相对于传统的物理碰撞试验,计算机数值分析方法以其准确的计算结果、高效率的执行,成为目前汽车耐撞性研究所采用的主要手段。同时,随着全球化发展的趋势,汽车制造业逐渐在向网络环境下移植。跨国、跨地区汽车制造商以及零部件供应商,发挥各自优势共同开发产品,对提高产品质量、提升产品竞争力都具有积极的意义。在此背景下,在集中地进行的,基于计算机数值分析的耐撞性研究也必须适应新的基于网络的制造环境。　　 本文基于网格和数值分析理论,研究并构建了汽车耐撞性数值分析网格平台；结合耐撞性理论,研究了耐撞性协同仿真和分布式耐撞性数据挖掘方法。在此基础上实现了两个应用系统,分别为汽车耐撞性协同仿真应用系统,以及汽车耐撞性数据挖掘应用系统。结合企业实际,分别在这两个应用系统上实施了典型应用,取得了良好的效果。具体内容包括:　　 依据分布式环境下汽车耐撞性数值分析研究的需求,研究了网格系统架构、安全策略、适用于人工资源的工作流集成方法以及人工服务的调用、通知方法,在此基础上构建了满足OGSA规范的网格平台。提出了一种面向汽车耐撞性数值分析的网格应用中间件的概念和技术,并将其应用在所提出的网格平台上。该技术实现了应用服务与基本网格服务的解耦与分离,增强了系统开发的灵活性及可扩展性。本文提出的网格平台,不仅可以运用于汽车耐撞性数值分析,也适用于其他类似工程领域。　　 针对汽车耐撞性数值分析研究的重要领域--耐撞性协同仿真,研究了基于显示非线性有限元算法及接触算法的耐撞性仿真算法、面向信息安全的有限元协同设计方法,提出了面向信息安全的有限元模型合成方法及数值计算结果的分离方法。基于此方法,开发了面向耐撞性协同仿真的应用服务。在此基础上,将所开发的应用服务部署到所构建的汽车耐撞性数值分析网格平台的应用中间件层,并借助Jsp、Servlet、工作流等技术以及具体的业务逻辑,在平台的应用层开发了面向最终用户的Web应用界面,从而实现了汽车耐撞性协同仿真应用系统。该系统实现了整车商与部件商在进行耐撞性协同仿真活动过程中对资源的共享,以及参与协同的各方对各自知识产权的有效保护。为了评估所构建系统的性能,在广域网内(上汽工程研究院、延峰江森、上海超级计算中心和上海交大)搭建了耐撞性协同仿真实验床,并根据企业实际案例,多方协同进行了耐撞性协同仿真。　　 耐撞性数据挖掘是另一个汽车耐撞性数值分析领域的重要应用,其目的是通过对已有耐撞性数据所挖掘得到的知识为汽车耐撞性结构设计,尤其是优化匹配设计提供技术支持。本文基于数据挖掘和汽车耐撞性理论研究了耐撞性数据的元数据计算技术、决策树分类器的合成技术,结合Stacking算法、Meta-learning算法以及反求策略,提出并实现了分布式耐撞性数据挖掘算法。提出并实现了前、后端合成的分布式数据挖掘服务。前端服务负责对数据挖掘项目总的管理,后端服务负责对存储在本地(或传输至本地)的原始数据进行元数据抽取及局部数据挖掘。在此基础上,将所开发的应用服务部署到所构建的汽车耐撞性数值分析网格平台的应用中间件层,并借助Jsp、Servlet、工作流等技术以及具体的业务逻辑,在平台的应用层开发了面向耐撞性数据挖掘用户的Web应用界面,从而实现了汽车耐撞性数据挖掘应用系统。在局域网内搭建了耐撞性数据挖掘试验床,对分布在四个节点的183GB的耐撞性数据进行知识发现,以实现对车辆的优化匹配设计。