SolidWorks仿真分析.docxVIP

SolidWorks仿真分析发表时间： 2011-6-30 关键字: /commsearch.aspx?keyword=%d3%d0%cf%de%d4%aa%b7%d6%ce%f6有限元分析?/commsearch.aspx?keyword=%b7%c2%d5%e6%d3%c5%bb%af仿真优化?/commsearch.aspx?keyword=SolidWorksSolidWorks?替换式研究对于快速评估多个选项很有价值，它可以确定哪一个可能的变化（如果有的话）会对零部件产生最大的影响。因为特征的组合数可以是无限的，所以对每次迭代及其相应的响应进行记录，这一点很重要—可以避免重复或遗漏。SolidWorks的用户可以使用“配置”(Configurations) 这一优秀的实用工具来管理替换式研究迭代。 优化是对重量、应力、成本、挠度、自然频率或温度因素进行计算，所有这些都以尺寸、载荷和约束、材料和/或制造要求为条件。本文考察了优化过程中的一些基本概念、目前可供受“有限元分析”驱动的优化过程使用的工具，然后将着重讲述设计工程师如何在他们的日常工作中取得最好的优化效果。? 优化简介 十年前，设计工程师开始学习使用有限元分析 （finite element analysis，FEA）、计算流体力学 （computational fluid dynamics，CFD） 和运动仿真等计算机辅助工程 （computer-aided engineering，CAE） 工具，并将它们作为尽快推出更好的设计的重要手段。他们相信，借助于这类工具所设计出的零部件、装配体和产品能够经受住有可能加诸其上的最为粗暴的使用。 不过，旨在满足“最坏情况”的产品，对实际操作环境来说可能并非最佳设计。它们可能会因要满足安全与强度的要求而被过分设计，远超出它们使用目的的要求；或者非常难于制造，成本高昂。如果设计工程师进一步希望自己设计出的产品就其功能而言是最好、最赢利的，则他们需要将下一个 CAE 步骤带入产品开发过程中，这就是优化。? 设计工程师眼中的优化 设计优化可以提高产品的价值，其手段有：提高产品在自身操作环境中的性能；或者减少用来制造产品的材料数量，降低产品的生产成本。通过加入优化过程，设计工程师能够增进对其产品表现的了解，并对设计加以改进，同时还能不违背从前面已完成的分析中得出的数据。 图1：与扳钳有异曲同工之妙的优化过程? 优化的基本组件 优化的过程有三个主要组件：? ? 目标 ? 约束? ? 变量 最简单的情况下，经过优化的设计应该通过改变变量求得目标的最大值或最小值，同时确保关键性响应不超出所定义的约束条件。?目标就是执行优化过程的目的所在。例如，如果某家公司研究表明，生产重量最轻或价格最低的产品将赢得竞争优势，那么，最大限度地减少重量或成本就将成为优化的目标 — 这类情况称为单目标优化。 工程师经常需要面对多目标优化，不过，这种情况下所需要的资源可能超过日常所能提供的量。如果设计工程师能够将他的问题定义细化为一个目标（或一次只有一个目标），优化过程就能变得简单。在大多数情况下，处理结构响应的工程师会将重量最小化作为目标。在流体应用中，最常见的目标是实现压降和紊流能最小化或速度最大化。? 约束将现实带入了优化。图2中显示的悬臂示例就属于这类情况。如果将优化问题设置为不受约束的重量最小化问题，优化程序将直接选择尺寸变量所允许的用料最少条件。不过，在现实世界中，绝大多数零部件都会有强度或刚度等其他方面的操作要求。因此，工程师要选择用来定义部件在其系统内的可接受行为的约束条件，这一点很重要。一般而言，他所选择的约束条件是在单一的静态分析、频率分析或热分析中所允许的情况。图2：重量最轻的横梁可能会过度弯曲?在约束研究中，如果工程师希望从几个可能的设计配置中找到最佳配置，则他需要更改设计参数。这些参数就是设计变量。它们可以是尺寸、阵列中的实例数量、材料属性、载荷或弹簧刚度—或者拥有可检测的“最佳”值或需要加以考虑的设计的任何其他方面。 变量可以是连续的，也就是说，变量能够在指定的最小值和最大值之间选择任意值。绝大多数尺寸变量都属于连续变量。它们也可以是离散的，也就是说，变量只能取定义好的一组可能值。离散变量的最简单形式是“开关”或“是否”变量。例如，是否经过了焊接或是否带扣件就属于离散变量类别。阵列的实例也属于离散变量。再举个例子，皮带轮或转轮的辐条数可以是任意整数，但不能是 3.2 或 4.7 等小数。 钣金规格是一种可落入两种类别的变量。一般而言，规格厚度有预先定义的值，但通常的作法还是将厚度指定为一个连续变量，然后再上取整或下取整到最接近的规格厚度。 在优化研究过程中，选择变量是一个非常重要的步骤。如果工程师选择的变量过多或过少，分析的效果都