CN117421963A - 旋转机械的联合优化方法及装置 - Google Patents
旋转机械的联合优化方法及装置 Download PDFInfo
- Publication number
- CN117421963A CN117421963A CN202311603285.3A CN202311603285A CN117421963A CN 117421963 A CN117421963 A CN 117421963A CN 202311603285 A CN202311603285 A CN 202311603285A CN 117421963 A CN117421963 A CN 117421963A
- Authority
- CN
- China
- Prior art keywords
- cad model
- simulation
- section
- cad
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000005457 optimization Methods 0.000 title claims abstract description 54
- 238000004088 simulation Methods 0.000 claims abstract description 114
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000003860 storage Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 7
- 238000011960 computer-aided design Methods 0.000 description 97
- 238000013461 design Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000002085 persistent effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011088 calibration curve Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000011295 pitch Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009966 trimming 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种旋转机械的联合优化方法及装置。该方法包括:读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型;对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果;基于预设仿真优化算法对仿真结果进行优化,基于优化后的仿真结果对CAD模型的参数进行优化。本申请提供的方案,提高了旋转机械的CAD模型生成效率,同时通过联合仿真提高了旋转机械的CAD模型和仿真模型的准确性。
Description
技术领域
本申请涉及仿真技术领域,具体涉及一种旋转机械的联合优化方法及装置。
背景技术
旋转机械结构类产品的设计涉及到静力学、动力学、流体力学、空气动力学、计算机辅助几何造型技术等多学科,需要满足多截面的几何造型要求、结构力学分析要求、流体仿真计算要求等,具有专业性强、造型复杂等特点。
相关技术中,CAD(Computer Aided Design)软件不能完全满足旋转机械结构产品的设计需求,同时对于复杂三维模型的仿真试验,需要对CAD数据进行繁复的验证工作,同时,若CAD数据异常会造成仿真结果出现较大偏差。
因此,现有的CAD联合仿真技术存在精度不高,计算量较大的问题。
发明内容
为解决或部分解决相关技术中存在的问题,本申请提供一种旋转机械的联合优化方法及装置,能够提高CAD联合仿真的精确度。
本申请第一方面提供一种旋转机械的联合优化方法,包括:
读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型;
对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果;
基于预设仿真优化算法对仿真结果进行优化,基于优化后的仿真结果对CAD模型的参数进行优化。
本申请第二方面提供一种云仿真计算耗时的评估装置,可选地,包括:
CAD模块,用于读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型;
仿真模块,用于对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果;
联合优化模块,用于基于预设仿真优化算法对仿真结果进行优化,基于优化后的仿真结果对CAD模型的参数进行优化。
本申请第三方面提供一种电子设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当可执行代码被处理器执行时,使处理器执行如上的方法。
本申请第四方面提供一种计算机可读存储介质,其上存储有可执行代码,当可执行代码被电子设备的处理器执行时,使处理器执行如上的方法。
本申请提供的技术方案可以包括以下有益效果:
第一方面,本申请通过基于预设CAD优化算法快速待生成文件的CAD模型。本申请基于孔斯参数化建模方法的多截面点云曲面重构算法和基于能量法的模型光顺技术,自动基于旋转机械截面的剖面型值点在旋转机械表面的重要性自动计算权重,通过拉伸形成三维叶片模型并自动基于能量法光顺三维叶片曲面,使其表面实现二阶连续,大幅降低建模的工作量,并提供了模型的精准度。
第二方面,本申请对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果。基于预设仿真优化算法对仿真结果进行优化,基于优化后的仿真结果对CAD模型的参数进行优化。通过对CAD模型和联合验证,提高了仿真结果和CAD模型结果的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细地描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的旋转机械的联合优化方法的应用环境示意图;
图2是本申请实施例示出的旋转机械的联合优化方法的流程示意图;
图3是本申请实施例示出的云仿真计算耗时的评估装置的结构示意图;
图4是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在云仿真领域,一种趋势是用户通过浏览器获取云端的计算资源,获取仿真结果更倾向于设计流程化、自动化和智能化,倾向于不再受累于繁杂的人工网格剖分过程,追求这一过程的人工无感知、自动化和智能化,更追求对直接设计对象,即设计的CAD几何模型,的仿真分析及反馈。然而通常的仿真分析具有两个不足:一是通常基于剖分后的网格对象进行仿真模型建模,缺乏基于直接CAD设计的仿真分析直通性;二是网格剖分均是根据人工经验,根据欲创建的模型特性,对网格进行剖分,即网格剖分严重依赖于人工经验和操作,无法基于分析模型类型及设置参数自动化和智能化地完成网格剖分和优化。尤其在云仿真,用户通过浏览器进行仿真分析时这些缺点更为突出,与实际的智能化和自动化需求有不小差距。
本申请提供一种方法,尤其在用户通过浏览器进行仿真分析时,无法直接基于几何设计和仿真模型特性进行用户无感知的自动化和智能化网格剖分的这一问题。针对上述的问题,目前尚未提出有效的解决方案。
可选地,在本实施例中,上述一种旋转机械的联合优化方法可以应用于如图1所示的由服务器102和终端104所构成的硬件环境中。如图1所示,服务器102通过网络与终端104进行连接,上述网络包括但不限于:广域网、城域网或局域网,终端104并不限定于PC、手机、平板电脑等。本发明实施例的旋转机械的联合优化方法可以由服务器102来执行,也可以由终端104来执行,还可以是由服务器102和终端104共同执行。其中,终端104执行本发明实施例的旋转机械的联合优化方法也可以是由安装在其上的客户端来执行。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2是本申请实施例示出的一种旋转机械的联合优化方法的流程示意图,具体包括:
步骤S201,读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型。
通常旋转机械的曲面设计过程是先设计出型面的截平面曲线外形,再截面线拟合生成截面。曲线通常是规则标定曲线,例如三角曲线、椭圆曲线等。然后将各截平面在径向进行叠加(曲面放样)。拟合生成截面的方法通常分为插值和逼近两种方法,构造旋转机械的曲面截面线一般采用插值算法。这样将一系列特定的叶片截面曲线光顺拟合成旋转机械的曲面,但是在旋转机械模型中,例如叶片。在航空发动机领域,叶片是透平机械的最核心部件,叶片型面的气动外形将直接影响航空发动机的性能。为了提高发动机推重比,叶片的型面通常设计成扭曲的变截面曲线,而精确的叶片型面数据,是叶片实现CAD、逆向制造数字化、产品检测及质量控制等的关键和前提。在流体环境中,复杂旋转机械的性能从来就不能直观地通过规则标定曲线来表示,所以在设计叶片曲面时需要引入参数来控制修整,以适应旋转机械在复杂工况下的拟合。
在一种实施例中,读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型,包括:获取待生成文件的点云数据,识别旋转机械的关键点;基于预设曲线生成方法,根据关键点快速生成截面曲线,并获取截面曲线对应的截面及截面对应的轮廓点;获取拉伸旋转参数,根据拉伸旋转参数和轮廓点对截面拉伸,对拉伸后的截面光顺处理,得到CAD模型。
在本实施例中,点云数据从待生成文件中读取的。可选地,识别旋转机械的关键点后,基于预设曲线生成方法快速生成有理B样条曲线(Non-Uniform Rational B-Splines),有理B样条能够通过多个控制点,尽可能拟合叶片这种复杂曲面。然后在对截面曲线的控制点,生成用户端可调节拉伸的轮廓线,可以更准确地对复杂旋转机械建立CAD模型。但对于复杂的曲面规则插值点不能满足曲面的形成,因此可以改进有理B样条曲线,引用非均匀有理B样条曲线(Non-UniformRationalB-Spline),对本申请的截面进行拟合。其中,非均匀有理B样条曲线的基函数与有理B样条的奇函数不同,但两者的结点向量、张量积的性质和细分规则是不变的;非均匀有理B样条曲线的非均匀性是指一个控制顶点的影响力的范围能够改变;有理是指每个NURBS物体都可以用有理多项式形式表达式来定义;B样条是指用路线来构建一条曲线,在一个或更多的点之间以内插值替换的。
在一种实施例中,基于预设曲线生成方法,根据关键点快速生成截面曲线,包括:获取关键点,根据预设曲线生成方法,对关键点进行插值生成截面点,并获取截面点的权重;根据截面点和截面点的权重,生成截面曲线。
例如航空发动机叶片或发电机叶片的三维模型构造,通常利用来自气动(或其他计算得到)数据得到的型值点来构造叶身型面,即通过“截面曲线插值型值点—曲面过截面曲线”构造叶身型面。目前的叶片前/后缘多是给出前/后缘圆心的和半径位置作为已知条件,通过前/后缘与叶背和叶盆的一阶几何连续连接创建截面线,从而完成曲面造型。而截面线造型方法的发展趋势越来越多地使用型值点直接表示形状,通过型值点直接插值创建一条二阶几何连续的截面线。但是由于叶身后缘的曲率变化比较大,形状对气动性能非常敏感,因此在后缘附近处型值点非常密,而在叶背和叶盆上的型值点则相对稀疏,由此会造成后缘与叶背和叶盆的拼接处的封闭截面线出现凹坑,从而影响叶身型面。
非均匀有理B样条方法表示曲线曲面早已成为CAD系统的标准表达形式,它不但解决了自由曲线曲面与初等解析曲线曲面描述的不相容问题,并克服了有理B样条曲线方法的不足,同时权因子和非均匀节点矢量使得能够对曲线曲面的形状进行更加有效地控制,而且能够使得在一个CAD系统中严格地以一种统一的数学模型定义产品几何形状,使系统得以精简,易于数据管理,便于工程人员使用,同时提高了曲面造型能力。
对于通过插值生成的非均匀有理B样条,往往会在型值点较密处向型值点较疏处过渡的地方出现曲率反向,导致曲线出现不光顺的现象。目前,针对非均匀有理B样条插值曲线的不光顺的情况,主要有修改坏点、调整权因子和调整节点向量等光顺方法,但是这些方法都存在着不足。如果型值点是准确的,那么采用修改坏点的方法会人为破坏原本正确的型值点;在工程应用当中,非均匀有理B样条插值的型值点往往都没有权因子,因此,通过修改权因子来调整非均匀有理B样条的形状并不能得到广泛的应用;通过实验证明,调整节点向量并不是解决曲线反曲率问题最有效的方法。
在本实施例中,非有理B样条曲线,其数学定义为公式(1):
其中,P(K)为曲线上的位置向量,Ni,m(K)为m次样条基函数,基函数由递推公式定义。如公式(2)和公式(3),所示。
在公式(1)至(3)中,Pi为控制点;Ri为权因子;K为节点矢量。
在公式(1)到公式(3)中可知,非均匀指节点向量的值与间距可以为任意值。通过这种构造方式,可以在不同区间上得到不同的混合函数形状,为自由控制曲线形状提供了更大自由。构建非均匀有理B样条需要定义四个量,即控制点:P0,P1,P2,L,Pn共有n+1个;权重值(权因子):R0,R1,R2,L,Rn,共有n+1个;m阶;节点矢量。非均匀有理B样条曲线通过选取控制点也就是本实施例中的关键点,插值后生成截面点生成截面曲线。
在本实施例中,通过截面曲线和拉伸轮廓线构造叶型曲面,形成初始的叶片曲面,由于截面曲线采用二阶非均匀有理B样条构成,其形成的曲面也是二阶连续曲面,这样构造出的曲面,其光顺性有时不够好,造成叶片造型的失真或者不光滑,因此,在本技术中采用能量法对初始的叶片曲面进行光顺处理。
在一种实施例中,对拉伸后的截面光顺处理,得到CAD模型,包括:对拉伸后的截面进行误差判断,选取超过误差范围的判断点;对于超过误差范围的判断点的权重进行判断,按照判断点权重大小,从大到小,对拉伸后的截面进行修改。
在本实施例中,对拉伸后的截面进行误差判断,既可以对拉升后的截面进行降噪处理,查找超过噪音范围的判断点,已经判断点对应的最近的有理B样条的关键点的权重,根据权值,判断该判断点是否大小合规。
在本实施例中,选取超过误差范围的判断点,可以理解为在拉伸后的截面进行误差判断,寻找坏点。根据给定的误差约束,修改曲线的型值点(或控制顶点),使得坏点变少,在给定的约束下应变能最小,使得曲线达到光顺。传统的能量法将所有的控制顶点作为位置量,通过求解优化问题来进行确认,采用整体优化法。具体参考步骤S301到步骤S303。
步骤S301,局部排除拉伸后的截面的坏点比例,在坏点比例超过一定个数的情况下,执行S302。
步骤S302,查找截面曲线对应的关键点,根据关键点的权重大小,依次调整截面曲线,重新计算坏点比例。
重复执行步骤S301到步骤S302,直到坏点比例在预设范围内。
步骤S202,对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果。
在集中载荷的作用下,自动网格划分产生的不同的单元延伸率都会影响单元的计算精度,而不只是单元类型会对其有影响,复杂的设计往往会带来大规模的自由度问题,这个问题的症结在于如何获得复杂区域的精确计算结果;对于简单几何,或者说可以方便的手动划分网格的模型,更多的依赖于8节点的六面体网格,通常称为“砌砖单元”;而对于复杂几何模型通常采用自动或半自动的方式划分网格。
在步骤S202中首先基于精确误差分析的自适应网格划分技术对CAD进行网格划分。有限元计算中,不同的网格划分会具有不同的误差,尤其是对应力结果。本申请还可以通过步骤S301到步骤S302的能量误差估计来评估网格密度是否充足,如网格不够细,程序可以自动细化网格以减少误差。这一自动估计网格划分误差并细化网格的过程称为“自适应网格划分”。通过自适应网格划分技术可以获得较好的应力分布。本申请中仿真软件可以但不限于CAE(Computer Aided Engineering)软件。
在一种实施例中,对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果,包括:将CAD模型的几何数据,基于预设网格算法将几何数据进行优化,得到网格数据;基于网格数据对CAD模型进行仿真,得到仿真结果。
例如,步骤S202,先获取CAD模型的几何特征(对于简单元件,CAD模型可以直接输出几何特征),将几何特征输入至仿真软件中,基于自适应网格划分技术对几何特征进行划分,生成网格数据。
例如,可以通过几何编码拓扑方法划分网格,得到初始有限元网格数据。基于几何编码拓扑的方式生成初始有限元网格,没有考虑到几何模型的局部特征,网格精度有限,基于自动优化算法对初始有限元网格进行优化。
在本实施例中,网格数据包括网格单元数和网格节点数。根据CAD模型的几何数据,自动识别CAD模型对应的网格数据,具体包括:对几何数据的网格数据特征参数提取以及预处理,比如识别仿真模型类型,求解器类型、时间/过程步数、本构模型类别、接触类别、多物理场类别,等等。这个过程也可以采用用户手动剖分网格的指令。然后基于网格数据对CAD模型生成仿真结果。
在本实施例中,也可以采用预设网格算法直接进行优化,预设网格算法可以是训练好的神经网络,该神经网络可以根据几何数据输出CAD模型的网格数据。
步骤S203,基于预设仿真优化算法对仿真结果进行优化,基于优化后的仿真结果对CAD模型的参数进行优化。
在一种实施例中,基于预设仿真优化算法对仿真结果进行优化,包括:在仿真结果不符合预设结果的情况下,对CAD模型的网格数据进行优化;根据优化后的网格数据,计算优化后的仿真结果。
在本实施例中,预设仿真优化算法是在步骤S202生成的仿真结果不符合预设条件下开启。预设仿真优化算法可以是多种动态优化器,对于不同领域的仿真模型都有对应的优化器。优化器可以是预先设置好的,根据训练好的样本集和样本集对应的优化结果,对仿真模型进行优化。
在本实施例中,通过判断仿真结果的误差程度,在仿真结果存在误差的情况下,进一步优化网格参数。
在一种实施例中,基于优化后的仿真结果对CAD模型参数进行优化,包括:根据优化后的仿真结果,读取CAD模型的优化网格数据;根据CAD模型的优化网格数据对CAD数据的几何特征进行优化。
在本实施例中,CAD几何特征和优化网格数据存在映射关系,获取优化后的仿真结果对应的几何特征,根据优化后的仿真结果还原至几何模型,从而完成对几何特征进行进一步优化。
具体地,CAD几何特征和优化网格数据的映射关系,可以是标记CAD几何特征和网格数据的特征元素,特征元素包括特征点、特征线和特征面中的一种或几种。CAD几何特征和网格数据中的特征元素有一一对应的关系,网格数据被优化后,根据优化后的特征元素在网格数据的位置和映射关系,将优化后的特征元素还原至CAD模型中的位置。
具体包括:识别CAD的特征元素,对CAD几何数据的特征元素打上特征元素标识,并记录特征元素之间的连接关系;根据CAD模型生成网格数据并获取优化后的网格数据;对优化后的网格数据中的网格单元和网格单元点,查找携带特征元素标识的网格数据;根据特征元素之间的连接关系,还原CAD模型。
需要说明的是特征元素至少包括:边、点、面中的一种或几种。特征元素之间的连接关系包括:对于特征元素中的边,需要查询的连接关系应该包含:该边用到的点信息和分享该边的面片信息。其中如果一条边关联的顶点数量大于2,需要记录并做进一步的处理。对于特征元素中的点,需要查询的连接关系应该包含:该点关联的所有边,并且这些边应该以预设方向顺序给出;该点关联的所有面片,并且这些面片应该以预设方向顺序给出。对于特征元素中的面片,需要查询的连接关系应该包含:该面片关联的所有面片,并且这些面片应该以预设方向顺序给出。
将网格数据对应的特征元素,还原成CAD模型包括:根据有限元网格数据,查找特征元素和特征元素对应坐标,根据特征元素之间的连接关系依次构建几何模型的边、顶点和面片;其中,边包括各半边关联的顶点和分享各半边的面片;顶点包括顶点的标识、三维坐标、从顶点出发的边的集合以及包括所述顶点的面片集合;面片包括面片的标识、组成所述面片的顶点集合,以及组成所述面片的边集合。
具体方法如下:
边的构建:根据边的种类对边进行标记,不同种类边(包括边界边,一般边和需进一步处理的边)的查询和处理使用不同方法。其中,边界边指的是该边只属于一个面片。对于边界边,只有一个方向的边有关联的面片,但两个方向的边有关联的顶点。对于一般边,将该边分为两边,这两个边设为相反的方向,建立每条半边与对应面片的连接关系,建立每条半边与对应顶点的连接关系。对于需进一步处理的边,处理方法依据边的拓扑特征来处理。
顶点的构建:特征元素存储的每个顶点包含标识ID信息,三维坐标,从该顶点出发的边的集合,包含该顶点的面片集合。每个结点可通过循环器得到某一个结点的环邻域,不再需要类似于基于面片结构中的分支判断语句得到邻域。
面片的构建:存储每个面片包含其ID信息,组成面片的顶点集合,通过顶点集合可以得到组成该面片的边集合。
步骤S203通过CAD和仿真结果的相互印证,可以将CAD模型和仿真结果同步输出,并实现对CAD模型和仿真结果的相互优化。
本申请提供的技术方案可以包括以下有益效果:
第一方面,本申请通过基于预设CAD优化算法快速待生成文件的CAD模型。本申请基于孔斯参数化建模方法的多截面点云曲面重构算法和基于能量法的模型光顺技术,自动基于旋转机械截面的剖面型值点在旋转机械表面的重要性自动计算权重,通过拉伸形成三维叶片模型并自动基于能量法光顺三维叶片曲面,使其表面实现二阶连续,大幅降低建模的工作量,并提供了模型的精准度。
第二方面,本申请对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果。基于预设仿真优化算法对仿真结果进行优化,基于优化后的仿真结果对CAD模型的参数进行优化。通过对CAD模型和联合验证,提高了仿真结果和CAD模型结果的准确性。
如图3所示,本申请提供一种旋转机械的联合优化装置,其特征在于,包括:
CAD模块301,用于读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型;仿真模块302,用于对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果;联合优化模块303,用于基于预设仿真优化算法对仿真结果进行优化,基于优化后的仿真结果对CAD模型的参数进行优化。
在本申请中,CAD模块301:是旋转机械三维CAD模型的设计,其构成了旋转机械快速设计与仿真技术的模型基础;仿真模块302:是在旋转机械三维CAD模型的基础上,采用网格划分进行推力、推进效率的仿真模拟计算,其仿真结果用于反馈CAD建模的参数设置和优化设计;联合优化模块303,用于分析仿真的数据。
在一种实施例中,读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型,包括:获取点云数据,识别旋转机械的关键点;基于预设曲线生成方法,根据关键点快速生成截面曲线,并获取截面曲线对应的截面及截面对应的轮廓点;获取拉伸旋转参数,根据拉伸旋转参数和轮廓点对截面拉伸,对拉伸后的截面光顺处理,得到CAD模型。
在一种实施例中,基于预设曲线生成方法,根据关键点快速生成截面曲线,包括:获取关键点,根据预设曲线生成方法,对关键点进行插值生成截面点,并获取截面点的权重;根据截面点和截面点的权重,生成截面曲线。
在一种实施例中,对拉伸后的截面光顺处理,得到CAD模型,包括:对拉伸后的截面进行误差判断,选取超过误差范围的判断点;对于超过误差范围的判断点的权重进行判断,按照判断点权重大小,从大到小,对拉伸后的截面进行修改。
在一种实施例中,对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果,包括:将CAD模型的几何数据,基于预设网格算法将几何数据进行优化,得到网格数据;基于网格数据对CAD模型进行仿真,得到仿真结果。
在一种实施例中,基于预设仿真优化算法对仿真结果进行优化,包括:在仿真结果不符合预设结果的情况下,对CAD模型的网格数据进行优化;根据优化后的网格数据,计算优化后的仿真结果。
在一种实施例中,基于优化后的仿真结果对CAD模型参数进行优化,包括:根据优化后的仿真结果,读取CAD模型的优化网格数据;根据CAD模型的优化网格数据对CAD数据的几何特征进行优化。图4是本申请实施例示出的电子设备的结构示意图。
参见图4,电子设备400包括存储器402和处理器404。
处理器404可以是中央处理单元(Central ProceSing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal ProceSor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM)和永久存储装置。其中,ROM可以存储处理器404或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器402可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(例如DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器402可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器402上存储有可执行代码,当可执行代码被处理器404处理时,可以使处理器404执行上文述及的方法中的部分或全部。
此外,根据本申请的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质),其上存储有可执行代码(或计算机程序或计算机指令代码),当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时,使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种旋转机械的联合优化方法,其特征在于,包括:
读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型;
对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果;
基于预设仿真优化算法对仿真结果进行优化,基于优化后的仿真结果对CAD模型的参数进行优化。
2.根据权利要求1所述的方法,其特征在于,所述读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型,包括:
获取待生成文件的点云数据,识别旋转机械的关键点;
基于预设曲线生成方法,根据关键点快速生成截面曲线,并获取截面曲线对应的截面及截面对应的轮廓点;
获取拉伸旋转参数,根据拉伸旋转参数和所述轮廓点对截面拉伸,对拉伸后的截面光顺处理,得到所述CAD模型。
3.根据权利要求2所述的方法,其特征在于,所述基于预设曲线生成方法,根据关键点快速生成截面曲线,包括:
获取关键点,根据所述预设曲线生成方法,对所述关键点进行插值生成截面点,并获取截面点的权重;
根据所述截面点和所述截面点的权重,生成所述截面曲线。
4.根据权利要求2所述的方法,其特征在于,所述对拉伸后的截面光顺处理,得到所述CAD模型,包括:
对拉伸后的截面进行误差判断,选取超过误差范围的判断点;
对于超过误差范围的判断点的权重进行判断,按照判断点的权重大小,从大到小对所述拉伸后的截面进行修改。
5.根据权利要求1所述的方法,其特征在于,所述对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果,包括:
将CAD模型的几何数据,基于预设网格算法将所述几何数据进行优化,得到网格数据;
基于所述网格数据对所述CAD模型进行仿真,得到仿真结果。
6.根据权利要求1所述的方法,其特征在于,所述基于预设仿真优化算法对仿真结果进行优化,包括:
在所述仿真结果不符合预设结果的情况下,对CAD模型的网格数据进行优化;
根据优化后的网格数据,计算优化后的仿真结果。
7.根据权利要求1所述的方法,其特征在于,所述基于优化后的仿真结果对所述CAD模型参数进行优化,包括:
根据优化后的仿真结果,读取CAD模型的优化网格数据;
根据所述CAD模型的优化网格数据对所述CAD数据的几何特征进行优化。
8.一种旋转机械的联合优化装置,其特征在于,包括:
CAD模块,用于读取旋转机械的待生成文件,基于预设CAD优化算法建立待生成文件的CAD模型;
仿真模块,用于对CAD模型进行网格划分,并对划分后的CAD模型进行仿真计算,得到仿真结果;
联合优化模块,用于基于预设仿真优化算法对仿真结果进行优化,基于优化后的仿真结果对CAD模型的参数进行优化。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311603285.3A CN117421963A (zh) | 2023-11-28 | 2023-11-28 | 旋转机械的联合优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311603285.3A CN117421963A (zh) | 2023-11-28 | 2023-11-28 | 旋转机械的联合优化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117421963A true CN117421963A (zh) | 2024-01-19 |
Family
ID=89530302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311603285.3A Pending CN117421963A (zh) | 2023-11-28 | 2023-11-28 | 旋转机械的联合优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117421963A (zh) |
-
2023
- 2023-11-28 CN CN202311603285.3A patent/CN117421963A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113348459B (zh) | 将网格几何结构转换为水密边界表示的方法、系统及介质 | |
CN102306396A (zh) | 一种三维实体模型表面有限元网格自动生成方法 | |
Wang et al. | Surface reconstruction from unoriented point clouds by a new triangle selection strategy | |
CN116245049B (zh) | 节点式非结构网格的边界修正方法、装置、设备及介质 | |
CN111079326B (zh) | 二维各向异性网格单元度量张量场光滑化方法 | |
CN116150888A (zh) | 一种基于数字孪生的航空发动机多场耦合仿真方法及系统 | |
CN115688276A (zh) | 一种基于离散伴随方法的飞行器外形自动化优化方法、系统、设备、介质 | |
CN110334450B (zh) | 一种多块结构网格生成中物面投影错误的修复方法 | |
Krishnamurthy et al. | Accurate GPU-accelerated surface integrals for moment computation | |
CN117473655A (zh) | 基于边坍缩网格优化的飞行器仿真驱动设计方法和装置 | |
US9087165B2 (en) | Automatic extremum detection on a surface mesh of a component | |
CN117421963A (zh) | 旋转机械的联合优化方法及装置 | |
JP4981313B2 (ja) | 3次元形状処理装置及び曲面作成プログラム並びに曲面作成方法 | |
CN113379103B (zh) | 基于降阶模型的泵类设备内部流场的预测方法 | |
Wang et al. | On increasing the developability of a trimmed NURBS surface | |
CN110349265B (zh) | 一种四面体拓扑网格生成方法及电子设备 | |
CN113806951A (zh) | 一种基于半边数据结构的自然邻近点搜索的弹性仿真方法 | |
Emiris et al. | Exact Voronoi diagram of smooth convex pseudo-circles: General predicates, and implementation for ellipses | |
EP4094177A1 (en) | System and method for fatigue response prediction | |
US20200159979A1 (en) | Method and device for rotation analysis of rotating body | |
Mueller et al. | NURBS-based and Parametric-based Shape Optimisation with differentiated CAD Kernel | |
Zhu et al. | NURBS Modeling and Curve Interpolation Optimization of 3D Graphics | |
Tchon et al. | Two-dimensional metric tensor visualization using pseudo-meshes | |
CN116502563B (zh) | 高阶空间网格的流固耦合数据转换方法及装置 | |
CN111292422A (zh) | 一种基于曲面法线改进网格生成质量的方法 |
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 |