在拓扑优化时会进行大量的迭代计算，在大型的结构中（如整车）进行局部位置的拓扑优化时，如果使用完整的有限元模型会浪费大量的计算资源。通过超单元方法（Superelement）将需要进行优化设计的局部结构划分成独立的子结构，将其余部分通过超单元理论缩聚为独立的矩阵施加到要优化的子结构中，可以大大提高求解速度。本文通过一个Hyperw...
Hyperworks Optistruct：基于超单元静态缩聚法进行子模型拓扑优化
在Hypermesh新界面中进行拓扑优化分析
本文介绍在Hyperworks新界面中进行拓扑优化分析的基本流程，通过Hypermesh进行前处理，通过Optistruct求解器进行求解，并在Hypermesh和HyperView中查看求解结果。所使用模型为Hyperworks帮助文档中的cclip.hm模型，模型为一个C型夹，如下图所示。1、基础静力学分析设置在Model导航栏中右击，选择Create > Material/Prope...
通过Hypermesh进行Optistruct拓扑优化的结果解析及几何模型的生成
1、结果文件的读入在HyperWorks中通过Optistruct求解器完成拓扑优化后会生成两个脚本文件*.HM.comp.tcl和*.HM.ent.tcl，在Hypermesh中通过菜单File – Run – TCL/TC Script即可将这两个脚本文件读入到模型中。第一个文件将拓扑优化生成的单元密度（0~1）以0.1为步长分层10个部分，第二个文件创建这10个部分对应的单元Set集。初始值可...
HyperWorks Optistruct拓扑优化的离散性控制
在进行拓扑优化设计时，提高拓扑结果的离散度会有利于优化结果的解析。使用HyperWorks的Optistruct求解器进行拓扑优化时，常用的提高拓扑优化结果离散度的方法为增加制造工艺约束、使用改进的拓扑优化算法和通过关键字DOPTPRM, DISCRETE控制结果的离散性。1、增加制造工艺约束在约束中增加最小成员尺寸控制，通常可以获得理想的离散...
HyperWorks OptiStruct优化设计常用设置选项介绍（二）
在文章《HyperWorks OptiStruct优化设计常用设置选项介绍（一）》中介绍了HyperWorks OptiStruct求解器中部分优化设计控制参数的含义，本文将继续介绍剩余的优化设计控制参数。优化设计控制参数通过OptiStruct的输入关键字DOPTPRM设置，也可在Hypermesh中通过面板Analysis – optimization – opticontrol进行设置。 DOPTPRM, DDVOPT...
HyperWorks OptiStruct优化设计常用设置选项介绍（一）
HyperWorks的Optistruct求解器通过关键字DOPTPRM设置优化设计的求解参数，在Hypermesh中可通过面板Analysis – optimization – opti control进行优化设计求解参数的设置。下面对优化设计中各个求解参数的含义做一个详细介绍。 DOPTPRM, DESMAX/MAXITER定义最大迭代次数，默认为30，如果定义了MINDIM关键字，则默认为80.DOPT...
HyperWorks Optistruct优化设计所用优化算法及大模型专用优化算法介绍
在使用HyperWorks的Optistruct求解器进行优化设计时，求解器会根据优化类型（如拓扑优化、形貌优化等）自动选择合适的优化算法，也可以通过关键字DOPTPRM,OPTMETH指定所使用的优化算法。在Hypermesh中可通过面板Analysis –optimization – opti control，在优化控制参数设置面板中进行优化算法选择。 Optistruct求解器可选择的优化...
ANSYS Workbench基于响应面的参数优化设计分析流程
本文以一个受拉伸的连杆为例，介绍在ANSYS Workbench中通过响应面法（Response Surface）进行结构参数优化设计的方法。1、定义设计变量创建静力分析项目，如下图所示通过草图拉伸创建支架的三维模型，在草图尺寸中点击中间长条形减重孔半径尺寸前面的复选框将其进行参数化设置。关于ANSYS Workbench参数化建模的详细方法可参考文章...
遗传算法中的变异算子和种群密度
在使用遗传算法进行优化设计时，染色体中基因的变异和保持合理的种群密度都是为了保持群体的多样性，使算法能够跳出局部极值。但是不能让每个染色体都参与变异，这样会导致优秀的染色体无法保存下来。本文介绍一种决定染色体是否变异的算法，并介绍一种种群密度的计算和筛选方法。1、自适应变异算子自适应变异算子通过设置变异率与...
优化设计之遗传算法程序实现
在文章《优化设计之遗传算法》中介绍了遗传算法的基本概念和程序编制流程，本文将通过一个具体的程序算例来详细介绍遗传算法的程序编写方法和计算流程。通过上文可以知道，通过遗传算法进行优化设计共分为五个主要的步骤：产生初始种群、进行个体评价、选择染色体、交叉染色体、变异染色体。下面介绍具体的实现方法，程序使用Python语言...