[发明专利]基于妥协决策的零件结构拓扑优化设计方法有效
申请号: | 201711087940.9 | 申请日: | 2017-11-07 |
公开(公告)号: | CN107958103B | 公开(公告)日: | 2019-02-22 |
发明(设计)人: | 王国新;陈舒婷;阎艳 | 申请(专利权)人: | 北京理工大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 北京理工大学专利中心 11120 | 代理人: | 仇蕾安;杨志兵 |
地址: | 100081 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 妥协 决策 零件 结构 拓扑 优化 设计 方法 | ||
1.基于妥协决策的零件拓扑优化设计方法,其特征在于:
步骤一:依据设计要求建立零件的原始几何结构模型;
步骤二:对步骤一所建立的原始几何结构模型进行静力学分析,得到原始几何结构模型的等效应力图;
步骤三:对步骤一中所建立的原始几何结构模型进行设定的、不同材料去除率的拓扑优化设计,得到不同材料去除率下的拓扑优化结果图;然后将不同材料去除率下的拓扑优化结果图进行图像叠加处理,得到重叠图像;
步骤四:结合步骤二静力学分析结果中等效应力较小部位,将步骤三中得到的重叠图像中变化较大的结构尺寸确定为影响结构性能的关键几何结构尺寸参数,并通过重叠图像确定零件结构初步构型;
分析与设定的设计目标相关的材料参数,将该材料参数作为关键材料参数;
步骤五:确定目标变量与关键几何结构尺寸参数及关键材料参数之间的关系
将设计目标表示为目标变量Ai(V),i=1,2...N,其中N为目标变量的个数,每个目标变量对应一个设计目标,V为系统变量;建立目标变量与系统变量之间的回归关系,所述系统变量为步骤四所确定的关键几何结构尺寸参数和关键材料参数;
步骤六:建立基于妥协决策的零件结构拓扑模型
所述基于妥协决策的零件结构拓扑模型的系统变量V为:
V=(X,Y),其中:
X=(X1,X2,X3,...,Xn),Xr≥0 r=1,2,3...,n
Y=(Y1,Y2,Y3,...,Yk),Yt≥0 t=1,2,3...,k
X表示关键几何结构尺寸参数,n为步骤四所确定的关键几何结构尺寸参数的个数;
Y表示关键材料参数,k为步骤四所确定的关键材料参数的个数;
所述基于妥协决策的零件结构拓扑模型的偏差变量di为:di=Gi-Ai(V);i=1,2,3...,N;其中,Ai(V)表示目标变量的实际值,Gi表示目标变量的理想值,每个目标变量对应一个偏差变量;
所述基于妥协决策的零件结构拓扑模型的约束条件包括系统约束和目标约束,其中系统约束为所述系统变量中两个以上参数所需满足的约束条件;
目标约束为:
对于目标最大化的目标约束,则Ai(V)≤Gi,即:
对于目标最小化的目标约束,则Ai(V)≥Gi,即:
若在目标最小化的理想值Gi=0,则
其中Aimax(V)表示目标变量实际值的最大值;
所述基于妥协决策的零件结构拓扑模型的边界条件为所述系统变量中单个参数的上限值和下限值;
在该数学模型中,以最小化偏差函数作为优化函数反映设计方案的优劣情况,偏差函数由偏差变量按照优先级原则或者阿基米德原则表达;
由此通过所述基于妥协决策的零件结构拓扑模型得到零件的关键几何结构尺寸参数和关键材料参数。
2.如权利要求1所述的基于妥协决策的零件拓扑优化设计方法,其特征在于:所述步骤六中:所述系统约束通过零件原始几何结构模型的几何分析以及材料参数分析确定;
确定所述目标约束时,首先通过给定的设计目标确定目标变量,设计目标包括:非物理性能目标和物理性能目标,对于非物理性能目标,其目标变量与系统变量的关系由经验公式获得;对于物理性能目标,若其目标变量与系统变量间的关系存在经验公式,则直接应用经验公式;若没有经验公式,则通过步骤五建立目标变量与系统变量之间的回归关系。
3.如权利要求1或2所述的基于妥协决策的零件拓扑优化设计方法,其特征在于:所述步骤五中:构造Kriging插值模型对步骤四中所确定的零件结构初步构型进行响应面分析试验,得到的响应面分析数据即为零件结构初步构型的系统变量与目标变量的设计点数据;通过物理几何关系分析系统变量与目标变量之间的回归关系,再利用EXCEL数学回归分析工具对响应面分析得到的设计点数据建立数学回归分析模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711087940.9/1.html,转载请声明来源钻瓜专利网。