结构优化一般分为三个层次：尺寸优化、形状优化和拓扑优化。尺寸优化是最简单的，优化结构的尺寸参数，比如板厚、梁的截面尺寸，形状不变；形状优化是优化结构的形状，比如孔的形状、圆角大小、边界曲线，拓扑不变；拓扑优化变化最大，是优化材料怎么分布。其中尺寸优化和形状优化是工程中最常用的，因为它们的结果比较容易制造，也比较好理解。ANSYS里也有方便的尺寸优化和形状优化功能，可以用来做各种结构优化。本文将介绍尺寸优化和形状优化的基本概念、原理、方法、应用场景和注意事项，帮助大家入门这两种实用的结构优化技术。
一、结构优化概述
1. 结构优化的三个层次
从易到难。
三个层次：
- 尺寸优化Size Optimization：优化结构的尺寸参数，比如板厚、梁高、截面尺寸等，形状和拓扑都不变，是最简单的
- 形状优化Shape Optimization：优化结构的形状，比如孔的形状、圆角大小、边界曲线等，拓扑不变，尺寸也可以一起优化，中等难度
- 拓扑优化Topology Optimization：优化材料的分布，也就是哪些地方留材料哪些地方去掉，变化最大，难度也最大
三者的关系：
- 尺寸优化变化最小，最容易实现，结果最容易制造
- 形状优化变化中等，可以改进应力集中等问题
- 拓扑优化变化最大，能得到全新的结构形式，但结果可能不好制造
- 一般概念设计阶段用拓扑优化找形式，详细设计阶段用形状和尺寸优化细化
为什么要分层次：
- 不同设计阶段需要不同的优化
- 从概念到详细，一步步来
- 各有各的适用场景
- 结合起来用效果最好
2. 优化问题的基本组成
优化的三要素。
设计变量：
- 就是要优化的参数
- 尺寸优化里就是尺寸参数，比如厚度、直径
- 形状优化里就是形状参数，比如控制点坐标
- 可以是连续的，也可以是离散的
目标函数：
- 就是要优化的目标
- 比如最小化重量、最小化应力、最大化刚度、最小化成本等
- 可以是单目标，也可以是多目标
约束条件：
- 就是要满足的要求
- 比如应力不超过许用应力、位移不超过限值、频率满足要求、尺寸在范围内等
- 可以有多个约束
数学形式：
最小化（或最大化） f(x)
满足： g(x) ≤ 0
h(x) = 0
x_L ≤ x ≤ x_U
其中x是设计变量，f是目标函数，g是不等式约束，h是等式约束
3. 优化的一般过程
怎么优化。
基本过程：
1. 参数化建模：把设计变量参数化
2. 有限元分析：算目标函数和约束
3. 灵敏度分析：算目标和约束对设计变量的导数
4. 优化算法：根据灵敏度更新设计变量
5. 收敛检查：看是否满足收敛条件
6. 不收敛就回到第2步，继续迭代
7. 收敛了就输出结果
迭代次数：
- 一般几十次迭代就收敛了
- 每次迭代都要做一次或多次有限元分析
- 设计变量多的话迭代次数可能多一点
- 但比瞎试强多了
二、尺寸优化
1. 什么是尺寸优化
最基础的优化。
什么是尺寸优化：
- 优化结构的尺寸参数
- 比如板的厚度、梁的截面尺寸、杆的直径等
- 结构的形状和拓扑都不变
- 只是大小变
- 是最简单的结构优化
常见的设计变量：
- 板壳的厚度
- 梁的截面尺寸，比如高度、宽度、壁厚
- 杆的直径或截面积
- 弹簧的刚度
- 集中质量的大小
- 材料参数，比如弹性模量，不过一般不优化这个
- 等等，只要是尺寸参数都可以
尺寸优化的特点：
- 简单，容易实现
- 结果直观，容易理解
- 容易制造，因为形状没变
- 是最常用的结构优化
- 适合详细设计阶段
2. 尺寸优化的应用场景
什么时候用。
适合的场景：
- 已经有了初步的结构形式
- 想调整尺寸让性能更好或者更轻
- 详细设计阶段的优化
- 参数不多的情况
- 对制造性要求高的情况
典型的应用：
- 板厚优化，比如车身钣金厚度
- 梁截面优化，比如型钢截面尺寸
- 桁架截面优化
- 厚度分布优化
- 等等，非常多
3. 尺寸优化的方法
常用的方法。
梯度-based的方法：
- 用梯度信息来优化
- 效率高，适合设计变量多的情况
- 是最常用的
- 比如最优准则法、序列线性规划、序列二次规划、移动渐近线法等
最优准则法OC：
- 针对特定问题，比如满应力设计、最小重量设计
- 简单高效
- 但通用性差一点
- 桁架、板厚优化常用
数学规划法：
- 更通用
- 比如序列线性规划SLP、序列二次规划SQP、移动渐近线法MMA等
- 可以处理各种目标和约束
- 现在一般都用这些
无梯度的方法：
- 不需要梯度
- 比如遗传算法、粒子群等
- 可以处理离散变量、全局优化
- 但计算量大
- 适合变量少、或者有离散变量的情况
4. 尺寸优化的步骤
怎么做。
基本步骤：
1. 建立有限元模型
2. 参数化设计变量，比如把厚度设成参数
3. 定义目标函数，比如最小化重量
4. 定义约束条件，比如应力、位移
5. 选择优化算法
6. 运行优化
7. 查看结果，验证
8. 调整和细化
注意事项：
- 参数化要做好，这是基础
- 设计变量不要太多也不要太少
- 约束要合理，不要太松也不要太紧
- 结果一定要验证
- 注意尺寸的制造公差和标准系列
5. ANSYS中的尺寸优化
怎么用ANSYS做。
ANSYS里的尺寸优化：
- Workbench里可以用DesignXplorer做参数优化
- 也可以用优化模块
- 经典APDL里也有优化模块
- 很方便
DesignXplorer：
- 参数化建模
- 可以做参数分析
- 可以做响应面优化
- 可以做多目标优化
- 图形界面，容易用
基本流程：
1. 建立参数化模型
2. 定义输入参数和输出参数
3. 添加DesignXplorer系统
4. 设计点计算
5. 响应面或者直接优化
6. 查看结果
7. 验证
三、形状优化
1. 什么是形状优化
中等难度的优化。
什么是形状优化：
- 优化结构的形状
- 比如孔的形状、圆角大小、边界的曲线形状
- 结构的拓扑不变，也就是有几个孔、几个梁还是那些
- 但形状可以变
- 比尺寸优化变化大，比拓扑优化变化小
常见的设计变量：
- 边界控制点的坐标
- 样条曲线的控制点
- 圆角半径
- 孔的位置和大小
- 截面形状参数
- 等等，和形状有关的都可以
形状优化的特点：
- 可以改进应力集中，比如把尖角改成圆角
- 可以优化边界形状，让应力更均匀
- 结果比较容易制造，比拓扑优化好
- 适合详细设计阶段的形状改进
- 参数化比尺寸优化难一点
2. 形状优化的应用场景
什么时候用。
适合的场景：
- 结构形式已经定了
- 想改进局部形状，比如降低应力集中
- 优化边界形状，提高性能
- 详细设计阶段的细化
- 对应力集中敏感的部位
典型的应用：
- 孔的形状优化，比如把圆孔改成椭圆孔，降低应力集中
- 圆角优化，优化圆角半径，降低应力集中
- 边界形状优化，比如吊钩、支架的外形
- 截面形状优化
- 齿轮齿形优化
- 等等，很多
3. 形状优化的方法
常用的方法。
边界表示法：
- 用边界的控制点作为设计变量
- 移动控制点来改变形状
- 最直观最常用
- 也叫基向量法、节点法等
参数化几何法：
- 用CAD的参数化几何
- 设计变量是几何参数
- 每次优化更新几何，重新划分网格
- 容易和CAD结合
- 但网格可能变化，灵敏度计算麻烦
自适应网格的形状优化：
- 网格随形状变化而调整
- 更准确
- 但更复杂
水平集法：
- 也可以用来做形状优化
- 边界光滑
- 理论优美
- 但实现复杂
4. 形状优化的关键问题
一些难点。
网格畸变问题：
- 形状变了，网格可能会变形
- 变形太大的话单元质量变差
- 影响计算精度
- 甚至网格畸变到不能算
- 所以要控制形状变化，或者重新划分网格
怎么解决网格畸变：
- 用网格光滑技术
- 控制设计变量的变化量
- 自适应重新划分网格
- 用边界层的方法
- 等等
灵敏度分析：
- 形状优化的灵敏度计算比尺寸优化难
- 因为形状变了，网格也变了
- 有解析法、半解析法、有限差分法等
- 有限差分法简单但效率低
- 解析法效率高但实现难
设计变量的选择：
- 选多少个控制点
- 控制点怎么分布
- 太多了计算量大，太少了不够灵活
- 要根据问题选合适的
5. 形状优化的步骤
怎么做。
基本步骤：
1. 建立初始的有限元模型
2. 参数化形状，比如定义控制点
3. 定义目标函数，比如最小化最大应力
4. 定义约束条件，比如体积、位移等
5. 选择优化算法
6. 运行优化，每一步更新形状和网格
7. 收敛后查看结果
8. 验证和重构几何
注意事项：
- 初始形状要合理
- 形状参数化要做好
- 注意网格质量
- 结果要验证
- 优化后的几何要能制造
6. ANSYS中的形状优化
怎么用ANSYS做。
ANSYS里的形状优化：
- 经典APDL里有形状优化功能
- Workbench里也可以结合DesignXplorer和参数化几何来做
- 也可以用拓扑优化先找方向，再做形状优化细化
常用的方式：
- 参数化CAD几何 + DesignXplorer
- 简单易用
- 适合参数不多的情况
- 可以做各种目标和约束
基本流程：
1. 建立参数化的几何模型
2. 划分网格，设置分析
3. 定义输入参数（形状参数）和输出参数（应力、位移等）
4. 添加DesignXplorer
5. 设计点计算或者直接优化
6. 查看结果
7. 验证
四、尺寸优化和形状优化的对比
1. 相同点
共同点。
都是结构优化：
- 都属于结构优化的范畴
- 都是在满足约束的情况下优化目标
- 基本原理差不多
- 都需要参数化、有限元分析、灵敏度分析、优化算法
都适合详细设计：
- 拓扑形式已经定了
- 在这个基础上优化尺寸和形状
- 结果都比较容易制造
- 工程中都很常用
都可以用ANSYS做：
- ANSYS里都有对应的功能
- 都可以用DesignXplorer做参数优化
- 都可以做单目标和多目标
- 都可以结合各种分析类型
2. 不同点
区别。
设计变量不同：
- 尺寸优化的设计变量是尺寸参数，比如厚度、直径
- 形状优化的设计变量是形状参数，比如控制点坐标
- 形状优化的设计变量一般更多更复杂
变化程度不同：
- 尺寸优化变化最小，只是大小变
- 形状优化变化中等，形状可以变
- 拓扑优化变化最大
难度不同：
- 尺寸优化最简单，最容易实现
- 形状优化难一点，参数化和网格处理麻烦
- 拓扑优化最难
制造性不同：
- 尺寸优化的结果最容易制造
- 形状优化的结果也比较容易制造
- 拓扑优化的结果可能不好制造
应用阶段不同：
- 尺寸优化适合详细设计后期
- 形状优化适合详细设计中期
- 拓扑优化适合概念设计阶段
3. 怎么选
用哪个。
选择的依据：
- 设计阶段：概念阶段用拓扑，详细阶段用形状和尺寸
- 想要多大的变化：变化大就用拓扑，小就用尺寸
- 制造要求：要求高就用尺寸和形状
- 问题的特点：应力集中问题形状优化效果好
- 时间和资源：尺寸最快，形状次之，拓扑最慢
一般建议：
- 先做拓扑优化找概念
- 再做形状优化改进形状
- 最后做尺寸优化细化
- 一步步来，效果最好
当然也可以只做其中一种，根据需要来。
五、常用的优化算法
1. 梯度-based算法
最常用的。
特点：
- 需要目标函数和约束对设计变量的梯度
- 收敛快，效率高
- 适合设计变量多的情况
- 是局部优化算法
- 工程优化中最常用
常用的梯度算法：
- 序列线性规划SLP：把问题线性化，一步步解
- 序列二次规划SQP：二次近似，更准
- 移动渐近线法MMA：很适合结构优化
- 最优准则法OC：针对特定问题，简单高效
- 共轭梯度法
- 等等
优点：
- 效率高，收敛快
- 适合大规模问题
- 精度高
缺点：
- 是局部优化，可能陷入局部最优
- 需要计算梯度，有时候不好算
- 不适合离散变量
2. 无梯度算法
不需要梯度的。
特点：
- 不需要梯度信息
- 直接用函数值
- 一般是全局优化算法
- 计算量大
- 适合变量少的情况或者离散问题
常用的无梯度算法：
- 遗传算法GA
- 粒子群优化PSO
- 模拟退火SA
- 模式搜索
- 响应面法结合优化
- 等等
优点：
- 全局优化，不容易陷入局部最优
- 不需要梯度，简单
- 可以处理离散变量
- 可以处理各种问题
缺点：
- 计算量大，需要很多次函数评估
- 变量多了就很慢
- 精度不一定高
3. 怎么选算法
选哪个。
选择的依据：
- 问题规模：变量多用梯度法，变量少可以用无梯度
- 能不能算梯度：能算梯度就用梯度法，效率高
- 是不是全局最优：需要全局最优就用无梯度或者多起点梯度法
- 有没有离散变量：有离散变量就用无梯度或者专门的方法
- 计算成本：函数评估贵的话用梯度法或者代理模型
一般建议：
- 能用梯度法就用梯度法，效率高
- 梯度不好算或者问题复杂就用代理模型法
- 需要全局最优就用遗传算法、粒子群等，或者多起点
- 函数评估特别贵的话用贝叶斯优化
六、优化中的注意事项
1. 参数化建模
基础中的基础。
为什么重要：
- 参数化是优化的基础
- 参数化没做好，优化就没法做
- 参数化的好坏直接影响优化的效果
参数化的原则：
- 设计变量要能控制想要优化的部分
- 设计变量不要太多也不要太少
- 参数变化的时候模型要能正常更新
- 网格不要畸变太厉害
- 尽量用有物理意义的参数
常见的问题：
- 参数化太复杂，不好调
- 参数化太简单，优化空间不够
- 参数变化的时候模型更新失败
- 网格质量变差
- 等等
2. 目标函数和约束的选择
很重要。
目标函数的选择：
- 要明确优化什么
- 不要太多目标，单目标简单
- 多目标的话要处理好
- 目标要能准确计算
约束条件的选择：
- 约束要合理，不要太松也不要太紧
- 约束太多可能无解
- 约束太少结果可能没用
- 重要的性能都要加约束
常见的问题：
- 目标函数选得不对，优化出来没用
- 约束太严，找不到可行解
- 约束太松，结果不满足要求
- 约束和目标搞混了
3. 结果验证
一定要做。
为什么要验证：
- 优化是数值计算，可能有误差
- 优化模型可能有简化
- 结果可能有数值问题
- 不验证直接用可能出问题
怎么验证：
- 用优化后的参数重新做一次完整的有限元分析
- 看目标函数和约束是不是满足
- 看应力分布、变形等是不是合理
- 和初始设计对比，看改进了多少
- 有没有异常的地方
注意事项：
- 不要只看优化报告的数值
- 一定要看云图和结果的合理性
- 有问题的话要回去调模型
- 优化是工具，结果要工程师判断
4. 局部最优和全局最优
常见的问题。
什么是局部最优：
- 梯度-based的优化算法一般是局部优化
- 从一个初始点出发，找到附近的最优解
- 不一定是全局最优
- 可能有更好的解在别的地方
怎么处理：
- 可以从多个初始点开始优化
- 看看结果是不是一样
- 不一样的话选最好的
- 或者用全局优化算法
- 但全局优化计算量大
注意事项：
- 不要盲目追求全局最优
- 工程上局部最优往往也够用了
- 好的初始点很重要
- 可以结合工程经验选初始点
5. 制造性考虑
结果要能用。
为什么要考虑制造：
- 优化出来的结果要能造出来才行
- 不然再好也没用
- 尺寸优化一般还好，形状优化要注意
- 拓扑优化更要注意
怎么考虑：
- 尺寸优化要考虑标准尺寸、公差
- 形状优化要考虑加工工艺，比如圆角不能太小
- 加制造约束，比如最小尺寸、拔模等
- 优化后还要做可制造性分析
注意事项：
- 不要为了最优而忽略制造
- 最优的不一定是最实用的
- 要在性能和制造性之间平衡
- 工程经验很重要
七、应用举例
1. 板厚优化
最常见的尺寸优化。
问题描述：
- 一个钣金结构，有多块板
- 每块板的厚度是设计变量
- 目标是最小化总重量
- 约束是最大应力不超过许用值，最大位移不超过限值
怎么做：
- 建立有限元模型，每块板的厚度参数化
- 静力分析，算应力和位移
- 定义优化问题：最小重量，应力约束，位移约束
- 用优化算法求解
- 得到最优的厚度分布
好处：
- 在满足性能的前提下减轻重量
- 简单易行
- 效果明显
- 工程中非常常用
2. 圆角优化
常见的形状优化。
问题描述：
- 一个带孔的板，孔边有圆角
- 圆角半径是设计变量
- 目标是最小化孔边的最大应力
- 约束是面积或者重量不变
怎么做：
- 建立参数化模型，圆角半径是参数
- 静力分析，算应力集中
- 定义优化问题：最小最大应力，体积约束
- 形状优化求解
- 得到最优的圆角半径和形状
好处：
- 降低应力集中
- 提高疲劳寿命
- 简单有效
- 很常用
3. 孔形优化
另一个形状优化的例子。
问题描述：
- 一个受拉的板，中间有个孔
- 孔的形状可以变
- 目标是最小化孔边的最大应力
- 约束是孔的面积不变
怎么做：
- 参数化孔的形状，比如用样条曲线
- 静力分析，算应力分布
- 形状优化，找应力最小的孔形
- 一般最优的是椭圆或者类似的形状
好处：
- 显著降低应力集中
- 提高结构强度
- 效果很明显
- 工程中很实用
4. 梁截面优化
尺寸优化的例子。
问题描述：
- 一根梁，截面是矩形或者工字形
- 截面尺寸是设计变量
- 目标是最小化重量或者截面积
- 约束是应力、挠度、屈曲等
怎么做：
- 参数化截面尺寸
- 梁单元或者实体单元分析
- 定义优化问题
- 尺寸优化求解
- 得到最优截面
好处：
- 减轻重量
- 提高性能
- 简单实用
- 很常见
八、总结
尺寸优化和形状优化是结构优化中最常用的两种，比拓扑优化简单，结果也更容易制造，在工程中应用非常广泛。尺寸优化优化结构的尺寸参数，最简单最基础；形状优化优化结构的形状，可以改进应力集中等问题，效果也很好。两者各有各的适用场景，经常结合使用，先拓扑找形式，再形状改进，最后尺寸细化。ANSYS里也有方便的优化功能，可以很容易地做尺寸优化和形状优化。
形状优化与尺寸优化的要点总结：
- 结构优化分三个层次：尺寸优化、形状优化、拓扑优化，变化从小到大，难度从易到难
- 尺寸优化优化尺寸参数，最简单最常用，结果最容易制造，适合详细设计后期
- 形状优化优化结构形状，可以改进应力集中，适合详细设计中期，结果也比较容易制造
- 优化三要素：设计变量、目标函数、约束条件
- 优化过程：参数化建模、有限元分析、灵敏度分析、优化算法、迭代收敛
- 常用算法：梯度-based算法（效率高，局部优化）、无梯度算法（全局优化，计算量大）
- 注意事项：参数化要做好、目标约束要合理、结果要验证、考虑制造性、注意局部最优
- ANSYS中可以用DesignXplorer做参数优化，方便易用
- 应用：板厚优化、圆角优化、孔形优化、截面优化等，非常广泛
给初学者的建议：
- 先从尺寸优化开始，最简单，容易上手
- 先理解优化的基本概念，知道三要素是什么
- 从简单的例子开始，比如一根梁的截面优化，先练手
- 参数化建模是基础，一定要做好，不然后面优化会出问题
- 目标函数和约束要选合理，不要太多太杂
- 优化结果一定要验证，不要直接就用
- 不要盲目追求最优，工程上够用就行
- 要考虑制造性，优化出来造不出来也没用
- 可以先用ANSYS Workbench的DesignXplorer，图形界面容易用
- 梯度法一般就够用了，不一定非要全局优化
- 可以从单目标开始，再慢慢做多目标
- 形状优化比尺寸优化难一点，可以先学尺寸的再学形状的
- 多做实际案例，在实践中积累经验
- 有兴趣再深入研究优化算法和理论
尺寸优化和形状优化是非常实用的工程工具，掌握了之后可以在保证性能的前提下减轻重量、降低成本、提高产品性能，带来很大的价值。它们比拓扑优化更容易上手，结果也更实用，是工程设计中很值得掌握的技术。希望本文能帮助大家入门形状优化与尺寸优化。如果有相关的经验或者问题，欢迎在评论区交流讨论。
|
