本發(fā)明屬于3D打印槳葉結(jié)構(gòu)的優(yōu)化計(jì)劃領(lǐng)域，具體涉及一種基于ANSYS和遺傳算法的3D打印槳葉結(jié)構(gòu)的優(yōu)化設(shè)計(jì)方法。

背景技術(shù)：

隨著計(jì)算機(jī)的發(fā)展，結(jié)構(gòu)優(yōu)化設(shè)計(jì)軟件的聯(lián)合運(yùn)用方法也開始廣泛地被采納。結(jié)構(gòu)優(yōu)化設(shè)計(jì)是以數(shù)學(xué)的最優(yōu)化理論作為基礎(chǔ)，用計(jì)算機(jī)軟件配合迭代，在一定的約束條件下尋求最優(yōu)解。ANSYS軟件具有很強(qiáng)的結(jié)構(gòu)分析功能，Matlab有很多可供選擇的遺傳算法優(yōu)化工具箱以及很好的矩陣計(jì)算能力。在結(jié)構(gòu)優(yōu)化設(shè)計(jì)中，可充分利用二者的優(yōu)勢，實(shí)現(xiàn)Matlab與ANSYS的數(shù)據(jù)傳輸，對3D槳葉進(jìn)行結(jié)構(gòu)優(yōu)化。

ANSYS可以通過APDL二次開發(fā)實(shí)現(xiàn)3D打印槳葉的參數(shù)化建模設(shè)計(jì)，但是ANSYS優(yōu)化設(shè)計(jì)模塊優(yōu)化功能有限，設(shè)計(jì)變量有限制，APDL通過ANSYS的命令行窗口編譯，缺乏強(qiáng)大的調(diào)試功能。

技術(shù)實(shí)現(xiàn)要素：

發(fā)明目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于ANSYS和遺傳算法的3D打印槳葉結(jié)構(gòu)的優(yōu)化設(shè)計(jì)方法，通過Matlab遺傳算法與ANSYS相互的數(shù)據(jù)傳輸及調(diào)用，大大提高結(jié)構(gòu)優(yōu)化的效率及精度，程序運(yùn)行穩(wěn)定可靠。

技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

基于ANSYS和遺傳算法的3D打印槳葉結(jié)構(gòu)優(yōu)化設(shè)計(jì)，包括以下步驟：

S1：利用MATLAB設(shè)定遺傳算法的運(yùn)行參數(shù)，包括種群規(guī)模、染色體長度、最大迭代次數(shù)、交叉概率、變異概率，然后設(shè)定3D打印槳葉設(shè)計(jì)變量的參數(shù)范圍，并在參數(shù)范圍內(nèi)隨機(jī)生成初始值，存入vara.txt文檔里；

S2：利用MATLAB調(diào)用ANSYS在后臺自動運(yùn)行，ANSYS調(diào)用vara.txt文檔數(shù)據(jù)進(jìn)行建模分析，然后輸出相關(guān)建模數(shù)據(jù)，存入result.txt文檔里；

S3：采用罰函數(shù)法將約束條件與目標(biāo)函數(shù)相結(jié)合作為適應(yīng)度函數(shù)(把有約束條件的優(yōu)化轉(zhuǎn)化為無約束條件的優(yōu)化)，并利用MATLAB調(diào)用result.txt文檔的數(shù)據(jù)進(jìn)行適應(yīng)度計(jì)算，然后判斷是否滿足停止準(zhǔn)則即迭代次數(shù)；

S4：如果不滿足停止準(zhǔn)則，則進(jìn)入循環(huán)遺傳算法操作，調(diào)用遺傳算法工具箱，根據(jù)適應(yīng)度計(jì)算的結(jié)果進(jìn)行選擇、交叉、變異，生成新的設(shè)計(jì)變量種群，存入vara.txt文檔里，重新進(jìn)入步驟S2、S3；

S5：直至滿足程序停止準(zhǔn)則，結(jié)束循環(huán)，輸出迭代過程中的最優(yōu)種群個體，并顯示最終優(yōu)化圖形結(jié)果。

進(jìn)一步的，所述3D打印槳葉的設(shè)計(jì)變量包括梁單元的半徑、蒙皮的厚度。

進(jìn)一步的，所述ANSYS輸出的建模數(shù)據(jù)包括槳葉的最大應(yīng)力、最大位移、質(zhì)量以及頻率。

進(jìn)一步的，所述約束條件包括最大位移小于需用位移、最大應(yīng)力小于需用應(yīng)力、質(zhì)量在設(shè)定范圍內(nèi)。

進(jìn)一步的，所述優(yōu)化目標(biāo)函數(shù)設(shè)為槳葉的低階頻率遠(yuǎn)離整數(shù)倍氣動諧波頻率。

有益效果：本發(fā)明提供的一種基于ANSYS和遺傳算法的3D打印槳葉結(jié)構(gòu)的優(yōu)化設(shè)計(jì)方法，相對于現(xiàn)有技術(shù)，具有以下優(yōu)點(diǎn)：

1、把MATLAB作為主程序，能夠同步提供多個設(shè)計(jì)變量，減輕了工作量；

2、利用MATLAB直接調(diào)用ANSYS運(yùn)行，避免了人工繁瑣的操作，節(jié)約了人力和實(shí)踐，提高了結(jié)構(gòu)優(yōu)化的效率；

3、MATLAB遺傳算法工具箱具有很強(qiáng)的優(yōu)化功能，且操作簡單，而ANSYS又是通用型的有限元分析軟件，兩者的數(shù)據(jù)互相傳遞和調(diào)用，增加了程序運(yùn)行的穩(wěn)定性，保證了數(shù)據(jù)的精度和結(jié)果的可靠度。

附圖說明

圖1為利用ANSYS二次開發(fā)對3D打印槳葉的建模分析流程圖；

圖2為本發(fā)明基于ANSYS和遺傳算法對3D打印槳葉結(jié)構(gòu)的優(yōu)化設(shè)計(jì)流程圖；

圖3為本發(fā)明中遺傳算法程序自動調(diào)用ANSYS的示意圖；

圖4為本發(fā)明實(shí)施例中所得到的最終優(yōu)化圖形結(jié)果示意圖。

具體實(shí)施方式

下面結(jié)合附圖及實(shí)施例對本發(fā)明作更進(jìn)一步的說明。

如圖1所示為利用ANSYS二次開發(fā)對3D打印槳葉的建模分析流程圖，ANSYS可以通過APDL二次開發(fā)實(shí)現(xiàn)3D打印槳葉的參數(shù)化建模設(shè)計(jì)，但是ANSYS優(yōu)化設(shè)計(jì)模塊優(yōu)化功能有限，設(shè)計(jì)變量有限制，APDL通過ANSYS的命令行窗口編譯，缺乏強(qiáng)大的調(diào)試功能。

如圖2所示為一種基于ANSYS和遺傳算法的3D打印槳葉結(jié)構(gòu)的優(yōu)化設(shè)計(jì)方法，包括以下步驟：

S1：利用MATLAB設(shè)定遺傳算法的運(yùn)行參數(shù)，包括種群規(guī)模、染色體長度、最大迭代次數(shù)、交叉概率、變異概率，然后設(shè)定3D打印槳葉的梁單元半徑、蒙皮厚度等設(shè)計(jì)變量參數(shù)范圍，并在參數(shù)范圍內(nèi)隨機(jī)生成初始值，以矩陣形式存入vara.txt文檔里；

S2：如圖3所示，利用MATLAB調(diào)用ANSYS在后臺自動運(yùn)行，ANSYS調(diào)用vara.txt文檔數(shù)據(jù)對3D打印槳葉進(jìn)行參數(shù)化建模，包括有限元劃分網(wǎng)格及靜力學(xué)分析，然后提取槳葉模型的最大應(yīng)力、最大位移、質(zhì)量、頻率等數(shù)據(jù)，存入result.txt文檔里；

S3：通過設(shè)置罰函數(shù)的方法，把有約束條件的優(yōu)化轉(zhuǎn)化為無約束條件的優(yōu)化，其約束條件為最大位移小于需用位移、最大應(yīng)力小于需用應(yīng)力、質(zhì)量在一定的范圍內(nèi)，其優(yōu)化目標(biāo)函數(shù)是槳葉的低階頻率遠(yuǎn)離整數(shù)倍氣動諧波頻率，把約束條件和優(yōu)化目標(biāo)函數(shù)結(jié)合設(shè)計(jì)作為適應(yīng)度函數(shù)來評價染色體個體的好壞；利用MATLAB調(diào)用result.txt文檔的數(shù)據(jù)進(jìn)行適應(yīng)度計(jì)算，然后判斷是否滿足停止準(zhǔn)則即迭代次數(shù)；

S4：如果不滿足停止準(zhǔn)則，則進(jìn)入循環(huán)遺傳算法操作，調(diào)用遺傳算法工具箱，根據(jù)適應(yīng)度計(jì)算的結(jié)果進(jìn)行選擇、交叉、變異，生成新的設(shè)計(jì)變量種群，存入vara.txt文檔里，重新進(jìn)入步驟S2、S3；

S5：直至滿足程序停止準(zhǔn)則，結(jié)束循環(huán)，輸出迭代過程中的最優(yōu)種群個體，并顯示最終優(yōu)化圖形結(jié)果。

下面通過具體測試數(shù)據(jù)進(jìn)一步說明本發(fā)明的優(yōu)化性能。

設(shè)定：所述種群規(guī)模為50，染色體長度為20，最大迭代次數(shù)為200，交叉概率為0.7，變異概率為0.2，代溝0.9；所述3D打印槳葉的梁單元半徑范圍為0.1mm-0.65mm，蒙皮的厚度范圍為0.6mm-1.5mm；所述約束條件為最大位移x小于需用位移[x]，即x<1mm，最大應(yīng)力σ小于需用應(yīng)力[σ]，即σ<290Mpa，質(zhì)量m的約束為50g<m<70g；優(yōu)化目標(biāo)函數(shù)為其中kΩ為氣動諧波的整數(shù)倍，ω為槳葉的各階計(jì)算頻率。通過設(shè)置罰函數(shù)得到的適應(yīng)度函數(shù)為其中penal為懲罰因子，設(shè)置為1000，d1、d2、d3為滿足約束條件的權(quán)重比。

得到的測試結(jié)果為：

最優(yōu)設(shè)計(jì)變量：蒙皮厚度0.87mm，槳葉的梁單元半徑0.394mm；

適應(yīng)度函數(shù)值最優(yōu)解：0.6291(在本實(shí)施例中，適應(yīng)度函數(shù)值越小，則評價個體的適應(yīng)度越大)；

得到如圖4所示的最終優(yōu)化圖形結(jié)果。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出：對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。

總結(jié)

以上是生活随笔為你收集整理的福彩3D Matlab统计分析,基于ANSYS和遗传算法的3D打印桨叶结构优化设计的制作方法...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。