基于有限元建模、机器学习、粒子群优化与贝叶斯优化算法的非气压乘用车胎的多目标设计优化
机器学习
2026-02-05 v1 人工智能
摘要
非气压胎为气压胎提供了有前景的替代方案。然而，其连续的辐条结构在刚度调节、耐久性和高速振动方面存在挑战。本研究引入了一个集成的生成式设计和以机器学习为驱动的框架，用于优化 UPTIS 类型辐条几何形状。上、下辐条轮廓采用高阶多项式表示进行参数化，实现约250个生成式设计的创建。基于 PCHIP 的几何变形方法，KRR 用于预测刚度，XGBoost 用于耐久性和振动预测，实现了强大的预测精度，显著减少了依赖计算密集型 FEM 仿真的程度。采用粒子群优化（PSO）和贝叶斯优化进一步实现了广泛的性能细化。所得设计显示出 53% 的刚度可调性，最高可实现 50% 的耐久性提升，振动降低最高可达 43%。PSO 提供了快速、精准的收敛，而贝叶斯优化有效地探索了多目标权衡。总体而言，本文提出的框架实现了高性能、下一代 UPTIS 辐条结构的系统化开发。
引用
@article{arxiv.2602.04277,
title = {Multi Objective Design Optimization of Non Pneumatic Passenger Car Tires Using Finite Element Modeling, Machine Learning, and Particle swarm Optimization and Bayesian Optimization Algorithms},
author = {Priyankkumar Dhrangdhariya and Soumyadipta Maiti and Venkataramana Runkana},
journal= {arXiv preprint arXiv:2602.04277},
year = {2026}
}