[发明专利]基于CAE仿真技术的多材料智能选材方法、系统及电子设备

说明书

本发明公开了一种基于CAE仿真技术的多材料智能选材方法、系统及电子设备，该方法包括：嵌入选材对象的初始CAE模型，并从材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集；根据预设优化参数、初始材料集和初始CAE模型构建拓扑优化模型并对模型求解，获得优化结果；根据优化结果构建CAE模型集合，并根据CAE模型集合包含的每个CAE模型中的材料属性构建中间材料集；根据CAE模型集合和中间材料集进行多维度指标评价，获取含标记的目标材料集；根据目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。本发明实现了智能选材以及选材方案的智能生成，提高了选材效率，以及降低了选材成本。

技术领域

本发明属于辅助工程仿真技术领域，尤其涉及到一种CAE仿真技术的多材料智能选材方法、系统及电子设备。

背景技术

以工程产品为汽车为例，生产一辆汽车的原材料费用占生产成本的53％，可见材料的合理选择、科学处理和精确设计直接关系到汽车产品的成本与质量。随着技术及相关产品的不断创新和发展，汽车产品的更新换代也更加频繁，结构也越发复杂，由此带来的材料选择也更加频繁和困难。传统选材方法是通过人工经验和实验手段不断的重复、验证和修改，造成较高的时间、能耗以及材料成本，且远远不能满足技术发展的要求。

发明内容

本发明的目的在于提供一种基于CAE仿真技术的多材料智能选材方法、系统及电子设备，以解决传统选材方法存在的上述技术问题。

基于上述目的，第一方面，本发明提供一种基于CAE仿真技术的多材料智能选材方法，包括：

嵌入选材对象的初始CAE模型，并从预设材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集；

根据预设优化参数、所述初始材料集和所述初始CAE模型构建拓扑优化模型，并对所述拓扑优化模型进行求解获得优化结果；

根据所述优化结果构建CAE模型集合，并根据所述CAE模型集合包含的每个CAE模型中的材料属性构建中间材料集；

根据所述CAE模型集合和所述中间材料集进行多维度指标评价，获取含标记的目标材料集；

根据所述目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。

优选地，所述预设优化参数包含优化约束和优化目标；所述根据预设优化参数、所述初始材料集和所述初始CAE模型构建拓扑优化模型，并对所述拓扑优化模型进行求解获得优化结果，包括：

设定优化约束；所述优化约束包括所述选材对象的钢度约束、强度约束；

设定优化目标；所述优化目标包括所述选材对象的体积最大、重量最轻、材料分布最佳；

根据所述初始材料集修改所述初始CAE模型中的材料属性，并根据所述优化约束和所述优化目标构建M个拓扑优化模型；

对各所述拓扑优化模型进行求解，获得对应的优化结果。

优选地，所述根据所述CAE模型集合和所述中间材料集进行多维度指标评价，获取含标记的目标材料集，包括：

构建多维度指标体系；所述多维度指标体系包含性能指标、成型指标、轻量化指标、成本指标、技术成熟度指标和其他指标；

基于所述CAE模型和所述多维度指标体系，通过预设的指标分析接口对所述中间材料集合中的各所述备选材料进行多维度指标评价，获得对应的权重因子；

对各维度指标的所述权重因子进行预处理；

将预处理后的所述权重因子标记至所述中间材料集合中，生成含标记的目标材料集。