JP4546755B2 - 解析モデルの作成支援装置 - Google Patents

Description

本発明は、形状モデルデータから解析モデルを作成する際に、解析モデルのノウハウを作成し、ＤＢへ蓄積し、再利用する解析モデルの作成支援装置に関する。

従来、解析モデルの作成支援のためのシステムが提案されている。例えば、特許文献１（解析ノウハウの書き込み可能な汎用解析システムおよび解析ノウハウの書き込み可能な汎用解析プログラムならびに解析ノウハウの書き込み可能な汎用解析プログラムを記録した記録媒体）には、解析手順の各ステップで解析ノウハウをＨＴＭＬで記述し、解析対象物の解析ノウハウを参照することで、解析時間の短縮を図るシステムが開示されている。
特許第３３８２９３４号

製品の設計において、ＣＡＤデータ（形状モデルデータ）を作成して、設計図を作成する方法が主流になりつつある。さらに、コンピュータシミュレーション（ＣＡＥ：Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｅｎｇｉｎｅｅｒｉｇ）により、ＣＡＤデータから解析モデルを作成することによって、設計した製品の解析、構造解析、流体解析などを行うことが可能であり、今後、ＣＡＥによる解析が設計において検討すべき項目になると思料される。

ＣＡＤデータ（形状モデルデータ）から解析モデルを作成する際、メッシュ生成や境界条件を設定する必要があるが、従来では、解析に関するノウハウは、解析専門者だけが保持していることが多い。また、作成された解析モデルには、解析専門者が設定したノウハウが入っているが、このノウハウを解析専門者以外が抽出するには、どのような時にノウハウを利用することができるかを認識しておく必要があり、解析専門者以外の人が解析ノウハウを利用することは容易ではなかった。

また、前述した特許文献１には、汎用操作部分はナビゲーション形式の汎用作業手順とし、解析ノウハウ部分はユーザが自由に記述できる旨が開示されているが、最終的なメッシュ形式の解析モデルを作成する際の中間の解析用ステップにおける具体的な解析ノウハウの記述について、十分な配慮がなされていない。

本発明の目的は、形状モデルデータから解析モデルを作成する際に、必要となる解析ノウハウを作成し、ＤＢへ蓄積して、蓄積されたノウハウを新たな解析モデルを作成する際に再利用することを可能とする解析モデル作成支援装置を提供することにある。

前記課題を解決するために、本発明は次のような構成を採用する。
解析モデルに対してメッシュ作成の解析用ノウハウを抽出してデータベースに蓄積する解析用ノウハウ抽出部と、入力された形状モデルに対して前記データベースから取り出した前記解析用ノウハウを適用する解析用ノウハウ適用部と、前記形状モデルの表面を構成する面と稜線をそれぞれ平面と直線で近似する認識モデル、前記認識モデルを立方体の格子に分割した写像モデル、前記写像モデルの前記立方体の格子点を前記形状モデルに写像し六面体メッシュを形成する解析モデルをそれぞれ作成する制御部と、各モデルを作成するように操作指示のためのボタンを表示する表示部と、を備えた解析モデル作成支援装置であって、
前記制御部は、前記解析用ノウハウ運用部を通して前記解析モデルのメッシュ品質に影響を及ぼす解析用ノウハウを前記データベースから取り出し、前記取り出した解析用ノウハウを前記形状モデルに適用して前記認識モデルを作成し、前記作成した認識モデルを基に前記写像モデルを作成し、前記作成した写像モデルを基に前記解析モデルを作成し、
さらに、前記制御部は、前記解析モデルのメッシュ品質を評価し、前記評価の結果を目標値と比較し、前記比較の結果に基づき前記解析用ノウハウを変更し、前記変更後の解析用ノウハウに基づき再度前記解析モデルの作成、前記メッシュ品質の評価、前記解析用ノウハウの変更の一連の処理を、前記解析モデルのメッシュ品質が前記目標値に達するまで繰り返すものであり、
前記解析用ノウハウは、前記形状モデルから前記認識モデルを作成する際の形状認識パラメータとしてのルール強度から成り立ち、前記ルール強度は、前記平面と直線で近似するための前記解析用ノウハウを数値化した特性値として示されるものである構成とする。

また、前記解析モデル作成支援装置において、前記解析用ノウハウは、前記形状モデルに対応する製品毎に分類されて前記データベースに蓄積されているものである構成とする。

また、前記解析モデル作成支援装置において、前記解析用ノウハウを適用する場合、新規の形状モデルに対して類似の形状が存在するかどうかを判断して、特定の解析用ノウハウを選定する構成とする。

製品ごとに存在する解析モデルの作成に関するノウハウを取出し、抽出したノウハウを対象製品に自動的に適用することによって、解析モデル作成の初心者でも品質のよい解析モデルを作成することができる。

また、解析モデル作成ノウハウを利用することにより、従来、初心者が要した解析モデル作成時間を軽減することが可能である。解析専任者が作成した解析モデル作成ノウハウをデータベースＤＢへ蓄積しておくことで、ノウハウを保存しておくことができ、知識の継承が可能である。また、製品の分野が同じであれば、解析モデル作成用ノウハウを他製品へ展開することが可能であり、解析モデル作成に必要な手間を軽減することが可能である。

本発明の解析モデル作成支援装置に係る実施の形態について、実施例を挙げて図面を参照しながら以下詳細に説明する。図１は本発明の解析モデル作成支援装置に係る実施例の全体構成を示すブロック図である。図２は本実施例における表示画面の一例を示す図である。図３は本実施例における形状モデルデータから認識モデルを作成する際における解析モデル作成ノウハウのルール１を示す図である。図４は本実施例における形状モデルデータから認識モデルを作成する際における解析モデル作成ノウハウのルール２を示す図である。図５は本発明の解析モデル作成支援装置に係る実施例の具体的構成を示す説明図である。

図１において、解析モデル作成支援装置１００は、解析用ノウハウ抽出部１０１、解析用ノウハウ適用部１０２、表示部１０３、制御部１０５を備えている。データベースＤＢ１０４は、解析用ノウハウ抽出部１０１及び解析用ノウハウ適用部１０２に接続されていて、解析モデル作成支援装置１００の外部装置として図示されているが、解析モデル作成支援装置１００に内蔵させる構造としてもよい。

解析用ノウハウ抽出部は、解析モデル、即ち解析用のメッシュ作成のノウハウを取り出し（抽出し）、学習する部分であり（詳しくは、図５に示すルール特性値の取り出し）、すでにメッシュ分割を行ったモデルに対して、どのような方法でメッシュを作成したか、等の解析モデル作成ノウハウを抽出して、データベース（ＤＢ）へ蓄積する。また、解析用ノウハウ適用部では、解析モデル作成ノウハウ抽出部より抽出（取出）したルール強度を形状モデルに適用する。解析用ノウハウ抽出部で得られたＤＢに蓄積されている解析モデル作成ノウハウ（解析用ノウハウ）を用いて、新しい形状データに適用する。新しい形状データから解析モデルを作成する際には、解析モデルのメッシュの品質評価を反映させたルール強度を用いる。表示部では、対話的に処理をするための画面を表示させる。ユーザは、表示部１０３を観察することにより対話的に形状データの読み込み、解析用ノウハウの適用、解析モデルの保存などを行うことが可能である。制御部１０５は、解析用ノウハウ抽出部１０１、解析用ノウハウ適用部１０２、表示部１０３を制御する。

図２は、ユーザへ提示する解析モデル作成支援装置１００の表示部１０３の画面を示している。表示部画面上で、ユーザは、形状データの読み込み、解析用ノウハウ抽出、解析用ノウハウ適用、解析モデル保存を行うことが可能である。画面上で、解析用ノウハウ抽出ボタンを押すと、読み込んだ形状モデルより解析用ノウハウをＤＢから取り出す。また、ユーザが解析用ノウハウ適用ボタンを押すと、読み込んだ形状データに対して、形状データが属する製品分野ごとに分類された解析用ノウハウに基づくルール強度（解析用ノウハウを数値化した一例であって特性値として示されるもの）を適用し、解析モデルを作成する。

また、解析用ノウハウを適用して作成された解析モデルに対して、評価を行いメッシュの品質が良いかどうかを判断することが可能である。メッシュの品質がよくない場合は、「解析モデルを修正しますか」という画面が表示され、「はい」を選択するとルール強度を修正して、修正したルール強度に基づいて形状モデルデータより解析モデルを再度作成する。作成した解析モデルに対して、メッシュ品質の評価（アスペクト比、ストレッチ）を行い、ユーザが望む評価値まで計算を繰り返す。このようにして、本実施例に係る解析モデル作成支援装置は、ユーザと対話的に継続して処理することが可能である。

図３と図４は、ＤＢに蓄積されている解析用ノウハウの一例である。線と線の角度に対する、軸割当方向を表形式で蓄積している。このデータは、解析用ノウハウ抽出部で解析モデルから抽出されたものであり、ユーザが新たに登録する必要はない。ＤＢでは、解析用ノウハウを製品ごとに分類された状態で蓄えている。ＤＢには、線と線の間の角度以外にも、形状データを構成するパラメータに対して、解析モデル決定のルールをノウハウとして蓄えておくことが可能である。

図５は、形状データから解析モデル（六面体メッシュモデル）を作成するまでのプロセスを示したものである。本発明の解析モデル作成支援装置における実施例の概略についてまず説明すると、最初に形状モデルデータ（ＣＡＤデータ）５０１を入力として読み込み（ａ線がＸ軸となす角度、ａ線とｂ線のなす角度、ａ線の長さ、ｂ線の長さ）、この形状モデル５０１に解析用ノウハウを抽出、適用して認識モデル５０３を作成する（Ｘ，Ｙ，Ｚ軸をα，β，γ軸に割り当て変換し、更に線のなす角度の変換をして認識モデルを作成する）。

このように、形状モデル５０１に解析用ノウハウ５０２を適用して認識モデル５０３を生成することは本発明の特徴の１つである。次に、この認識モデル５０３に六面体メッシュを作成して写像モデル５０４とする。続いて、写像モデル５０４と形状モデル５０１とに基づいて六面体メッシュモデル（解析モデル）５０５を作成して、この解析モデル５０５を対象として、構造解析や流体解析を実施するものである。

そして、このように解析用ノウハウ５０２を適用して生成された解析モデル５０５に対して、メッシュ品質指標である各要素（六面体単位）のアスペクト比、ストレッチにより解析モデルを評価５０６する。評価結果を目標値と比較し、その比較結果を解析用ノウハウの数値化例であるルール１とルール２の強度に反映させる。この反映されたルール強度に基づいて、再度、形状モデルに解析用ノウハウを適用して、認識モデル、写像モデル、解析モデルを生成して、メッシュ品質の再評価を実行する。このように処理を循環することでメッシュ品質の評価を高めることも本発明の特徴の１つである。なお、メッシュ品質評価の１つとして、生成された六面体メッシュモデルの単位である要素が正六面体や直六面体からズレが生じて六面体形状がいびつになる度合いが挙げられる。

ここで、認識モデルの生成について説明すると、認識モデル作成においては、線と線の角度、分割数といった形状モデルのデータが持つパラメータ値を入力として、ルールの強度を適用する。線と線の角度は、形状モデルを構成する線と線のなす角度を示しており、この角度の大きさによって認識モデルの線の割り当て軸を決定する。決定された割り当て軸に対応した認識モデルを作成する。

ここで、図５に図示する構成例を取り上げて、本発明の実施例につき、敷衍して説明する。本実施例は、形状モデルをもとに、形状モデルの近似である認識モデルから写像モデルを作成し、写像モデルから逆変換することで六面体メッシュモデル（解析モデル）を作成するものであるが、まず、形状モデルと分割情報の入力として、メッシュ生成対象の形状モデルと生成する六面体要素の目標要素サイズを入力する。次に、認識モデルの生成について、入力された形状モデルに対して、位相的に等しくかつ形状モデルの表面を構成する面、稜線をそれぞれ平面、直線で近似した認識モデルを生成する。続いて、写像モデルの生成について、目標要素サイズから稜線の分割数を決定し、認識モデルを立方体の格子へ分割した写像モデルを生成する。次に、六面体メッシュモデル（解析モデル）の生成について、写像モデルの立方体の格子点を形状モデルに写像し、写像モデルの立方体に相当する六面体要素を形状モデル内に生成する。

以上の説明したような六面体メッシュ生成アルゴリズムでは、直交格子を形状にマッピングする写像法をベースとしているため、規則的に配置された六面体メッシュを生成できる。また、形状モデルに精度よく近似した認識モデルが生成できる。これにより、写像モデルの立方体を形状に写像する際に形状歪みの少ない六面体要素を生成できる。

そして、本発明の特徴の１つである形状モデルからの認識モデルの生成方法について詳しく説明すると、認識モデルは、形状モデルと位相的に等しくかつ形状モデルの表面を構成する面、稜線をそれぞれ平面、直線分で置き換えた近似モデルである。そのため、形状モデルの各稜線を写像空間の直交する３座標軸（Ｐα、Ｐβ、Ｐγ）のいずれかの方向へ割り当て、さらに写像空間における各稜線の長さを求めることにより、認識モデルを決定することができる。形状モデルの方向割当処理のアルゴリズムについては以下のとおりである。

まず、（１）線ａを構成するθｘ,θy,θzを計算する。（２）θx−Ｐα，θy−Ｐβ，θz−Ｐγの対応ルールにより、それぞれの適応度Ｐαａ，Ｐβａ，Ｐγａを計算する。（３）隣接する線ａ，ｂを写像空間において同じ方向に割り当てる適応度Ｐａｂを求める。θａｂは隣接する二つの線がなす角度であり、例えば、線ａと線ｂのなす角度θａｂが１３５度の場合、θａｂ−Ｐａｂの対応ルールにより、Ｐａｂを０．５と算出する。（４）Ｐａｂを用いて、各軸方向へ割り当てる適応度Ｐαａ，Ｐβａ，Ｐγａを補正する。（５）補正された適応度Ｐαａ，Ｐβａ，Ｐγａのうち、値の大きい方を割当軸とする。例えばＰαａ＝０．２、Ｐβａ＝０．８、Ｐγａ＝０．３であれば、線ａはβ軸方向へ割り当てられる。

このように、形状モデルから認識モデルを生成する際に、解析用ノウハウの一例として、ルール１（５０７）とルール２（５０８）とがあって、例えば、線ａがＸ軸となす角度に対応して、α軸方向への適応度を示すルール１によって、認識モデル５０３に示す線ａが生成され（図示の例では線ａはα軸に割り当てられる）、線ａに隣接する線ｂがなす角度θａｂに対応して、線ａｂが同方向となる適応度を示すルール２によって、認識モデル５０３に示す線ｂが生成される（図示の例では、線ｂは、線ａと同一方向線ではなくて、直角方向線を生成する）。そして、最終的に解析モデル５０５が生成され、この生成された解析モデル５０５のメッシュ品質評価が行われ、その評価によってルール１並びにルール２の特性値（図示する特性カーブ）を修正して、より良いメッシュ品質を得ようとするものである。

以上のようにしてメッシュ品質の改良された解析用ノウハウ５０２は、新たな形状モデルに対して適用され、認識モデル５０３を通して解析モデル５０５が生成されるのである。この際、新たな形状モデルとしては、図５に示す形状モデルの線ａが多少長く又は短くなっている場合や、θａｂが多少大又は小となっている若干変形の形状モデルを対象とするのが典型的なものである。

また、データベースＤＢ１０４に蓄積されている解析用ノウハウ（メッシュ作成ノウハウ５０２）を適用する際には、新規の形状データに対して、解析モデル（六面体メッシュモデル）の前段階モデルである認識モデルを作成するときに、解析用ノウハウを適用する類似形状が存在するかどうかを判断する。類似形状の判断は、ルールを用いて形状モデルデータから認識モデルを作成し、認識モデル内に似たパターンがあるかどうかを判断する。

形状モデルとして、例えば、内周及び外周ともに曲線をもつ断面馬蹄形の鞍部を対象とすると、認証モデルは、内周及び外周の曲線がα、β、γの座標軸変換されて「コ」型のモデルとなるのが通常である。認識モデル内に「コ」型のパターンが存在する場合、解析条件に合わせてこのパターンを「Ｉ」型へ変換するかどうか（ルール１及び２を変更して）を決定する。ＤＢに蓄積されている解析用ノウハウは、「コ」型のパターンが存在する場合、「Ｉ」へ変換するような軸割当操作を行う、といった形で表現されている。

本来であれば、形状モデルデータからルールを適用して、認識モデルが「コ」型に変換されるのは正しい処理である。しかし、対象とする解析モデルを用いて解析を行う際、構造解析を行うか、流体解析を行うかでメッシュ分布を変更したい場合がありうる。認識モデルを「Ｉ」型へ変換することで流体解析用メッシュを作成し、流体解析を行う場合、この解析用ノウハウを適用する方が解析処理を的確にできるということがあり得る。

例えば、曲線の断面馬蹄形の鞍部を構造解析する場合には、「コ」型認識モデルが的確であるが、鞍部の外表面における流体解析をする場合には、「コ」型認識モデルよりも「Ｉ」型認識モデルの方が解析処理し易い場合があり得る（メッシュ要素の形状歪（いびつさ）が小さい）。どのような解析用メッシュを適用するかどうかの判断を、製品が属する分野と解析の内容から決定する。製品が属する分野と解析の内容から、どういう認識モデルを作成すればよいかを判断し、解析モデル作成用ノウハウを適用して、認識モデルを作成する。

以上説明したように、本発明では３次元ＣＡＤモデル（形状モデル）を利用して、形状モデルから解析モデルデータを作成するためのシステムを構築する。本発明の解析モデル作成支援装置では、形状データ・解析モデルデータの読込み、保存が可能であり、読み込んだ解析モデルデータより解析用ノウハウを作成する。

解析用ノウハウは、形状モデルデータを構成する要素（線間の角度、線長さなど）に対して、どのような方法でメッシュを作成するのがよいかを示したものである。例えば、線間の角度がある値をとる形状データが存在する場合、解析モデル作成において線の割当方向をＸ軸へ渡すのがよい、といった対応関係を示したものである。

解析モデル作成ノウハウは、ＤＢへ蓄積しておき、ＣＡＤデータを新規で読み込んだ際にＤＢに蓄積されたノウハウを適用して、解析モデルを作成する。蓄積されたノウハウを利用して、解析モデルを作成する。解析モデルを作成した後、モデルの評価を行い、目標値に達していない場合は、ルール強度を少し修正した状態で適用し、解析モデルを作成する。

本発明の解析モデル作成支援装置に係る実施例の全体構成を示すブロック図である。 本実施例における表示画面の一例を示す図である。 本実施例における形状モデルデータから認識モデルを作成する際における解析モデル作成ノウハウのルール１を示す図である。 本実施例における形状モデルデータから認識モデルを作成する際における解析モデル作成ノウハウのルール２を示す図である。 本発明の解析モデル作成支援装置に係る実施例の具体的構成を示す説明図である。

符号の説明

１００ 解析モデル作成支援装置
１０１ 解析モデル作成ノウハウ抽出部
１０２ 解析モデル作成ノウハウ適用部
１０３ 表示部
１０４ データベースＤＢ
２００ 解析モデル作成ノウハウ抽出・適用画面
２０１ ノウハウ抽出・適用画面
２０２ 形状データ・解析モデル読込ボタン
２０３ 解析モデル作成ノウハウ抽出ボタン
２０４ 解析モデル作成ノウハウ適用ボタン
２０５ 解析モデル作成ノウハウ保存ボタン
３００ 解析モデル作成ノウハウ表
３０１ 線と線のなす角度（ｘ軸方向）
３０２ 線と線のなす角度（ｙ軸方向）
３０３ 線と線のなす角度（ｚ軸方向）
３０４ 軸の割当て確率（ｘ軸方向）
３０５ 軸の割当て確率（ｙ軸方向）
３０６ 軸の割当て確率（ｚ軸方向）
５０１ 形状モデルデータ入力プロセス
５０２ 解析モデル作成ノウハウ抽出・適用プロセス
５０３ 認識モデル作成プロセス
５０４ 写像モデル作成プロセス
５０５ 解析モデル（メッシュモデル）作成プロセス
５０６ 解析モデルの品質評価
５０７ 解析モデル作成ノウハウのルール１
５０８ 解析モデル作成ノウハウのルール２

Claims (4)

1. 解析モデルに対してメッシュ作成の解析用ノウハウを抽出してデータベースに蓄積する解析用ノウハウ抽出部と、入力された形状モデルに対して前記データベースから取り出した前記解析用ノウハウを適用する解析用ノウハウ適用部と、前記形状モデルの表面を構成する面と稜線をそれぞれ平面と直線で近似する認識モデル、前記認識モデルを立方体の格子に分割した写像モデル、前記写像モデルの前記立方体の格子点を前記形状モデルに写像し六面体メッシュを形成する解析モデルをそれぞれ作成する制御部と、各モデルを作成するように操作指示のためのボタンを表示する表示部と、を備えた解析モデル作成支援装置であって、
   前記制御部は、前記解析用ノウハウ運用部を通して前記解析モデルのメッシュ品質に影響を及ぼす解析用ノウハウを前記データベースから取り出し、前記取り出した解析用ノウハウを前記形状モデルに適用して前記認識モデルを作成し、前記作成した認識モデルを基に前記写像モデルを作成し、前記作成した写像モデルを基に前記解析モデルを作成し、
   さらに、前記制御部は、前記解析モデルのメッシュ品質を評価し、前記評価の結果を目標値と比較し、前記比較の結果に基づき前記解析用ノウハウを変更し、前記変更後の解析用ノウハウに基づき再度前記解析モデルの作成、前記メッシュ品質の評価、前記解析用ノウハウの変更の一連の処理を、前記解析モデルのメッシュ品質が前記目標値に達するまで繰り返すものであり、
   前記解析用ノウハウは、前記形状モデルから前記認識モデルを作成する際の形状認識パラメータとしてのルール強度から成り立ち、前記ルール強度は、前記平面と直線で近似するための前記解析用ノウハウを数値化した特性値として示されるものである
   ことを特徴とする解析モデル作成支援装置。
2. 請求項１において、
   前記解析用ノウハウは、前記形状モデルに対応する製品毎に分類されて前記データベースに蓄積されているものであることを特徴とする解析モデル作成支援装置。
3. 請求項２において、
   前記解析用ノウハウを適用する場合、新規の形状モデルに対して類似の形状が存在するかどうかを判断して、特定の解析用ノウハウを選定することを特徴とする解析モデル作成支援装置。
4. 請求項２において、
   前記解析用ノウハウを適用する場合、前記解析モデルを用いて解析を行う際の、構造解析や流体解析等の解析条件に基づいて、特定の解析用ノウハウを選定することを特徴とする解析モデル作成支援装置。

Images