CAE有限元法在形狀優(yōu)化方面的仿真應(yīng)用
形狀優(yōu)化一般分為基于幾何參數(shù)的形狀優(yōu)化、基于形狀基礎(chǔ)向量的形狀優(yōu)化、非參數(shù)形狀優(yōu)化三種。下面,有限元科技小編給您分享CAE有限元法在形狀優(yōu)化方面的仿真應(yīng)用。
基于幾何參數(shù)的形狀優(yōu)化幾何參數(shù)的修改和CAD幾何相關(guān)聯(lián),設(shè)計(jì)變量為半徑、長度、角度等參數(shù),且每次迭代后需要重新劃分網(wǎng)格,其優(yōu)化結(jié)果依賴于設(shè)計(jì)變量的選擇數(shù);
基于形狀基礎(chǔ)向量的形狀優(yōu)化,有限元模型參數(shù)使用基礎(chǔ)形狀,需要優(yōu)化系統(tǒng)找出用戶定義基礎(chǔ)形狀的最優(yōu)組合;
而非參數(shù)形狀優(yōu)化需要每個(gè)節(jié)點(diǎn)可以從臨近節(jié)點(diǎn)處獨(dú)自移動,網(wǎng)格平滑算法確保網(wǎng)格質(zhì)量,沒必要使用敏度分析,優(yōu)化可以使用標(biāo)準(zhǔn)的有限元求解器。
基于幾何參數(shù)的形狀優(yōu)化示意圖及流程見圖1、圖2:
圖1基于幾何參數(shù)的形狀優(yōu)化
圖2基于幾何參數(shù)的形狀優(yōu)化流程
其對設(shè)計(jì)變量選擇性的依賴性可以從下述實(shí)例中看出:
圖3設(shè)計(jì)變量選擇數(shù)的依賴性
基于形狀基礎(chǔ)向量的形狀優(yōu)化的示意圖及流程如圖4、圖5所示:
圖4基于形狀基礎(chǔ)向量的形狀優(yōu)化
圖5基于形狀基礎(chǔ)向量的形狀優(yōu)化流程
下以一實(shí)例圖6來說明參數(shù)形狀優(yōu)化:
圖6參數(shù)形狀優(yōu)化
非參數(shù)形狀優(yōu)化示意圖及流程如圖7、圖8所示:
圖7非參數(shù)形狀優(yōu)化
圖8非參數(shù)形狀優(yōu)化流程
下以一實(shí)例圖9來說明非參數(shù)形狀優(yōu)化:
圖9非參數(shù)形狀優(yōu)化
從以上可以看出,使用非參數(shù)形狀優(yōu)化,對于設(shè)計(jì)變量有較低限制,效率高;而使用基于基于幾何參數(shù)的形狀優(yōu)化、基于形狀基礎(chǔ)向量的形狀優(yōu)化對設(shè)計(jì)變量有較高限制,且效率不高。如下圖10所示:
圖10設(shè)計(jì)變量限制
使用基于TOSCA軟件的參數(shù)優(yōu)化,可以得到更好的優(yōu)化結(jié)果,應(yīng)力幅大幅降低,迭代次數(shù)更少,如下圖11所示:
圖11優(yōu)化結(jié)果對比
本文出自深圳有限元科技有限公司官網(wǎng):tyrp.net 轉(zhuǎn)載請注明