结构优化设计课件 Chapter 6 Sensitivity Analysis (part 2)
- 格式:pptx
- 大小:2.48 MB
- 文档页数:72
creo的sensitivity analysis
在Creo(PTC Creo,早期称为Pro/ENGINEER)中,"sensitivity analysis"可以理解为灵敏度分析。
灵敏度分析是一种工程设计和模拟中常用的方法,用于评估设计参数变化对产品性能的影响程度。
在Creo中进行灵敏度分析时,通常涉及以下几个方面:
1.参数变化:灵敏度分析关注设计中的各种参数,这些参数可能包括尺寸、材料特性、加载条件等。
在Creo中,用户可以通过改变模型参数或设置不同的设计场景来引入这些变化。
2.性能评估:Creo提供了强大的仿真和分析工具,允许工程师评估产品的性能。
这可能包括结构强度、热分析、流体动力学等。
在灵敏度分析中,通常会关注特定设计参数对关键性能指标的影响。
3.结果可视化:Creo提供了直观的结果可视化工具,使用户能够直观地了解参数变化对产品性能的影响。
这可以包括图表、曲线、热图等,帮助工程师更好地理解设计的优势和局限性。
4.优化设计:基于灵敏度分析的结果,工程师可以进行优化设计,通过调整设计参数来改进产品性能。
Creo中可能包括一些优化工具,帮助自动化这个过程。
5.决策支持:灵敏度分析的结果可以为决策提供支持。
工程师和设计团队可以根据参数变化对产品性能的影响来做出更加明智的设计决策。
总体而言,在Creo中进行灵敏度分析是设计优化过程中的关键步骤之一,帮助工程师更好地理解和改进产品设计。
这种方法有助于确保产品在满足性能要求的同时,尽可能地提高设计效率。
价值工程———————————————————————作者简介:夏亚荣(1983-),女,陕西西安人,硕士,西安文理学院,数学与计算机工程学院研究实习员,研究方向为偏微分方程。
灵敏度分析与产品结构优化问题Sensitivity Analysis and Optimization of Product Structure夏亚荣XIA Ya-rong(西安文理学院数学与计算机工程学院,西安710065)(School of Mathematics and Computer Engineering ,Xi'an University of Arts and Science ,Xi'an 710065,China )摘要:灵敏度分析可以为产品结构优化制定及调整提供有效的帮助,熟练掌握灵敏度分析对产品优化有着重要的应用价值,在实际问题中,我们要分析当价值系数,工艺条件,管理水平等情况发生改变时怎样确定产品的最优值,以及当上述参数在什么范围内变化时最优基不受影响,从而在最短的时间内使资源达到最充分的利用,并以实例进行详细的实证分析,为节约成本,增加收入提供有效的科学依据。
Abstract:The sensitivity analysis of a product provides great help to optimize the structure of a ing it skillfully has a great value for practice.We shall analyze how to define the optimal value when the value coefficient and the management level changed.We also analyze what the range of the changing the optimal value not be influenced.By this way we want to make full use of the resources we own in the most short time.Beside by analyzing practical examples carefully we can offer scientific basis to save cost and increase income.关键词:灵敏度;分析;产品优化Key words:sensitivity ;analysis ;optimization of a product 中图分类号:TP39文献标识码:A 文章编号:1006-4311(2012)23-0200-020引言灵敏度分析是指系统或事物对因周围条件变化而显示出来的敏感程度的分析,在生产计划问题的一般形式中,A 代表企业的技术状况,a ij 代表生产某种产品所需的某项技术,b 代表企业的资源状况,b i 代表某种资源的总数量,B 表示最优基,而C 代表企业的产品的市场状况,c j 则是其中某件产品的价值系数,在线性规划问题中,假定这些因素都不变,企业的最优生产计划和最大利润则可直接解出,然而在实际应用过程中,常常要解答下列问题:①这些参数的一个或几个发生变化时,线性规划问题的最优解会有什么变化?②这些参数在一个多大的范围内变化时,线性规划问题的最优解不变?而这就是灵敏度分析所要研究解决的问题,当这些问题解决时,我们就不需要从头解最优解,只需在原来计算结果的基础上,修改原问题中最优解相应的部分。
结构优化设计方法知识点结构优化设计方法是指通过对结构进行合理的改进和优化,以获得更高的性能和效率。
本文将介绍一些常见的结构优化设计方法的知识点,包括响应面法、灵敏度分析、遗传算法以及拓扑优化方法。
响应面法是一种通过建立数学模型来优化结构设计的方法。
它通过对设计参数进行调整,并通过对结构进行有限元分析,得到结构的响应结果,进而建立响应面模型。
通过分析响应面模型,可以确定结构的最优设计参数。
响应面法具有计算量小、参数敏感性分析快速等优点,适用于对连续参数进行优化设计。
灵敏度分析是一种通过计算结构响应关于设计参数的导数,来评估设计参数对结构性能的影响程度的方法。
通过灵敏度分析可以确定影响结构性能最大的设计参数,并进而调整这些参数,以实现结构的优化设计。
灵敏度分析可以帮助工程师更好地理解结构的性能特点,从而指导结构的优化设计过程。
遗传算法是一种基于遗传学原理的优化算法,适用于复杂结构的优化设计。
遗传算法模拟了自然界中生物进化的过程,通过不断地生成、选择、交叉和变异个体来搜索最优解。
在结构优化设计中,遗传算法可以用于确定结构的拓扑结构和设计参数,以实现结构的优化设计。
遗传算法具有全局搜索能力强、适用于高维问题等优点,广泛应用于结构优化设计中。
拓扑优化方法是一种通过优化结构的形状来减小结构的重量的方法。
拓扑优化方法通过对结构的单元进行添加、删除或者调整,来实现结构拓扑的优化设计。
拓扑优化方法可以帮助工程师找到结构中的关键部位,并通过优化结构拓扑来减小结构的重量,提高结构的性能。
拓扑优化方法广泛应用于航空航天、汽车、建筑等领域。
总结起来,结构优化设计方法包括响应面法、灵敏度分析、遗传算法和拓扑优化方法。
这些方法在结构优化设计中发挥着重要作用,可以帮助工程师更好地优化结构设计,提高结构的性能和效率。
在实际应用中,工程师可以根据具体问题和需求选择合适的方法进行优化设计,以实现结构的优化和提升。
通过灵活应用这些结构优化设计方法,我们可以不断改进工程结构的设计,为各行业的发展提供支持。
第12章优化设计和敏感性分析本章主要讲解应用Abaqus进行结构优化设计和敏感性分析。
目前的产品结构设计,大多靠经验,规划几种设计方案,结合CAE分析择优选取,但规划的设计方案并不一定是最优方案,故本章前半部分讲解优化设计中的拓扑优化和形状优化,并制定操作SOP,辅以工程实例详解。
工程实际中,加工制造、装配误差等造成的设计参数变异,会对设计目标造成影响,因此寻找出参数的影响大小即敏感性,变得尤为重要,故本章后半部分着重讲解敏感性分析,并制定操作SOP,辅以工程实例求出设计参数敏感度,详解产品的深层次研究。
知识要点:结构优化设计基础拓扑、形状优化理论拓扑、形状优化SOP及实例敏感性分析理论敏感性分析SOP及实例12.1 优化设计基础优化设计以数学中的最优化理论为基础,以计算机为手段,根据设计所追求的性能目标,建立目标函数,在满足给定的各种约束条件下,优化设计使结构更轻、更强、更耐用。
在Abaqus 6.11之前,需要借用第三方软件(比如Isight、TOSCA)实现优化设计及敏感性分析,远不如Hyperworks及Ansys等模块化集成程度高。
从Abaqus 6.11新增Optimization module后,借助于其强大的非线性分析能力,结构优化设计变得更具可行性和准确性。
12.1.1 结构优化概述结构优化是一种对有限元模型进行多次修改的迭代求解过程,此迭代基于一系列约束条件向设定目标逼近,Abaqus优化程序就是基于约束条件,通过更新设计变量修改有限元模型,应用Abaqus进行结构分析,读取特定求解结果并判定优化方向。
Abaqus提供了两种基于不同优化方法的用于自动修改有限元模型的优化程序:拓扑优化(Topology optimization)和形状优化(Shape optimization)。
两种方法均遵从一系列优化目标和约束。
12.1.2 拓扑优化拓扑优化是在优化迭代循环中,以最初模型为基础,在满足优化约束(比如最小体积或最大位移)的前提下,不断修改指定优化区域单元的材料属性(单元密度和刚度),有效地从分析模型中移走单元从而获得最优设计。
结构优化设计简介拓扑优化按研究的结构对象可分为两大类:离散体结构拓扑优化,如桁架、刚架、加强筋板、膜等骨架结构及它们的组合;连续体结构拓扑优化,如二维板壳、三维实体。
离散结构拓扑优化的历史可以追溯到1904年由Michell提出的桁架理论,Michell的理论只能用于单工况并依赖于选择适当的应变场。
其后陆续提出了一些优化方法,其中最有代表性的是Dorn、Gomory 和Greenberg等提出的基结构方法(Ground structure approach)。
基结构方法克服了Michell桁架理论的不适应性,将数值方法引入结构优化领域,建立由结构节点、载荷作用点和支撑点组成的节点集合,集合中的所有节点之间用杆件连接,形成所谓的基结构,以基结构作为初始设计,以杆件面积作为设计变量,采用优化算法优化杆件面积。
20世纪60年代初Schmit将结构优化问题表述为数学规划问题,并采用数学规划算法求解,成为结构优化领域的一个重要里程碑。
包括桁架结构优化在内的离散结构拓扑优化已比较成熟,国内外已有很多深入的研究和文献。
近年来连续体结构拓扑优化理论得到了较快发展,是结构优化领域研究的难点和热点问题。
连续体结构优化按照设计变量的类型和求解问题的难易程度可分为尺寸优化(尺寸变量)、形状优化(形状变量)、和拓扑优化(拓扑变量)三个层次,分别对应于三个不同的产品设计阶段,即详细设计、基本设计及概念设计三个阶段。
在保持结构的形状和拓扑结构不变的情况下,寻求结构组件的最佳截面尺寸以及最佳材料性能的组合关系,优化截面的最优面积(如桁架),选择板的最佳厚度等。
其特点是设计变量容易表达,求解理论和方法成熟。
优化结构的结构拓扑关系保持不变,而设计域的形状和边界发生变化,寻求结构最理想的边界和几何形状,在骨架结构中表现为优化节点的最优位置,在实体结构中表现为对结构的边界形状进行优化。
目前有关形状优化部分的研究已取得较大进展。
在一个确定的连续区域内寻求结构内部非实体区域位置和数量的最佳配置,寻求结构中的构件布局及节点联结方式最优化,使结构能在满足应力、位移等约束条件下,将外载荷传递到结构支撑位置,同时使结构的某种性态指标达到最优。