CN110321634A - 一种用于多学科协同仿真的模态自动优化方法 - Google Patents
一种用于多学科协同仿真的模态自动优化方法 Download PDFInfo
- Publication number
- CN110321634A CN110321634A CN201910595681.3A CN201910595681A CN110321634A CN 110321634 A CN110321634 A CN 110321634A CN 201910595681 A CN201910595681 A CN 201910595681A CN 110321634 A CN110321634 A CN 110321634A
- Authority
- CN
- China
- Prior art keywords
- optimization
- multidisciplinary
- file
- mac value
- autoexec
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000012913 prioritisation Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013401 experimental design Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000009191 jumping Effects 0.000 abstract description 4
- 230000008140 language development Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000013433 optimization analysis Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000013400 design of experiment Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Devices For Executing Special Programs (AREA)
Abstract
本发明提供了一种用于多学科协同仿真的模态自动优化方法,包括如下步骤:1)编制TCL/TK程序,实现调用HyperView进行MAC值计算,并编译该TCL/TK程序得到tbc文件;2)编制批处理文件,运行上述tbc文件;3)在多学科优化平台中,嵌入上述批处理文件;4)调用该批处理文件,得到原方案与优化方案的相应模态振型的MAC值;5)将上述输出的MAC值与预设的阈值进行比较,若MAC值大于阈值则保留,反之则删除;6)将保留的MAC值对应频率融入到多学科协同仿真中进行联合优化。本发明运用TCL/TK语言开发程序调用HyperView计算MAC值,完成模态振型的自动识别,及相应频率自动提取;解决了在传统模态优化时存在仅能优化计算某一阶频率而忽略振型的局限性问题,并规避了“跳阶”现象。
Description
技术领域
本发明属于模态优化分析技术领域,尤其是涉及一种用于多学科协同仿真的模态自动优化方法。
背景技术
模态优化分析,主要是针对产品部件的某一特定模态振型对应的频率进行优化计算,而传统有限元计算分析的结果文件往往是按照阶次升序进行频率的输出,无法输出相应频率下的振型信息,则在优化模态时存在仅能优化计算某一阶频率而忽略振型的局限性。若直接运用上述结果文件,在模态优化过程中定义某一阶频率作为优化目标,容易出现“跳阶”现象,从而导致错误振型优化的结果。同时,在多学科协同仿真优化时,鉴于上述错误的振型优化结果,往往对其他学科的优化导致错误信息的传递,从而降低优化效率,乃至多学科协同仿真优化的失效。
发明内容
有鉴于此,本发明旨在提出一种用于多学科协同仿真的模态自动优化方法,解决了在传统模态优化时存在仅能优化计算某一阶频率而忽略振型的局限性问题,并规避了“跳阶”现象,同时能够无缝对接多学科优化平台。
为达到上述目的,本发明的技术方案是这样实现的:
一种用于多学科协同仿真的模态自动优化方法,其特征在于包括如下步骤:
1)编制TCL/TK程序,实现调用HyperView进行MAC值计算,并编译该TCL/TK程序得到tbc文件;
2)编制批处理文件,实现调用HyperView自动运行上述tbc文件;
3)在多学科优化平台中,嵌入上述批处理文件,定义其输出包括变量MAC值及相应频率;
4)调用该批处理文件,得到原方案与优化方案的相应模态振型的MAC值;
5)将上述输出的MAC值与预设的阈值进行比较,若MAC值大于阈值则保留,反之则删除;
6)将保留的MAC值对应频率融入到多学科协同仿真中进行联合优化。
进一步的,在上述步骤3中,多学科优化平台中嵌入Nastran或OptiStruct求解器,并包括如下处理步骤:
31)调用Nastran或OptiStruct求解器计算原方案的有限元模态模型得到参考模型振型文件,定义为Base.op2;
32)调用Nastran或OptiStruct求解器对优化方案的有限元模型进行循环迭代计算得到优化模型振型文件,定义为Opti.op2;
33)在所述tbc文件中,设置如下参数信息:参考模型振型文件名、优化模型振型文件名、模态模型文件中的节点编号、原方案中的模态振型、原方案与优化方案模态位移搜索容差和输出文件名。
进一步的,在上述步骤6中,具体包括如下内容:
61)运用多学科优化平台,将多个学科的优化变量进行一致性定义,并设定变量浮动区间;
62)通过试验设计后进行贡献度分析,生成多学科各自的近似模型;
63)设定协同优化的约束条件、优化目标,调用近似模型,选择优化算法进行多学科协同优化。
相对于现有技术,本发明所述方法具有以下优势:
(1)本发明运用TCL/TK语言开发程序调用HyperView计算MAC(Modal AssuranceCriteria,模态置信准则)值,完成模态振型的自动识别,及相应频率自动提取;解决了在传统模态优化时存在仅能优化计算某一阶频率而忽略振型的局限性问题,并规避了“跳阶”现象。
(2)本发明融入到多学科协同仿真中,进行模态自动优化,能无缝对接多学科优化平台,为协同仿真优化提供正确的模态振型与频率,高效完成多学科协同仿真中的模态自动优化任务,顺利实现与其他学科的优化信息的精确传递,进而提升多学科协同优化的精度及效率,快速验证与优化产品的综合性能。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述方法的实施流程图;
图2为本发明实施例的模态优化MAC计算值;
图3为本发明实施例所述的模态计算结果;
图4为本发明实施例所述的多学科协同仿真流程。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示的实施例是一种用于多学科协同仿真的模态自动优化方法,包括以下步骤:
1)运用TCL/TK程序语言编制TCL/TK程序,实现调用HyperView进行MAC值计算,并编译该TCL/TK程序为GetMAC.tbc文件;调用该GetMAC.tbc文件时输出MAC值如图2所示,自动保存后缀为csv格式的数据文件;
2)编制后缀为bat的批处理文件,实现调用HyperView自动运行上述GetMAC.tbc文件;所述批处理文件的内容为:
①@echo of
②"D:\Program Files\Altair\2018\hw\bin\win64\hw.exe"/clientconfighwpost.dat-tcl GetMAC.tbc
③Exit
3)在多学科优化平台中,嵌入上述批处理文件,定义其输出包括变量MAC值及相应频率;本实施例的所述多学科优化平台为HyperStudy或Isight等;
4)调用该批处理文件,得到原方案与优化方案的相应模态振型的MAC值,并进行降序排列,将优化方案中对应振型的MAC值最大值及相应频率进行输出;
5)对上述输出的MAC值进行保留或删除两种选择,若MAC值大于预设的阈值0.85则保留,模型计算结果文件如图3所示。反之,则删除,将保留后的MAC值及相应的频率与其他学科进行协同优化;
6)将保留的MAC值对应频率融入到多学科协同仿真中进行联合优化。
其中,在上述步骤3中,多学科优化平台中嵌入Nastran或OptiStruct求解器,并包括如下处理步骤:
31)调用Nastran或OptiStruct求解器计算原方案的有限元模态模型得到参考模型振型文件,定义为Base.op2;
32)调用Nastran或OptiStruct求解器对优化方案的有限元模型进行循环迭代计算得到优化模型振型文件,定义为Opti.op2;
33)在所述GetMAC.tbc文件中,设置如下信息:
①set REFFileName{Base.op2};该处表示参考模型振型文件为Base.op2;
②set CORFileName{Opti.op2};该处表示优化模型振型文件为Opti.op2;
③set TransformNodes{2010 2020 4010 2010 2020 4010};该处数字表示模态模型文件中的节点编号,前3个数字表示原方案模型中的某一位置的3个节点编号,后3个数字表示优化方案模型中的相应位置的3个节点编号,推荐优化方案与原方案模型文件中的所有节点编号保持一致;
④set REFModes{9 13};该处数字表示参考原方案中第9阶、第13阶模态振型;
⑤set ScanTolerance 15.0;该处表示为15mm;
⑥set MACFileName{GetMACValue.csv};该处表示输出的MAC值及相应频率csv文件,该文件自动存储在多学科优化平台的工作目录中。
在上述步骤6中,具体包括如下内容:
61)运用多学科优化平台,将多个学科的优化变量进行一致性定义,并设定变量浮动区间;
62)通过试验设计(DOE,Design of Experiment)后进行贡献度分析,生成多学科各自的近似模型;
63)设定协同优化的约束条件、优化目标,调用近似模型,选择优化算法进行多学科协同优化,如图4所示。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种用于多学科协同仿真的模态自动优化方法,其特征在于包括如下步骤:
1)编制TCL/TK程序,实现调用HyperView进行MAC值计算,并编译该TCL/TK程序得到tbc文件;
2)编制批处理文件,实现调用HyperView自动运行上述tbc文件;
3)在多学科优化平台中,嵌入上述批处理文件,定义其输出包括变量MAC值及相应频率;
4)调用该批处理文件,得到原方案与优化方案的相应模态振型的MAC值;
5)将上述输出的MAC值与预设的阈值进行比较,若MAC值大于阈值则保留,反之则删除;
6)将保留的MAC值对应频率融入到多学科协同仿真中进行联合优化。
2.根据权利要求1所述的方法,其特征在于:在上述步骤3中,多学科优化平台中嵌入Nastran或OptiStruct求解器,并包括如下处理步骤:
31)调用Nastran或OptiStruct求解器计算原方案的有限元模态模型得到参考模型振型文件,定义为Base.op2;
32)调用Nastran或OptiStruct求解器对优化方案的有限元模型进行循环迭代计算得到优化模型振型文件,定义为Opti.op2;
33)在所述tbc文件中,设置如下参数信息:参考模型振型文件名、优化模型振型文件名、模态模型文件中的节点编号、原方案中的模态振型、原方案与优化方案模态位移搜索容差和输出文件名。
3.根据权利要求1所述的方法,其特征在于:在上述步骤6中,具体包括如下内容:
61)运用多学科优化平台,将多个学科的优化变量进行一致性定义,并设定变量浮动区间;
62)通过试验设计后进行贡献度分析,生成多学科各自的近似模型;
63)设定协同优化的约束条件、优化目标,调用近似模型,选择优化算法进行多学科协同优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595681.3A CN110321634A (zh) | 2019-07-03 | 2019-07-03 | 一种用于多学科协同仿真的模态自动优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595681.3A CN110321634A (zh) | 2019-07-03 | 2019-07-03 | 一种用于多学科协同仿真的模态自动优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110321634A true CN110321634A (zh) | 2019-10-11 |
Family
ID=68122422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910595681.3A Pending CN110321634A (zh) | 2019-07-03 | 2019-07-03 | 一种用于多学科协同仿真的模态自动优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110321634A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529055A (zh) * | 2016-11-18 | 2017-03-22 | 南京航空航天大学 | 一种基于应变模态振型相关性的模型修正方法 |
CN106529049A (zh) * | 2016-11-18 | 2017-03-22 | 南京航空航天大学 | 一种用于模型修正的应变模态相关性评价方法 |
CN108959686A (zh) * | 2018-04-17 | 2018-12-07 | 中国科学院沈阳自动化研究所 | 一种基于灵敏度分析的有限元模型修正方法 |
CN109918796A (zh) * | 2019-03-11 | 2019-06-21 | 上海索辰信息科技有限公司 | 一种多学科协同仿真系统及方法 |
-
2019
- 2019-07-03 CN CN201910595681.3A patent/CN110321634A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529055A (zh) * | 2016-11-18 | 2017-03-22 | 南京航空航天大学 | 一种基于应变模态振型相关性的模型修正方法 |
CN106529049A (zh) * | 2016-11-18 | 2017-03-22 | 南京航空航天大学 | 一种用于模型修正的应变模态相关性评价方法 |
CN108959686A (zh) * | 2018-04-17 | 2018-12-07 | 中国科学院沈阳自动化研究所 | 一种基于灵敏度分析的有限元模型修正方法 |
CN109918796A (zh) * | 2019-03-11 | 2019-06-21 | 上海索辰信息科技有限公司 | 一种多学科协同仿真系统及方法 |
Non-Patent Citations (3)
Title |
---|
MARYAM MAFI GOLCHIN等: "Osteoporosis: A Silent Disease with Complex Genetic Contribution", 《JOURNAL OF GENETICS AND GENOMICS》 * |
吴星晨等: "基于OptiStruct的白车身自由模态分析及优化", 《2018 ALTAIR 结构仿真与优化技术暨OPTISTRUCT用户大会论文集》 * |
邢宏健等: "基于模态试验的特种车驾驶室有限元模型修正", 《导弹与航天运载技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108959433B (zh) | 一种从软件项目数据中提取知识图谱并问答的方法与系统 | |
Kehrer et al. | Adaptability of model comparison tools | |
CA2530395C (en) | Method and system for updating versions of content stored in a storage device | |
CN103092890A (zh) | 报表自动生成及发送的系统及方法 | |
CN100493221C (zh) | 数据配置文件在不同软件版本间进行转换的方法及装置 | |
CN114611006A (zh) | 基于用户兴趣挖掘的大数据分析方法及系统 | |
CN111309751A (zh) | 大数据处理方法及装置 | |
Afshari et al. | Cyclic proofs for the first-order µ-calculus | |
JPWO2014020834A1 (ja) | 単語潜在トピック推定装置および単語潜在トピック推定方法 | |
CN110321634A (zh) | 一种用于多学科协同仿真的模态自动优化方法 | |
CN103020075B (zh) | 分析目标对象的依赖关系的方法 | |
CN105373636A (zh) | 一种基于企业Windchill系统的ProE标准件库的建库方法 | |
CN112181951B (zh) | 一种异构数据库数据迁移方法、装置及设备 | |
CN106708475A (zh) | 一种北向数据转换方法和装置 | |
CN111382066B (zh) | 一种开发中软件定义网络应用安全属性测试方法 | |
CN111949268B (zh) | 项目编译方法、装置、电子设备及存储介质 | |
CN111142852B (zh) | 接口转换函数生成方法和装置 | |
CN103412743B (zh) | 一种基于xml的自动调用业务规则的方法 | |
CN110895567A (zh) | 一种实体嵌入方法及装置 | |
CN105354144A (zh) | 业务支撑系统信息模型一致性自动化测试方法与系统 | |
CN109426720B (zh) | 接口参数的验证方法及相关装置 | |
Cortes-Cornax et al. | Automated analysis of industrial workflow-based models | |
CN116383088B (zh) | 一种源代码形式化验证方法、装置、设备及存储介质 | |
Zhang et al. | CTL-RP: A computation tree logic resolution prover | |
CN109656619A (zh) | 低代码平台数据漫游配置系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |
|
RJ01 | Rejection of invention patent application after publication |