CN106384384B - 一种三维产品模型的形状优化方法 - Google Patents

一种三维产品模型的形状优化方法 Download PDF

Info

Publication number
CN106384384B
CN106384384B CN201610827180.XA CN201610827180A CN106384384B CN 106384384 B CN106384384 B CN 106384384B CN 201610827180 A CN201610827180 A CN 201610827180A CN 106384384 B CN106384384 B CN 106384384B
Authority
CN
China
Prior art keywords
model
matrix
product model
parameters
dimensional product
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610827180.XA
Other languages
English (en)
Other versions
CN106384384A (zh
Inventor
陈龙
张高朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201610827180.XA priority Critical patent/CN106384384B/zh
Publication of CN106384384A publication Critical patent/CN106384384A/zh
Application granted granted Critical
Publication of CN106384384B publication Critical patent/CN106384384B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供了一种三维产品模型的形状优化方法，包括以下步骤：首先利用反求方法或者尺寸测量方法，构建产品模型包含点、线、面特征的特征框架模型，添加特征元素之间的约束，构成参数化的特征框架，通过多种驱动方式且维护特征之间的约束以实现特征框架模型的修改。再针对该特征框架，利用体参数化的理论得到可用于等几何分析的体参数化模型。同时将该特征框架的特征尺寸作为产品尺寸或者形状优化的参数，推导产品物理性能与这些设计参数的敏度矩阵，通过优化这些参数以实现对产品模型的优化设计。

Description

一种三维产品模型的形状优化方法
技术领域
本发明属于三维产品模型形状优化设计领域，主要涉及基于产品模型特征框架的形状优化方法。
背景技术
在传统形状优化中，通常将有限单元的结点作为设计变量。但是在这种方法中，由于各结点独立的变动，导致优化边界常常是不规则的，设计变量过多导致优化效率降低，设计模型与分析模型之间在优化迭代中需要不断进行数据转换，网格划分费时费力。而这些缺点都是由于设计模型与分析模型采用不同的数学语言引起对的，即几何建模中采用样条基函数，而在分析模型中采用拉格朗日基函数或埃尔米特多项式。
发明内容
本发明是为解决上述问题而进行的，通过建立参数化的特征框架模型作为产品的优化对象，将特征框架模型的尺寸作为设计变量。利用体插值理论通过特征框架模型生成参数化的控制点坐标，推导目标函数及约束对设计变量的灵敏度矩阵进行特征框架模型的尺寸优化。由于等几何分析所采用的B样条基函数具有高阶连续性，其导数具有准确的数学表达式，可以得到灵敏度的全解析式，进而可以高效准确地进行优化设计。
本发明所提供的三维产品模型的形状优化方法，包括以下四个步骤：
(一)建立特征框架模型
利用模型扫描得到点云数据，提取点、线、面特征信息，或者利用模型测量和尺寸设计，通过这几种方法得到自由形体模型；根据设计对象的特征和设计意图，选取部分特征参数作为优化设计参数，根据这些参数和其他一些已知参数，构建出产品模型的特征曲线；给所述特征曲线添加约束条件得到参数化的特征框架，通过特征框架尺寸驱动产品模型的变形。
(二)建立分析模型
采用一定方法获取特征框架模型的表面控制点和实体内部控制点，并且建立优化设计参数和控制点之间的关联。
(三)确定优化算法
给特征框架模型施加边界条件或约束条件，利用等几何分析的方法得到每个控制点的物性参数；利用控制点和优化设计参数的关系，从而构建出优化设计参数和物性参数的关系；根据该关系求取物性参数针对于优化设计参数的导数关系，即得到灵敏度矩阵；对灵敏度矩阵进行求解，确定优化算法。
(四)利用选用的优化算法，依次对每个优化设计参数和对应的特征框架模型进行更新，直到满足给定的迭代终止条件。
发明作用与效果
本发明提供的基于特征框架的优化方法与以控制点坐标为设计变量或者以有限元网格顶点为优化变量的传统优化方法相比，具有明显优势：在设计理念上，设计变量更贴近设计者的意图，符合人们的设计需要，重点保证和优化关键部位尺寸，利用特征框架模型信息实现对模型总体形状和细节形状的控制，使得用户能通过少数特征尺寸参数编辑产品模型，避免传统形状优化以有限元节点为设计变量带来的复杂的造型操作，将参数化建模与优化真正统一起来；在计算效率上，因为大大减少了设计变量，带来计算效率的提高；在设计流程上，设计模型、分析模型、优化模型之间的交互更加便捷，大大降低产品开发的周期。
附图说明
图1是本发明中的三维产品模型的形状优化方法的流程图；
图2是本发明所采用的离散孔斯插值法的示意图；
图3是本发明实验例一中的带脊悬臂梁的特征框架模型的示意图；
图4是本发明实验例一中的带脊悬臂梁的优化历史图；
图5是本发明实验例二中的疏浚绞刀臂的特征框架模型的示意图；
图6是本发明实验例二中的疏浚绞刀臂的优化历史图。
具体实施方式
以下结合附图来说明本发明的具体实施方式。
图1是本发明实施例中的三维产品模型的形状优化方法的流程图。
如图1所示，本发明中的三维产品模型的形状优化的一般算法包括以下部分：
步骤1，构建特征框架模型
步骤1-1，利用模型扫描得到点云数据，提取点、线、面特征信息，或者利用模型测量和尺寸设计，得到自由形体模型的特征框架；
步骤1-2，根据设计对象的特征和设计意图，选取部分特征参数作为优化设计参数，根据这些参数和其他一些已知参数，构建出产品模型的特征曲线；
步骤1-3，给所述特征曲线添加约束条件得到参数化的特征框架，通过特征框架尺寸驱动产品模型的变形，得到特征框架模型；
步骤2，建立分析模型
从特征框架模型到分析模型的生成，采用经典的孔斯插值方法，可以分为两步。第一步为通过特征曲线生成边界面所有控制点，第二步为通过所有表面控制点生成实体内部所有控制点。下面详细描述插值方法：
步骤2-1，如图2(a)所示，已知四条曲面边界线上的控制点，通过孔斯曲面插值，得到曲面上所有控制点坐标。设某边界面控制点为P(i,j)，n为U方向控制点个数，m为V方向控制点个数。其内部控制点的下标范围为1<i<m，1<j<n。
令u0＝(i-1)/(m-1)，u1＝1-u0；v0＝(j-1)/(n-1)，v1＝1-v0，其中1<i<m，1<j<n。则边界面控制点P(i,j)通过式(1)得到：
Figure GDA0002319395400000051
步骤2-2，如图2(b)所示，已知实体边界面上的控制点，通过孔斯体插值，得到实体内部所有控制点坐标。设某边界面控制点为P(i,j,k)，l为U方向控制点数目，m为V方向控制点数目，n为W方向上的控制点数目。其内部控制点的下标范围为1<i<l,1<j<m,1<k<n。
令u0＝(i-1)/(m-1)，u1＝1-u0；v0＝(j-1)/(n-1)，v1＝1-v0；w0＝(k-1)/(n-1)，w1＝1-w0，其中1<i<l,1<j<m,1<k<n。则实体内部控制点P(i,j,k)通过式(2)得到：
Figure GDA0002319395400000052
步骤3，建立控制点坐标对优化设计参数的灵敏度矩阵
步骤3-1，向特征框架模型施加边界条件或约束条件，利用等几何分析的方法得到每个控制点的位移和受力等物性参数；
步骤3-2，利用控制点和优化设计参数的关系，从而构建出优化设计参数和物性参数的关系；
步骤3-3，根据该关系求取物性参数针对于优化设计参数的导数关系，即得到灵敏度矩阵，并对其进行求解，得到优化算法：
首先，求解目标方程和约束方程对设计变量灵敏度，在本发明中，优化目标为模型刚度最大，约束为模型体积小于特定值。
下面求解目标方程和约束方程对设计变量(优化设计参数)的导数。
(1)三维产品模型的结构柔度对优化设计参数的导数为：
Figure GDA0002319395400000061
(2)三维产品模型的体积或面积对优化设计参数的导数为：
Figure GDA0002319395400000062
式中，f为载荷列阵；u为位移列阵；αi为优化设计参数；K为三维产品模型的整体刚度矩阵；S为三维产品模型的体积或面积；|J|为雅克比行列式；Ω为分析域。
其次，对灵敏度矩阵进行求解，
灵敏度分析首先要求离散控制方程式(13)对设计变量的导数。而整体刚度矩阵K是由单元刚度Ke矩阵组装而来，因此转化为求单元刚度矩阵Ke对设计变量αi的导数问题：
Figure GDA0002319395400000063
根据式(3)和(4)，需要计算B及|J|对设计变量x的导数，首先计算B对设计变量x(和设计变量αi等同)的导数：
B＝[B1 B2 ... Bi ... Bn] (6)
Figure GDA0002319395400000071
定义两个矩阵
Figure GDA0002319395400000072
根据函数求导链式法则得到:
Figure GDA0002319395400000073
根据形函数公式x(ξ)＝Pe TN得到
Figure GDA0002319395400000074
Pe是单元控制点坐标矩阵：
Figure GDA0002319395400000075
由上面两式求导可得
Figure GDA0002319395400000076
(3)接着需要计算
Figure GDA0002319395400000077
Figure GDA0002319395400000081
其中，tr为矩阵对角线元素之和计算符号，tr(A)代表矩阵A对角线元素之和。
载荷表达为:
Figure GDA0002319395400000082
其中N为形函数矩阵：
Figure GDA0002319395400000083
则载荷对设计变量导数为：
Figure GDA0002319395400000084
在模型所加载荷独立于优化设计参数αi，故
Figure GDA0002319395400000085
对平衡方程KU＝F两边同时对设计变量求导得
Figure GDA0002319395400000086
其中，B为应变矩阵；D为弹性矩阵；Ni为NURBS基函数表示的形函数；Jξ为雅克比矩阵；Pe为单元控制点坐标矩阵fe为载荷。
下面以两个具体实验例来对上述实施例中的一般性的方法进行具体说明，以便更清楚的理解上述方法的设计思路。
实验例一：带脊悬臂梁的形状优化
其形状优化方法包括下述步骤：
步骤1，建立带脊悬臂梁的特征框架模型，如图3(a)和图3(b)所示，该特征框架模型的特征尺寸包括脊的宽度W、脊的高度H、整体厚度t、以及脊的长度L，如图3(c)所示，该模型载荷为Z＝0端面受到均匀沿y轴负向的拉力F＝-50N，边界条件为末端面完全固定；
步骤2，根据式(18)～(21)得到悬臂脊参数化控制点坐标矩阵：
Figure GDA0002319395400000091
此处，x0为脊顶点x坐标，x1为脊上控制点x坐标，x1′为更新后的x1，W0为顶点脊宽。
脊上控制点y坐标：
Figure GDA0002319395400000092
满足x＝x1,(19)
x∈控制点(x,y),y1∈控制点(x1,y1)
此处，y1为脊底层y坐标，y为脊上控制点y坐标，y′为更新后的y，H0为底层脊高。
脊外控制点y坐标：
Figure GDA0002319395400000093
此处，y1为脊外控制点y坐标，y′为更新后的y1。
控制点z坐标：
Figure GDA0002319395400000094
此处，z1为脊上控制点初始z坐标，z′为更新后的z1，，L0为L初始尺寸。
步骤3，根据式(22)得到悬臂脊参数化控制点坐标对特征尺寸的灵敏度矩阵，
Figure GDA0002319395400000101
步骤4，根据式(23)中所示的模型特征尺寸初始值及约束条件对上述四个特征参数依次进行迭代(迭代历史图如图4所示)，直到满足给定的迭代终止条件。
Figure GDA0002319395400000102
优化前后的结果对比，请见表1：
表1设计目标与约束优化前后对比表
类别 柔度(10<sup>-3</sup>J) 体积(mm<sup>3</sup>) 厚度(mm) 脊宽度(mm) 脊高度(mm) 长度(mm)
优化前 2063 126 1 8 3.5 7
优化后 2114.9 90 0.8 7.8 1.2 6
实验例二：疏浚绞刀臂的形状优化方法
步骤1，建立疏浚绞刀臂的特征框架模型，如图5所示，该特征框架模型的特征尺寸包括绞刀臂下底面轴向宽度bW和轴向长度bL，上顶面轴向宽度tW和轴向长度tL，绞刀臂高度H，载荷与边界条件为：绞刀臂上底面与下底面固定约束，在指定控制点处施加集中力。
步骤2，特征尺寸类型为长度时，映射函数推导。设空间中有任意两点分别为(x0,y0,z0)与(x1,y1,z1)，沿X轴、Y轴、Z轴方向特征尺寸由W0,L0,H0变为W,L,H，将(x0,y0,z0)作为定点，设动点(x1,y1,z1)由于特征尺寸变化得到新的坐标为(x1',y1',z1')，那么映射函数为：
Figure GDA0002319395400000111
Figure GDA0002319395400000112
写成矩阵形式为：
Figure GDA0002319395400000113
其中，n为单个单元中的控制点总数，根据该式能够得到绞刀臂参数化控制点坐标矩阵。
步骤3，根据式(26)得到疏浚绞刀臂参数化控制点坐标对特征尺寸敏度矩阵，
Figure GDA0002319395400000121
步骤4，根据式(27)中所示的模型特征尺寸初始值及约束条件对五个特征参数依次进行迭代(迭代历史图如图6所示)，直到满足给定的迭代终止条件。
Figure GDA0002319395400000122
优化前后的结果对比，请见表2：
表2设计目标与约束优化前后对比表
类别 柔度(10<sup>-3</sup>J) 体积(mm<sup>3</sup>) bL(mm) bW(mm) tL(mm) tW(mm) H(mm)
原始模型 578 18628 24.27 9.1 4.27 6.8 117.29
优化模型 520 18200 29.6 6.3 7.6 6.8 112.8
通过对比两个例子的优化前后变化，在模型体积减小的情况下，模型刚度也得到了一定程度的提高，而且优化效率较高，使得产品性能得到改善。

Claims (5)

1.一种三维产品模型的形状优化方法，用于对三维产品模型的形状进行优化设计，其特征在于，包括以下步骤：
(一)建立特征框架模型
采用反求方法或者尺寸测量方法，构建包含产品模型点、线、面特征的自由形体特征框架模型；选取部分特征参数作为优化设计参数，并根据这些优化设计参数和其他一些已知参数，构建出所述自由形体特征框架模型的特征曲线；给所述特征曲线添加约束条件得到参数化的特征框架，通过特征框架尺寸驱动产品模型的变形，
(二)建立分析模型
采用一定方法获取所述特征框架模型的表面控制点和实体内部控制点，并建立优化设计参数和控制点之间的关联，
(三)建立控制点坐标对优化设计参数的灵敏度矩阵
给所述特征框架模型施加边界条件或约束条件，利用等几何分析的方法得到每个控制点的物性参数；利用所述控制点和优化设计参数的关系，从而构建出优化设计参数和物性参数的关系；根据该关系求取物性参数针对于优化设计参数的导数关系，即得到灵敏度矩阵；对所述灵敏度矩阵进行求解，确定优化算法，
(四)利用选用的优化算法，依次对每个优化设计参数和对应的特征框架模型进行更新，直到满足给定的迭代终止条件。
2.根据权利要求1所述三维产品模型的形状优化方法，其特征在于：
其中，所述一定方法为离散孔斯插值法、调和函数法、凸组合插值法中的任意一种。
3.根据权利要求1所述三维产品模型的形状优化方法，其特征在于：
其中，每个控制点的物性参数为所述控制点的位移和受力。
4.根据权利要求1所述三维产品模型的形状优化方法，其特征在于：
其中，所述三维产品模型的优化目标为模型的刚度最大，所述特征框架模型的约束条件为模型体积小于特定值，
所述三维产品模型的结构柔度对优化设计参数的导数为：
Figure FDA0002319395390000021
所述三维产品模型的体积或面积对优化设计参数的导数为：
Figure FDA0002319395390000022
式中，f为载荷列阵；u为位移列阵；αi为优化设计参数；K为三维产品模型的整体刚度；S为三维产品模型的体积或面积；|J|为雅克比行列式；
Figure FDA0002319395390000023
为分析域。
5.根据权利要求4所述三维产品模型的形状优化方法，其特征在于：
其中，所述灵敏度矩阵的求解方法包括：
(1)整体刚度矩阵K是由单元刚度矩阵Ke组装而来，因此转化为求单元刚度矩阵Ke对优化设计参数αi的导数问题：
Figure FDA0002319395390000031
其中，
Figure FDA0002319395390000032
为有限元分析中的单个有限元单元的分析域；
(2)首先计算B对αi的导数：
B＝[B1 B2...Bi...Bn] (4)
Figure FDA0002319395390000033
定义两个矩阵：
Figure FDA0002319395390000034
其中，x,y,z为直角坐标系下的坐标分量，ξ,η,
Figure FDA0002319395390000035
为所述三维产品模型参数化的三个参数方向，根据函数求导链式法则得到：
Figure FDA0002319395390000036
根据形函数公式x(ξ)＝Pe TN得到：
Figure FDA0002319395390000041
Pe是单元控制点坐标矩阵：
Figure FDA0002319395390000042
由上面两式求导可得：
Figure FDA0002319395390000043
(3)接着需要计算
Figure FDA0002319395390000044
Figure FDA0002319395390000045
其中，tr为矩阵对角线元素之和计算符号，tr(A)代表矩阵A对角线元素之和，
载荷表达为：
Figure FDA0002319395390000046
其中，N为形函数矩阵：
Figure FDA0002319395390000047
则载荷对设计变量导数为：
Figure FDA0002319395390000048
在模型所加载荷独立于优化设计参数αi，故
Figure FDA0002319395390000049
对平衡方程KU＝F两边同时对设计变量求导得
Figure FDA0002319395390000051
其中，B为应变矩阵；D为弹性矩阵；Ni为NURBS基函数表示的形函数；Jξ为雅克比矩阵；Pe为单元控制点坐标矩阵； fe为载荷；K为结构对象的总纲矩阵；U为结构对象所有节点的位移向量；F为所有节点的力向量。
CN201610827180.XA 2016-09-18 2016-09-18 一种三维产品模型的形状优化方法 Active CN106384384B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610827180.XA CN106384384B (zh) 2016-09-18 2016-09-18 一种三维产品模型的形状优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610827180.XA CN106384384B (zh) 2016-09-18 2016-09-18 一种三维产品模型的形状优化方法

Publications (2)

Publication Number Publication Date
CN106384384A CN106384384A (zh) 2017-02-08
CN106384384B true CN106384384B (zh) 2020-05-05

Family

ID=57935730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610827180.XA Active CN106384384B (zh) 2016-09-18 2016-09-18 一种三维产品模型的形状优化方法

Country Status (1)

Country Link
CN (1) CN106384384B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220461B (zh) * 2017-06-26 2019-10-11 大连理工大学 一种变刚度复合材料板壳结构高效优化方法
CN108763762A (zh) * 2018-05-30 2018-11-06 荆楚理工学院 一种基于计算机三维的陶瓷产品设计系统
CN109766604B (zh) * 2018-12-27 2020-10-16 浙江大学 一种基于随机等几何分析的叶片高刚度设计方法
CN110210130B (zh) * 2019-06-03 2023-06-06 上海理工大学 针对工字梁二维模型的形状优化方法
CN110516330A (zh) * 2019-08-15 2019-11-29 上海理工大学 一种平面结构设计方法
WO2021051356A1 (zh) * 2019-09-19 2021-03-25 西门子股份公司 设计参数值生成方法、装置和计算机可读介质
CN112818470B (zh) * 2021-02-09 2023-02-03 大连理工大学 一种基结构的优化方法、装置、计算机设备和存储介质
CN113297764A (zh) * 2021-05-25 2021-08-24 湖南汽车工程职业学院 有限元参数化模型建模方法、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294861A (zh) * 2013-05-30 2013-09-11 西北工业大学 多弧段曲线形状优化设计方法
CN104769592A (zh) * 2012-11-06 2015-07-08 杰富意钢铁株式会社 形状优化解析方法及装置
CN105303614A (zh) * 2015-10-12 2016-02-03 中国人民解放军空军航空大学 改进的qem三维模型简化方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425831B (zh) * 2013-08-06 2016-06-08 西北工业大学 基于多弧段曲线的压力载荷下的结构拓扑-形状联合优化方法
EP3038060B1 (en) * 2014-12-23 2021-09-15 Dassault Systèmes 3D modeled object defined by a grid of control points
CN105224764B (zh) * 2015-10-22 2019-01-29 上海理工大学 骨骼建模与仿真方法
CN105787226B (zh) * 2016-05-11 2018-11-20 上海理工大学 四边有限元网格模型的参数化模型重建

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104769592A (zh) * 2012-11-06 2015-07-08 杰富意钢铁株式会社 形状优化解析方法及装置
CN103294861A (zh) * 2013-05-30 2013-09-11 西北工业大学 多弧段曲线形状优化设计方法
CN105303614A (zh) * 2015-10-12 2016-02-03 中国人民解放军空军航空大学 改进的qem三维模型简化方法

Also Published As

Publication number Publication date
CN106384384A (zh) 2017-02-08

Similar Documents

Publication Publication Date Title
CN106384384B (zh) 一种三维产品模型的形状优化方法
CN110210130B (zh) 针对工字梁二维模型的形状优化方法
Wang et al. “Seen Is Solution” a CAD/CAE integrated parallel reanalysis design system
CN111709097B (zh) 一种基于零亏格网格曲面连续变形的柔顺机构生成方法
JP5436416B2 (ja) 近似処理方法、および近似処理装置
CN108763658B (zh) 基于等几何方法的组合薄壁结构固有频率设计方法
CN112862972A (zh) 一种表面结构网格生成方法
CN115203865B (zh) 一种基于数字孪生的产品装配过程机械性能在线预测方法
Sieger et al. A comprehensive comparison of shape deformation methods in evolutionary design optimization
Amroune et al. Automated lofting-based reconstruction of CAD models from 3D topology optimization results
CN111523270A (zh) 一种改进的连续体结构拓扑优化后处理方法
Lin et al. Vertex-ball spring smoothing: an efficient method for unstructured dynamic hybrid meshes
Ding et al. A gradient-based shape optimization scheme via isogeometric exact reanalysis
Strofylas et al. An agglomeration strategy for accelerating RBF-based mesh deformation
Wei et al. A structured mesh boundary motion approach for simulating wind effects on bluff bodies with changing boundaries
Kapsoulis et al. Evolutionary aerodynamic shape optimization through the RBF4AERO platform
Yang et al. A systemic point-cloud de-noising and smoothing method for 3D shape reuse
CN115659480A (zh) 飞机参数化建模和自动优化集成设计系统
EP2442279A1 (en) Evolvable control point grid layouts for the design optimization of physical bodies
Wang et al. Kirchhoff–Love shell representation and analysis using triangle configuration B-splines
Wan et al. Automated Adaptive Forming Simulations.
JP2022148420A (ja) 予測モデルの学習方法、予測モデル及び学習装置
Xu et al. An improved isogeometric analysis method for trimmed geometries
CN112257132A (zh) 一种仿真文件的数据交互方法
Zhang et al. A T-splines-oriented isogeometric topology optimization for plate and shell structures with arbitrary geometries using Bézier extraction

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant