單目標拓撲優化
關注創建者：CAE行路人 創建時間：2020-04-11
單目標拓撲優化的視頻教程
Isight--響應面分析+單目標或多目標優化--操作流程
本節課主要講解一下如何用Isight讀取已經處理好的數據進行響應面近似模型建立以及用NLPQL 算法為例進行講解單目標優化問題。多目標優化問題類似處理。
￥19.9 23分鐘 143播放
查看
一個案例教會你怎么使用optistruct進行拓撲優化前后處理
汽車控制臂在某種工況下的單目標拓撲優化為例，講述在optistruct中是如何進行拓撲優化，從而滿足特定要求下汽車控制臂的概念設計。當然你會發現每一種工況下拓撲優化的結果不一樣，對應的應變能迭代曲線也會有所區別。本課程以其中一種工況為例進行講解如何使用optistruct進行拓撲優化前后處理，其它工況依次類推。
￥10 11分鐘 576播放
查看
基于optistruct汽車控制臂多工況拓撲優化
汽車控制臂三種工況下的多目標拓撲優化為例，講述在optistruct中是如何進行多目標拓撲優化，從而滿足特定要求下汽車控制臂的概念設計。對于單目標拓撲優化你會發現每一種工況下拓撲優化的結果不一樣，多目標拓撲優化則綜合考慮多種工況下的目標得到一個綜合結果。 對于多目標優化常用的手段：1、將目標轉化為約束條件；2、對多目標采用加權的方法得到一個綜合目標。
￥12 12分鐘 681播放
查看
單目標拓撲優化的實例教程
汽車控制臂三種工況下的單目標拓撲優化為例，講述在optistruct中是如何進行拓撲優化，從而滿足特定要求下汽車控制臂的概念設計。你會發現每一種工況下拓撲優化的結果不一樣，對應的應變能迭代曲線也會有所區別。
變量：設計空間中每個單元的密度；
約束：體積分數不超過0.3；
目標：每種工況下的應變能最小。
有限元模型
工況1優化后的結果：
拓撲結果（ISO=0.15）
柔度迭代曲線
工況2優化后的結果：
拓撲結果（ISO=0.15）
柔度迭代曲線
工況3優化后的結果：
拓撲結果（ISO=0.15）
柔度迭代曲線
本案例僅提供模型文件及相關指導，凡購買的朋友針對本案例仿真實現上有什么疑問可以私信。下一節將推出如何結合多種工況進行多目標拓撲優化。
展開 本例以汽車控制臂三種工況下的多目標拓撲優化為例，講述在optistruct中是如何進行多目標拓撲優化，從而滿足特定要求下汽車控制臂的概念設計，先通過單目標拓撲優化得到每個工況的最大與最小柔度值，然后通過基于SIMP的多工況靜態剛度拓撲優化數學模型得到三各工況綜合柔度的優化方程
，
汽車控制臂三種工況下的多目標拓撲優化為例，講述在optistruct中是如何進行多目標拓撲優化，從而滿足特定要求下汽車控制臂的概念設計。對于單目標拓撲優化你會發現每一種工況下拓撲優化的結果不一樣，多目標拓撲優化則綜合考慮多種工況下的目標得到一個綜合結果。
對于多目標優化常用的手段：1、將目標轉化為約束條件；2、對多目標采用加權的方法得到一個綜合目標。本案例中采用方法2。
變量：設計空間中每個單元的密度；
約束：體積分數不超過0.3；
目標：多種工況下的綜合應變能最小（每種工況目標權重自定義，此處都定為一樣的1）。
有限元模型
拓撲結果（ISO=0.15）
柔度迭代曲線
本案例僅提供模型文件及相關指導，凡購買的朋友針對本案例仿真實現上有什么疑問可以私信。
請尊重原創，版權所有，翻版必究
展開 第三步則要勾選一個個響應，這些響應要和公式中的未知數一一對應，NEL一般很大，手動創建太難了，為此我們很自然想到使用腳本自動創建這些數據，只要了解Optistruct的語言習慣，自動創建不是難題，本人在研究時，首先創建了基本的優化模型，并驗證可運行，然后使用Python腳本自動完成了1-3步。對于下面的經典L型梁
其中有1600個單元，手動創建很不現實，部分響應和公式如下圖所示
使用本人單獨開發的小腳本，很方便完成這部分內容，然后將它們粘貼到之前創建的簡單優化模型中即可。
優化過程和優化后的效果如下圖所示：
拓撲優化后的等值圖如下圖，可見應力集中的部位基本被消除。本人使用的p范數為6，大家可以嘗試其它數值得到更優異的解：
而柔度最小化優化的結果是下面這樣的，顯然和應力最小拓撲優化是不一樣的，因為拐角還是直的，沒有去除應力集中。
創建公式需要注意格式，感興趣的同學可以嘗試下載附件，附件包括腳本和有效的應力優化模型，謝謝。
同樣使用本文的方法還可以求解多目標優化和多約束優化等等，不僅僅是拓撲優化，尺寸優化，形狀優化也能解決，因為這三種優化類型都需要響應。
展開 飛機發動機吊掛多目標拓撲優化.docx
單目標拓撲優化的相關專題、標簽、搜索
單目標拓撲優化的最新內容
本例以汽車控制臂三種工況、加上1階模態下的多目標拓撲優化為例，講述在optistruct中是如何進行多目標拓撲優化，非公式，目的就是快速得到傳遞路徑，與傳統輸入公式傳遞路徑基本上百分九十以上的相似度，如果有需要公式方面的同學也可以聯系我，有相關的資料
購買后對于模型中不懂的地方都可以問
Optistruct是一款非常優秀的商業有限元求解器、優化求解器，功能強大到炸裂，使用起來也很方便。但偶爾用起來也有一點點小麻煩，初學者經常會碰到的問題就是不知道怎么使用Optistruct進行多目標優化或應力優化這種涉及多個響應的優化。Optistruct中的響應是指要作為目標函數或約束函數的結構的性能，比如質量、體積、體積分數、應力、位移等等，其中應力和位移這種響應屬于局部響應，
本例以汽車控制臂三種工況下的多目標拓撲優化為例，講述在optistruct中是如何進行多目標拓撲優化，從而滿足特定要求下汽車控制臂的概念設計，先通過單目標拓撲優化得到每個工況的最大與最小柔度值，然后通過基于SIMP的多工況靜態剛度拓撲優化數學模型得到三各工況綜合柔度的優化方程
，
案例是基于optistruct考慮靜態與動態特性下的汽車控制臂拓撲優化。結構多目標拓撲優化是以體積分數不超過0.3為約束條件，同時考慮靜態多剛度目標和動態振動頻率（1階模態頻率）為目標的拓撲優化。
有限元模型
基于SIMP的多工況靜態剛度-特征值拓撲優化數學模型如下：
本案例是基于optistruct考慮靜態與動態特性下的汽車控制臂拓撲優化。結構多目標拓撲優化是以體積分數不超過0.3為約束條件，同時考慮靜態多剛度目標和動態振動頻率目標的拓撲優化。由折衷規劃法結合平均頻率法可得到多目標拓撲優化的綜合目標函數：
有限元模型
基于SIMP的多工況靜態拓撲優化數學模型如下
對于單目標拓撲優化你會發現每一種工況下拓撲優化的結果不一樣，多目標拓撲優化則綜合考慮多種工況下的目標得到一個綜合結果。
對于多目標優化常用的手段：1、將目標轉化為約束條件；2、對多目標采用加權的方法得到一個綜合目標。本案例中采用方法2。
汽車控制臂三種工況下的單目標拓撲優化為例，講述在optistruct中是如何進行拓撲優化，從而滿足特定要求下汽車控制臂的概念設計。你會發現每一種工況下拓撲優化的結果不一樣，對應的應變能迭代曲線也會有所區別。
飛機發動機吊掛多目標拓撲優化.docx
