基于Isight和Abaqus缩短涡轮叶片燕尾榫结构优化设计周期

采用Abaqus软件对典型涡轮叶片燕尾榫结构周围的最小接触压力和应力进行有限元分析,并基于Isight软件进行仿真流程自动化和优化设计研究,以期在满足设计要求的前提下,找到一种高效的优化设计方案。首先利用Isight提供的多种算法进行优化设计,并对比不同算法的优化结果和优化运行时间,发现序列二次规划法(NLPQLP)和下山单纯型法(Downhill Simplex)虽然优化时间短,但是优化结果陷入局部最优,多岛遗传算法(MIGA)和非支配排序遗传算法(NSGA-II)虽然优化结果理想,但是优化效率较低。然后,提出了两种改进方案。第一种,首先基于Isight提供的工具Latin Hypercube创建代理模型,再利用代理模型进一步优化。第二种,采用组合优化策略的方式,先采用MIGA或NSGA-II进行少量的全局优化,再以优化结果作为下一步优化的初始方案,使用NLPQLP或Downhill Simplex进行局部优化。最终对多种方案的优化结果和优化效率进行对比和评价。

基于EBF神经网络的引射器结构参数优化

为提高氢燃料电池引射器的性能,以额定工况下氢燃料电池引射器为研究对象,提出一种基于椭球基(EBF)神经网络模型和非线性序列二次规划(NLPQL)算法的引射器结构参数优化方法。基于正交试验,建立EBF神经网络模型,描述引射器结构参数与引射系数间的非线性关系;通过引射系数模拟值与代理模型预测值的对比以及复相关系数,验证了代理模型的精度;最后,应用NLPQL算法进行全局寻优,获得使引射系数最大的结构参数组合,并进行模拟验证。研究结果表明:基于EBF神经网络和NLPQL算法,提高了燃料电池引射器的引射系数,相对于正交试验方案最大值,引射系数提高了3.9%。基于正交试验设计和EBF神经网络的方法,可以扩大引射器结构参数研究范围和水平,节约CFD模拟计算时间。

基于代理模型和NLPQL算法的注塑成型质量控制与预测

为快速求得满足塑件成型质量要求的一组最优注塑工艺参数组合,减少注塑生产时操作人员的调试次数,提高塑件成型质量以及生产效率,提出基于多元二阶响应面代理模型和非线性序列二次规划(NLPQL)算法对注塑成型质量进行控制与预测。以某型无线对讲机的塑料外壳为分析对象,应用拉丁超立方抽样法并结合模流分析建立试验样本,构建试验优化目标同试验因素之间的二阶响应面代理模型,基于NLPQL算法在代理模型内进行全局寻优,求得了一组满足塑件成型质量的最优工艺参数组合,NLPQL算法给出了该塑件翘曲量和缩合指数的预测值。试验结果证明了提出方法的有效性,为其他塑件的注塑成型质量控制提供了一套有益的理论方法。

CAD/CAE协同优化设计在水电工程应用研究

文章通过Isight平台集成Catia三维设计软件和Abaqus有限元分析软件,实现了重力坝非溢流断面CAD/CAE协同优化设计。通过非线性序列二次规划算法给出了较为经济的实用断面。结果表明,通过CAD/CAE一体化技术能够充分利用各软件优势,实现自动化和智能化设计调整,在水电工程中具有一定的推广应用前景。