优化有限元设计分析流程

传统结构有限元模拟分析的基本流程如图3-3所示。这种应用有限元分析程序进行结构的应力分析的标准过程都是根据设计条件，用解析计算方法或根据经验值确定初始结构尺寸，按照该结构尺寸，用有限元程序建模、求解，再对得出的应力、刚度分析结果进行强度评定。如果评定不合格，则根据设计者的经验对初始尺寸进行修改，然后再次建模、求解，进行强度评定，如此反复，直至结果评定合格为止。用这种方式存在设计周期长、需要进行工程试验来弥补求解的离散性等方面的不足。

日益激烈的市场竟争已使工业产品的设计与生产厂家越来越清楚地意识到：能比别人更快地推出优秀的新产品，就能占领更多的市场。为此，CAE方法作为能缩短产品开发周期的得力工具，被越来越频繁地引入了产品的设计与生产的各个环节，以提高产品的竞争力。应用基于协同结构设计优化法进行结构强度、刚度分析设计与以往的标准方法相比，具有设计周期短，设计人员工作量小，结构各部分尺寸通过优化方法确定，有利于避免材料的浪费等优点。一个典型的CAE优化过程通常需要经过以下的步骤来完成：

1）参数化建模：利用CAE软件的参数化建模功能把将要参与优化的数据（设计变量）定义为模型参数，为以后软件修正模型提供可能。

图3-3 传统结构有限元模拟分析基本流程

2）有限元求解：对结构的参数化模型进行加载与求解。

3）结果后处理：把状态变量（约束条件）和目标函数（优化目标）提取出来供优化处理器进行优化参数评价。

4）参数优化：优化处理器根据本次循环提供的优化参数（设计变量、状态变量及目标函数）与上次循环提供的优化参数作比较之后，确定该次循环目标函数是否达到了最小，或者说结构是否达到了最优，如果最优，完成迭代，退出优化循环圈，否则，进行下一步。

5）循环计算：根据已完成的优化循环和当前优化变量的状态修正设计变量，重新投入循环。图3-4是数值优化的过程框图。

(www.zuozong.com)

图3-4 数值优化的过程框图

从以上的过程，已经可以看到CAE优化过程的某些基本特征，如计算模型的参数化、迭代过程的自动性等。协同设计优化是优化技术与CAE方法的完美结合的产物，CAE协同优化方法有更丰富的特点。

首先，现代CAE技术的发展已使人们的分析领域扩展到了各行各业的每个角落，所研究问题的深度及综合程度都在逐步提高，研究者的目光已从单一场分析转向了多场耦合分析，以追求更为真实的模拟结果。CAE软件的优化技术的适应范围也必然随之扩展，不但要求它能解决各种单场问题，而且应该能处理多场耦合过程的优化。

其次，一个优化迭代过程通常是从前处理开始，经过建模、分网、加载、求解和后处理，而优化问题通常需要较多的迭代才能收敛。因此，软件具有统一的数据库是高效的CAE优化过程的前提，这种统一指的是前后处理数据与求解所用的数据应该在同一个数据库中，而不是通过数据文件来传递（这势必降低优化过程的效率）。另外，多数通过文件来传递数据的软件的前处理与求解器之间并不完全支持，前处理的数据文件往往在投入求解器之前需要手工修改。这与优化过程的自动性是相抵触的。这种情况一旦发生而且不可回避时，要么放弃，要么再为数据文件编制自动修改程序。

第三，优化过程实际上是一个不断自动修正设计参数的过程，所以要想保证优化过程的流畅，CAE软件必须具有完备高效的参数流程控制技术。流程控制过程中，不但要求将要优化的设计数据可以参数化，而且要求这种流程控制具有判断分支与循环的能力，以使软件可以自动应付大型问题在优化过程中出现的各种复杂情况。

第四，高精度网格是成功的有限元分析的关键因素之一。一个良好的CAE软件要想很好地处理优化过程，尤其是形状优化问题，必须具备智能的网格划分器，以解决模型在形状参数变化剧烈时出现的网格奇化问题。

第五，现代的CAE软件通常具备也应当具备非线性处理能力，而非线性问题的收敛控制曾“令无数英雄竞折腰”。通常提高非线性问题收敛性的手段应视具体情况决定，而对于一个非线性问题的优化过程，往往会因各种各样的因素而影响收敛。但优化过程是程序自动控制迭代的，人不能过多参与，因此，非线性收敛的智能控制技术对非线性优化问题是不可或缺的。

第六，当软件应用水平到达一定高度以后，人们可能会想到尝试一种合作优化的方式，就是说，同一工作组的多个联网的工作机共同来优化同一个问题。通常同一个工作组中各个工作机的型号品牌甚至操作系统都可能不同，那么不同平台的数据库的不兼容问题可能会使这样一个创造性的尝试成为泡影。当然，不是所有软件都存在这个问题，ANSYS在这个问题上就能较好地解决。