当重量来代替试验中的数据采集系统，使仿真重量与试验台车重量一致。在Hypermesh中利用刚性墙来模拟试验中的碰撞接触。台车的初始速度设定为25 km/h。
台车的模拟主要采用刚性材料;在Hypermesh中采用四边形网格处理吸能盒，共有节点9 24。个，网格8 920个。吸能盒各网格尺寸均控制在5 mm以内。
3某重卡驾驶室白车身优化
利用反求方法得到了试验中吸能盒的材料特性参数。将该材料应用到某重卡驾驶室的白车身结构，并利用有限元模拟其在翻滚试验中的安全性，根据汽车翻滚的要求，在对其进行优化时要考虑到驾驶员乘坐空间的变化，使其在变形后仍能保证驾驶员的安全。所以本文以顶盖在驾驶员位置的压缩量最小化和卡车驾驶室质量最小化为目标建立多目标优化模型。同时驾驶室侧围的吸能不超过给定值，对驾驶室顶盖和侧围的厚度进行优化，建立如下的多目标优化问题:
4结论
1)利用与车身相同的材料建立了吸能盒碰撞的仿真模型。给碰撞台车设置一定的初始速度，使得吸能盒与刚性墙进行碰撞。在碰撞台车上装有加速度传感器，采集了台车中间位置处的加速度曲线。
2)利用仿真软件构造与试验相同的模型并对其进行碰撞计算，得到了模拟的加速度曲线。
3)将1)和2)中得到的两条曲线进行比较，并通过反求技术求出材料的应变率参数。相对于默认的参数值，C和P分别增大了7. 89%和减小了1. 51%。
4)在对汽车翻滚模型的结构参数进行优化时，利用遗传算法得到了一组解。相对于其它的优化结果，给设计者提供了多个参考值。
