[拓撲優化] 1.概述

常見的拓撲優化方法有:均勻化法、變密度法、漸進結構優化法、水平集法、移動可變形組件法等。

常見的數值計算方法有:有限元法、有限差分法、邊界元法、離散元法、無網格法、擴展有限元法、等幾何分析等。

將上述數值計算方法與拓撲優化方法結合,就會形成各種各樣的拓撲優化方法。比較成熟的,現有拓撲優化商業軟件中廣泛采用的是基于有限元法的拓撲優化,學術上比較熱門的是基于等幾何分析的拓撲優化。本博客介紹的是基于OptiStruct軟件的拓撲優化技術,所以重點介紹基于有限元法的拓撲優化。

1. 優化三要素

設計變量、約束和優化目標

在OptiStruct中約束和優化目標都來自于響應。關系如下:

2. 使用OptiStruct進行拓撲優化的流程

?1). 設置可運行的 OptiStruct 分析模型

  • a) 建立模型
  • b) 定義載荷步
  • c) 使用 OptiStruct 進行分析
  • d) 后處理并檢查分析結果

2). 優化設置的定義

  • a) 如果有必要,則需要劃分設計和非設計空間
  • b) 定義設計變量 (從而確定優化學科)
  • c) 定義響應
  • d) 如果有必要,則定義約束
  • e) 定義優化的目標

3). 使用 OptiStruct 運行優化計算

4). 后處理,檢查輸出并解釋優化的結果

5). 如有必要,改變設置,將結果進行重新分析和/或創建 CAD 數據。

?3. 設計變量可能會包含的制造約束

  • Minimum member size -最小成員尺寸 控制拓撲優化設計結果所保留部分的最小尺寸。控制棋盤格現象和離散程度。
  • Maximum member size -最大成員尺寸 指定拓撲優化設計結果所允許的最大尺寸。此約束可以阻止結果中生成大塊的或大量的材料聚集,而強制生成更離散的結果。
  • Draw direction –拔模方向 可以應用該約束來獲得適合于鑄造的設計。在該工藝中,在模具進出的方向或拔模方向有材料阻擋,則無法進行加工。
  • Extrusion –擠壓約束 可以應用該約束來獲得實體模型的不變的橫截面設計-無論初始網格,邊界條件或載荷如何。
  • Pattern grouping –模式組 允許定義單個區域被設計為某一特定的模式,例如,即使施加在結構上的載荷不對稱,也可實施對稱設計。
  • Pattern repetition –模式重復 一種使不同結構鏈接在一起,以產生類似的拓撲構型的技術。

?4. 常見的拓撲優化問題設置

  • 最小化 (加權/總體/區域) 柔度——使用(總體/區域)體積或質量分數約束
  • 最小化 (總體/區域)體積或質量分數——使用位移約束
  • 最大化 (加權) 頻率——使用(總體/區域)體積或質量分數約束
  • 最小化 (總體/區域)體積或質量分數——使用頻率約束
  • 最小化柔度和頻率——使用(總體/區域)體積或質量分數約束
  • 最小化 (總體/區域)體積或質量分數——使用應力約束

?5. 拓撲優化結果的設計解讀

對于拓撲優化結果的后處理或結果解釋,第一步都是找到合適的密度閾值。

? ?? 密度小于此值的單元(或者說體積)將不被考慮用于新設計,其他所有單元都會被考慮。

? ?? 對于拓撲優化,通常取閾值在0.3到0.4之間。

? ?? 查看不同密度閾值選擇的結果

? ? ? ? 在HyperView中查看設計結果(推薦)

? ? ? ? ?? 創建單元密度的iso-surface圖和contour圖(_dens.h3d file)

? ? ? ? 在HyperMesh中查看設計結果

? ? ? ? ?? 在HyperMesh中運行 tcl 文件 .HM.ent.tcl ,以創建用于不同密度范圍的sets

? ? ? ? ?? 在HyperMesh中運行 tcl 文件 .HM.comp.tcl ,以創建不同密度范圍的components

? ?? HyperMesh提供了OSSmooth,可通過該工具進行一系列的設計結果解讀。

后續會通過官方案例或者實例進行詳細介紹。?

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/86403.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/86403.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/86403.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

【openssl】升級為3.3.1,避免安全漏洞

本文檔旨在形成 對Linux系統openssl版本進行升級 的搭建標準操作過程,搭建完成后,實現 openssl 達到3.3以上版本,避免安全漏洞 效果。 一、查看當前版本 版本不高于3.1的,均需要升級。 # 服務器上運行以下命令,查看…

基于正點原子阿波羅F429開發板的LWIP應用(6)——SNTP功能和lwiperf測速

說在開頭 正點原子F429開發板主芯片采用的是STM32F429IGT6,網絡PHY芯片采用的是LAN8720A(V1)和YT8512C(V2),采用的是RMII連接,PHY_ADDR為0;在代碼中將會對不同的芯片做出適配。 CubeMX版本:6.6.1; F4芯片組…

C:\Users\中文名修改為英文名

C:\Users\中文名修改為英文名 背景操作步驟 背景 買了臺新電腦,初始化好不知道啥操作把自己的登錄用戶名改成了中文,有些安裝的軟件看見有中文直接就水土不服了。 操作步驟 以下稱中文用戶名為張三。 正常登錄張三用戶 進入用戶管理頁面修改用戶名&a…

YOLOv12環境配置,手把手教你使用YOLOv12訓練自己的數據集和推理(附YOLOv12網絡結構圖),全文最詳細教程

文章目錄 前言一、YOLOv12代碼下載地址1.YOLOv12模型結構圖 二、YOLO環境配置教程1.創建虛擬環境2.激活虛擬環境3.查詢自己電腦可支持最高cuda版本是多少(無顯卡的同學可以跳過這個步驟)4.pytorch安裝5.驗證 PyTorch GPU 是否可用(沒有顯卡的…

ES6(ES2015)特性全解析

ES6(ECMAScript 2015)是 JavaScript 語言發展史上的一個重要里程碑,它引入了許多新的語法特性和功能,提升了代碼的可讀性、可維護性和開發效率。 1. 塊級作用域變量:let 和 const ES6 引入了 let 和 const 關鍵字&am…

jvm 垃圾收集算法 詳解

垃圾收集算法 分代收集理論 垃圾收集器的理論基礎,它建立在兩個分代假說之上: 弱分代假說:絕大多數對象都是朝生夕滅的。強分代假說:熬過越多次垃圾收集過程的對象就越難以消亡。 這兩個分代假說共同奠定了多款常用的垃圾收集…

數字孿生+AR/VR的融合創新

目錄 引言:工業元宇宙的興起與技術基石數字孿生:工業元宇宙的數字底座 2.1 數字孿生的概念與關鍵要素 2.2 數字孿生在工業領域的應用 2.3 數字孿生的技術架構 (Mermaid Graph) AR/VR:工業元宇宙的沉浸式體驗層 3.1 AR/VR 的概念與技術原理…

圖解C#教程 第五版 第4章 類型、存儲和變量 筆記

第4章 類型、存儲和變量 筆記 4.1 C# 程序是一組類型聲明 C程序是一組函數和數據類型,C程序是一組函數和類, 而C#程序是一組類型聲明,具有如下特征: C# 程序或 DLL 的源代碼是一組類型聲明類型聲明中必須有一個包含 Main 方法…

SpringBoot整合SSM

1. SSM整合步驟 今天帶大家學習一下基于SpringBoot的SSM整合案例&#xff0c;話不多說&#xff0c;咱們開始&#xff0c;要實現SSM整合&#xff0c;有以下這么幾步 導入依賴創建yml配置文件dao層靜態頁面測試類進行測試 1.1 導入依賴 <?xml version"1.0" enco…

多面體模型-學習筆記2

1&#xff09; 多面體模型被應用于解決程序變換問題&#xff0c;并有效地推動了程 序自動并行化等技術的發展。與傳統的解決程序變換的方法相比&#xff0c;多面體模型 具有許多優勢[5]。多面體模型提供了一種強大的抽象&#xff0c;將每個語句的動態語句執 行實例視作一個多面…

基于django+vue的健身房管理系統-vue

開發語言&#xff1a;Python框架&#xff1a;djangoPython版本&#xff1a;python3.8數據庫&#xff1a;mysql 5.7數據庫工具&#xff1a;Navicat12開發軟件&#xff1a;PyCharm 系統展示 會員信息管理 員工信息管理 會員卡類型管理 健身項目管理 會員卡管理 摘要 健身房管理…

【Linux系統】Linux環境變量:系統配置的隱形指揮官

。# Linux系列 文章目錄 前言一、環境變量的概念二、常見的環境變量三、環境變量特點及其相關指令3.1 環境變量的全局性3.2、環境變量的生命周期 四、環境變量的組織方式五、C語言對環境變量的操作5.1 設置環境變量&#xff1a;setenv5.2 刪除環境變量:unsetenv5.3 遍歷所有環境…

Spring AI中使用ChatMemory實現會話記憶功能

文章目錄 1、需求2、ChatMemory中消息的存儲位置3、實現步驟1、引入依賴2、配置Spring AI3、配置chatmemory4、java層傳遞conversaionId 4、驗證5、完整代碼6、參考文檔 1、需求 我們知道大型語言模型 &#xff08;LLM&#xff09; 是無狀態的&#xff0c;這就意味著他們不會保…

Java 高級泛型實戰:8 個場景化編程技巧

文章目錄 一、通配符高級應用&#xff1a;靈活處理類型關系二、泛型方法與類型推斷三、泛型類的嵌套使用四、受限泛型與邊界條件五、泛型與反射結合六、泛型在函數式接口中的應用七、類型擦除與橋接方法八、自定義泛型注解總結 在Java編程中&#xff0c;泛型不僅是類型安全的保…

[藍橋杯 2024 國 B] 立定跳遠

問題描述 在運動會上&#xff0c;小明從數軸的原點開始向正方向立定跳遠。項目設置了 n 個檢查點 a1,a2,...,an且 ai≥ai?1>0。小明必須先后跳躍到每個檢查點上且只能跳躍到檢查點上。同時&#xff0c;小明可以自行再增加 m 個檢查點讓自己跳得更輕松。在運動會前&#xf…

2025年全國I卷數學壓軸題解答

第19題第3問: b b b 使得存在 t t t, 對于任意的 x x x, 5 cos ? x ? cos ? ( 5 x t ) < b 5\cos x-\cos(5xt)<b 5cosx?cos(5xt)<b, 求 b b b 的最小值. 解: b b b 的最小值 b m i n min ? t max ? x g ( x , t ) b_{min}\min_{t} \max_{x} g(x,t) bmi…

wpf在image控件上快速顯示內存圖像

wpf在image控件上快速顯示內存圖像https://www.cnblogs.com/haodafeng/p/10431387.html 如果你在尋找能夠快速在image控件刷新大圖像&#xff08;比如分辨率3000*3000的圖像&#xff09;的辦法&#xff0c;尤其是想把內存中的裸數據&#xff08;只有圖像的數據&#xff0c;不包…

解決網頁導出PDF部分內容被遮擋問題

問題描述 以學習通為例&#xff0c;在使用CtrlP打印頁面或截圖時&#xff0c;固定側邊欄會遮擋部分內容&#xff0c;影響完整內容的獲取。如下圖所示&#xff1a; 解決辦法 通過瀏覽器開發者工具臨時移除固定側邊欄&#xff0c;具體步驟如下&#xff1a; 在目標頁面右鍵點…

機器學習監督學習實戰六:五種算法對新聞組英文文檔進行文本分類(20類),詞頻統計和TF-IDF 轉換特征提取方法理論和對比解析

本文主要介紹了20 Newsgroups數據集及其在文本分類任務中的應用。20 Newsgroups數據集包含約20,000篇新聞組文檔&#xff0c;分為20個不同主題的新聞組&#xff0c;數據集被分為訓練集和測試集。在數據預處理階段&#xff0c;使用了CountVectorizer和TfidfVectorizer兩種方法將…

易學探索助手-個人記錄(十四)

項目背景 在大語言模型&#xff08;LLM&#xff09;完成指令微調&#xff08;SFT&#xff09;之后&#xff0c;雖然可以處理開放式問答任務&#xff0c;但在專業領域&#xff08;如《周易》&#xff09;仍面臨知識更新滯后、事實性薄弱等問題。為此&#xff0c;本文介紹如何通…