多模型優(yōu)化的案例
多模型優(yōu)化MMO在整車拓?fù)?em>優(yōu)化分析中的應(yīng)用
這里在介紹一下截面力提取的方法，正常處理過程是需要提前在模型中定義好截面，然后將截面力輸出才可以在后處理軟件中完成截面力的提取。這里介紹一下基于META后處理截面力的提取，不需要在模型中事先定義，只需要在后處理時(shí)即可完成任意截面的截面力的提取。即通過Meta-Calculate-Section Forces插件完成。
以上便完成了結(jié)構(gòu)正碰分析下靜態(tài)載荷工況分解以及對(duì)應(yīng)工況下截面力。在整車結(jié)構(gòu)碰撞工況對(duì)應(yīng)的柔度計(jì)算和結(jié)構(gòu)碰撞拓?fù)浞治?em>優(yōu)化時(shí)，分別應(yīng)用上述載荷創(chuàng)建對(duì)應(yīng)的工況以及在對(duì)應(yīng)的位置進(jìn)行加載即可。
三.多模型優(yōu)化
多模型優(yōu)化同時(shí)對(duì)多個(gè)模型進(jìn)行協(xié)同拓?fù)?em>優(yōu)化，本例中包括車身剛度拓?fù)?em>優(yōu)化和整車結(jié)構(gòu)碰撞拓?fù)?em>優(yōu)化兩個(gè)模型。多模型優(yōu)化不需要太多的額外設(shè)置，只需要設(shè)置一個(gè)計(jì)算文件即可，提交計(jì)算時(shí)提交該文件即可。本例的MMO求解文件如下：
最后根據(jù)單模型拓?fù)?em>優(yōu)化和多模型拓?fù)?em>優(yōu)化結(jié)果進(jìn)行拓?fù)?em>優(yōu)化結(jié)果的解讀。完成概念階段整車拓?fù)?em>優(yōu)化傳力路徑優(yōu)化。
以上簡(jiǎn)單介紹了多模型優(yōu)化MMO在整車拓?fù)?em>優(yōu)化分析中的應(yīng)用。后續(xù)還會(huì)介紹多模型優(yōu)化在參數(shù)優(yōu)化尺寸優(yōu)化中的應(yīng)用。
展開 基于optistruct汽車控制臂多模型優(yōu)化（MMO） ￥150
在汽車設(shè)計(jì)過程中，經(jīng)常會(huì)遇到同一個(gè)零部件適用不同車型，如何滿足不同車型下的結(jié)構(gòu)設(shè)計(jì)，可以采用多模型優(yōu)化的思想。當(dāng)然，多模型優(yōu)化還可以用于多學(xué)科、多工況的優(yōu)化。本節(jié)案例僅僅以汽車控制的結(jié)構(gòu)優(yōu)化為例，闡述如何在optistruct中進(jìn)行多模型（MMO）優(yōu)化。
左圖為單個(gè)模型下的優(yōu)化結(jié)果，右圖為多模型下的優(yōu)化結(jié)果。
具體操作部分見收費(fèi)內(nèi)容部分，相關(guān)模型及腳本文件見附件。凡購買本案例的朋友針對(duì)收費(fèi)內(nèi)容部分有疑問，可以一起交流。
展開 手把手教你使用Isight構(gòu)建近似模型進(jìn)行多學(xué)科優(yōu)化 ￥159.9
使用Isight構(gòu)建近似模型，進(jìn)行優(yōu)化攏共分7步，其中前4步參見我之前發(fā)布的貼子《LS-DYNA批量生成K文件與批量計(jì)算》和《LS-DYNA批處理計(jì)算后處理Matlab腳本文件》。
圖1 多學(xué)科優(yōu)化流程
下面把操作教程的部分章節(jié)放在免費(fèi)部分請(qǐng)大家了解文檔內(nèi)容和質(zhì)量，有感興趣的朋友可以嘗試下載，無需下載的請(qǐng)不吝惜點(diǎn)贊、關(guān)注，爭(zhēng)取把小翼送入技術(shù)鄰影響力前50，謝謝。
.。。。。。。。。。。。。。。。。
詳情見附件。
展開 AMESim電控單體泵高速電磁閥多目標(biāo)優(yōu)化分析
最終優(yōu)化目標(biāo)的解:取得出解集中離原點(diǎn)距離最近的點(diǎn)為最優(yōu)集，即
式中：x0=(D10，D20，Y0，J0，R0)T為多目標(biāo)優(yōu)化結(jié)果。
4.3 多目標(biāo)優(yōu)化模型
圖7所示為多目標(biāo)優(yōu)化平臺(tái)modeFRONTIER與AMESim聯(lián)合仿真模型，首先實(shí)驗(yàn)設(shè)計(jì)隨機(jī)產(chǎn)生輸入變量的相互組合，即賦予遺傳算法初始值，經(jīng)過AMESim計(jì)算得出輸出變量的值，優(yōu)化算法再根據(jù)目標(biāo)函數(shù)的要求進(jìn)行選擇優(yōu)化參數(shù)的變異和交換等操作，從而達(dá)到優(yōu)化目的。本研究共有5 個(gè)輸入變量，電控單體泵在典型工況下進(jìn)行仿真，將開啟、關(guān)閉延遲時(shí)間作為輸出變量，并將開啟、關(guān)閉延遲時(shí)間最小作為最終優(yōu)化目標(biāo)。
圖7 電控單體泵多目標(biāo)優(yōu)化模型
4.4 多目標(biāo)優(yōu)化結(jié)果分析
圖8(a)所示為電磁閥響應(yīng)延遲時(shí)間多目標(biāo)優(yōu)化解集，從中選取符合電磁閥開啟、關(guān)閉延遲時(shí)間都最小的Pareto最優(yōu)解集前沿，如圖8(b)所示，在Pareto前沿上選取滿足優(yōu)化目標(biāo)的點(diǎn)，點(diǎn)A為優(yōu)化前電磁閥響應(yīng)延遲時(shí)間點(diǎn)，點(diǎn)C為關(guān)閉延遲最小點(diǎn)，點(diǎn)D為開啟延遲最小點(diǎn)，但這兩個(gè)點(diǎn)的參數(shù)配置均只能實(shí)現(xiàn)對(duì)單個(gè)目標(biāo)的優(yōu)化，為了同時(shí)實(shí)現(xiàn)對(duì)電磁閥開啟和關(guān)閉延遲時(shí)間優(yōu)化的目標(biāo)，應(yīng)用式(2 )計(jì)算出d最小值的x0點(diǎn)，即點(diǎn)B作為最終優(yōu)化結(jié)果點(diǎn)。
從優(yōu)化結(jié)果中可看出，表2給出了優(yōu)化前后設(shè)計(jì)參數(shù)對(duì)比值，表3所示為優(yōu)化前后電磁閥關(guān)閉延遲時(shí)間和開啟延遲時(shí)間。優(yōu)化后，關(guān)閉延遲時(shí)間減小了6%，開啟延遲時(shí)間減小了17.7%，循環(huán)噴油量減小了1.50mm3, 噴油壓力峰值增加0.63MPa。說明經(jīng)過電磁閥延遲響應(yīng)多目標(biāo)優(yōu)化，隨著電磁閥響應(yīng)的加快，噴油壓力有所增加，對(duì)循環(huán)噴油量的控制也更加精確，可進(jìn)一步改善電控單體泵的噴射特性。
展開 
如何使用Optistruct進(jìn)行應(yīng)力拓?fù)?em>優(yōu)化或多目標(biāo)、多約束優(yōu)化 ￥9.99
第三步則要勾選一個(gè)個(gè)響應(yīng)，這些響應(yīng)要和公式中的未知數(shù)一一對(duì)應(yīng)，NEL一般很大，手動(dòng)創(chuàng)建太難了，為此我們很自然想到使用腳本自動(dòng)創(chuàng)建這些數(shù)據(jù)，只要了解Optistruct的語言習(xí)慣，自動(dòng)創(chuàng)建不是難題，本人在研究時(shí)，首先創(chuàng)建了基本的優(yōu)化模型，并驗(yàn)證可運(yùn)行，然后使用Python腳本自動(dòng)完成了1-3步。對(duì)于下面的經(jīng)典L型梁
其中有1600個(gè)單元，手動(dòng)創(chuàng)建很不現(xiàn)實(shí)，部分響應(yīng)和公式如下圖所示
使用本人單獨(dú)開發(fā)的小腳本，很方便完成這部分內(nèi)容，然后將它們粘貼到之前創(chuàng)建的簡(jiǎn)單優(yōu)化模型中即可。
優(yōu)化過程和優(yōu)化后的效果如下圖所示：
拓?fù)?em>優(yōu)化后的等值圖如下圖，可見應(yīng)力集中的部位基本被消除。本人使用的p范數(shù)為6，大家可以嘗試其它數(shù)值得到更優(yōu)異的解：
而柔度最小化優(yōu)化的結(jié)果是下面這樣的，顯然和應(yīng)力最小拓?fù)?em>優(yōu)化是不一樣的，因?yàn)楣战沁€是直的，沒有去除應(yīng)力集中。
創(chuàng)建公式需要注意格式，感興趣的同學(xué)可以嘗試下載附件，附件包括腳本和有效的應(yīng)力優(yōu)化模型，謝謝。
同樣使用本文的方法還可以求解多目標(biāo)優(yōu)化和多約束優(yōu)化等等，不僅僅是拓?fù)?em>優(yōu)化，尺寸優(yōu)化，形狀優(yōu)化也能解決，因?yàn)檫@三種優(yōu)化類型都需要響應(yīng)。
展開 iSIGHT多學(xué)科優(yōu)化應(yīng)用: NASA太空望遠(yuǎn)鏡(NGST)熱、結(jié)構(gòu)、光學(xué)多學(xué)科優(yōu)化
典型的多學(xué)科優(yōu)化設(shè)計(jì)問題：
光學(xué)：CODE V® optical software
結(jié)構(gòu)：MSC/NASTRAN® structural analyzer
熱： SINDA/FLUINT and Thermal Desktop thermal design system.
optiOpt-ICES2002b_SINDA.pdf
上海交通大學(xué)——復(fù)合材料蜂窩夾層板結(jié)構(gòu)的多工況優(yōu)化設(shè)計(jì)研究
復(fù)合材料蜂窩夾層板結(jié)構(gòu)的多工況優(yōu)化設(shè)計(jì)研究
夏利娟 余音 金咸定 上海交通大學(xué) 船舶與海洋工程學(xué)院結(jié)構(gòu)力學(xué)研究所
摘要：以復(fù)合材料蜂窩夾層板結(jié)構(gòu)作為研究對(duì)象，建立了多工況優(yōu)化模型，對(duì)眾多的材料設(shè)計(jì)變量進(jìn)行必要的取舍，通過優(yōu)化分析確定復(fù)合材料蜂窩夾層板面板個(gè)分層的厚度以及蜂窩芯層的厚度等，使結(jié)構(gòu)滿足相應(yīng)的頻率約束、屈曲約束，以及強(qiáng)度約束、位移約束和尺寸限制等，同時(shí)達(dá)到結(jié)構(gòu)得重量最輕。采用序列二次規(guī)劃法對(duì)某衛(wèi)星的承力筒結(jié)構(gòu)進(jìn)行了優(yōu)化設(shè)計(jì)，優(yōu)化結(jié)果表明：在滿足其振動(dòng)特性以及靜力學(xué)特性的條件下，復(fù)合材料蜂窩承力筒的各面板層厚度以及蜂窩芯層的厚度均有所減小，減重效果顯著，較好地實(shí)現(xiàn)了復(fù)合材料蜂窩夾層板結(jié)構(gòu)的多工況優(yōu)化設(shè)計(jì)。
關(guān)鍵詞：蜂窩夾層板，振動(dòng)，優(yōu)化設(shè)計(jì)，復(fù)合材料
內(nèi)容提示：
0 引言
1 優(yōu)化模型的建立
2 復(fù)合材料蜂窩夾層承力筒結(jié)構(gòu)的多工況優(yōu)化設(shè)計(jì)
復(fù)合材料蜂窩夾層板結(jié)構(gòu)的多工況優(yōu)化設(shè)計(jì)研究.pdf
展開 基于Isight多學(xué)科優(yōu)化及輕量化優(yōu)化
關(guān)于整車多學(xué)科優(yōu)化有不同的優(yōu)化策略，這涉及到軟硬件資源、性能要求、項(xiàng)目開發(fā)周期等等各方面的影響。
多目標(biāo)多學(xué)科優(yōu)化--Isight軟件概述
(2)優(yōu)化算法：尋找滿足約束條件和目標(biāo)函數(shù)的最佳設(shè)計(jì)方案。Isight提供了
多種優(yōu)化算法。
(3)回歸建模：用近似模型代替運(yùn)行時(shí)間長(zhǎng)的計(jì)算機(jī)模型，引入了三階和四
階響應(yīng)表面模型以及Kriging模型，以快速獲得解答。
(4)質(zhì)量方法：尋找成功概率高并且對(duì)不確定因素不敏感的設(shè)計(jì)方案，保證
穩(wěn)健性和可靠性。
軟件在產(chǎn)品尋優(yōu)過程中，做到了實(shí)時(shí)監(jiān)控過程運(yùn)行，涉及問題的輸入輸出參數(shù)可以在執(zhí)行過程中通過定制的表格或者圖形進(jìn)行顯示，提供了方便的控制手段和管理模式。
Isight軟件是在應(yīng)用中提升出來的系統(tǒng)性工程平臺(tái)。在多學(xué)科優(yōu)化語言MDOL支持下，接受用戶界面輸入，通過相應(yīng)的過程集成服務(wù)、問題描述服務(wù)、可視化和數(shù)據(jù)分析服務(wù)、后處理服務(wù)以及數(shù)據(jù)庫服務(wù)，以MDOL為核心，借助系統(tǒng)通信層協(xié)議，與仿真引擎、設(shè)計(jì)學(xué)習(xí)引擎、規(guī)則引擎、應(yīng)用程序接口以及第三方軟件工具進(jìn)行通信。形成一個(gè)整體的、可配置的軟件平臺(tái)，適應(yīng)于工程系統(tǒng)的優(yōu)化設(shè)計(jì)和綜合系統(tǒng)分析，為產(chǎn)品的設(shè)計(jì)優(yōu)化和多學(xué)科設(shè)計(jì)分析提供了基礎(chǔ)。
仿真分析流程
展開 modefrontier整車多學(xué)科優(yōu)化及輕量化優(yōu)化
圖：多學(xué)科分析工況
本文以modeFrontier環(huán)境介紹整車多學(xué)科優(yōu)化及輕量化優(yōu)化。針對(duì)剛度、NVH等線性工況，首先進(jìn)行靈敏度分析進(jìn)行變量篩選。針對(duì)碰撞等分線性工況，根據(jù)經(jīng)驗(yàn)篩選出設(shè)計(jì)變量。然后分別針對(duì)不同的工況進(jìn)行DOE分析采樣，用于構(gòu)建元模型，包括質(zhì)量元模型。然后在基于元模型進(jìn)行優(yōu)化，使用遺傳算法進(jìn)行優(yōu)化分析。
一、設(shè)計(jì)變量篩選：
關(guān)于設(shè)計(jì)變量的篩選，請(qǐng)參照《基于Isight多學(xué)科優(yōu)化及輕量化優(yōu)化》一文中基于靈敏度分析進(jìn)行變量篩選的部分。
鏈接：【基于Isight多學(xué)科優(yōu)化及輕量化優(yōu)化】
二、設(shè)計(jì)參數(shù)：
2.1 設(shè)計(jì)變量：根據(jù)靈敏度分析結(jié)果，篩選設(shè)計(jì)變量。
剛度：24個(gè)厚度變量
NVH：26個(gè)厚度變量
正碰：14個(gè)厚度變量
做好設(shè)計(jì)變量統(tǒng)計(jì)表，便于多學(xué)科聯(lián)合時(shí)變量關(guān)聯(lián)。
2.2 設(shè)計(jì)響應(yīng)：
正碰：防火墻侵入量
正碰：B柱加速度
彎曲剛度
彎扭模態(tài)
三、modefrontier多學(xué)科優(yōu)化
多學(xué)科優(yōu)化中的碰撞工況使用LSDYNA進(jìn)行求解，白車身剛度和模態(tài)使用Nastran進(jìn)行求解。
圖：modefrontier多學(xué)科優(yōu)化圖
圖：modefrontier多學(xué)科優(yōu)化界面
3.1 輸入?yún)?shù)
3.2 求解模塊
剛度、模態(tài)使用Nastran求解器進(jìn)行求解，結(jié)果提取包括f06文件、meta提取op2結(jié)果等用于創(chuàng)建設(shè)計(jì)響應(yīng)，設(shè)計(jì)約束。
展開 Isight整車多學(xué)科優(yōu)化及輕量化優(yōu)化
多學(xué)科優(yōu)化可以同時(shí)考察各項(xiàng)性能，并可以將整車質(zhì)量作為設(shè)計(jì)目標(biāo)，在滿足各項(xiàng)性能的基礎(chǔ)上進(jìn)行最優(yōu)化輕量化設(shè)計(jì)。關(guān)于整車多學(xué)科優(yōu)化有不同的優(yōu)化策略，這涉及到軟硬件資源、性能要求、項(xiàng)目開發(fā)周期等等各方面的影響。
更多內(nèi)容歡迎關(guān)注微信公眾號(hào)：CAE數(shù)值優(yōu)化輕量化
分享關(guān)于優(yōu)化軟件LSOPT、Isight、Optimus、Heeds、modefrontier以及二次開發(fā)、輕量化優(yōu)化設(shè)計(jì)等更多原創(chuàng)內(nèi)容。
掃碼關(guān)注微信公眾號(hào)：
關(guān)注公眾號(hào)獲取案例源文件
展開 
在求解多物理場(chǎng)模型時(shí)，你應(yīng)該選擇全耦合還是分步求解？ 附多物理場(chǎng)耦合模型及數(shù)值模擬導(dǎo)論下載
全耦合與分離求解方法
在求解多物理場(chǎng)模型時(shí)，您可以使用軟件中提供的兩種方法來求解用于描述解的方程（通常是非線性）組。
全耦合方法會(huì)形成一個(gè)大型方程組，用于求解所有未知量（場(chǎng)），并在單次迭代中一次包含未知量（多物理場(chǎng)效應(yīng)）之間的所有耦合。
另一方面，
分離方法不會(huì)一次求解所有未知量。相反，該方法將問題細(xì)分為兩個(gè)或更多分離步驟。每個(gè)步驟通常表示一個(gè)物理場(chǎng)，但有時(shí)，即使是一個(gè)物理場(chǎng)也可以細(xì)分為多個(gè)步驟，有時(shí)一個(gè)步驟可以包含多個(gè)物理場(chǎng)。這些單獨(dú)的分離步驟小于通過“全耦合”方法形成的完整方程組。“分離”步驟在單次迭代中按順序進(jìn)行求解，因此需要較少的內(nèi)存。
在許多情況下，軟件會(huì)自動(dòng)選擇分離方法，在求解三維模型時(shí)尤其如此。另一方面，對(duì)于大多數(shù)二維模型，軟件默認(rèn)使用全耦合方法。選擇這些默認(rèn)設(shè)置可以實(shí)現(xiàn)一般穩(wěn)定性。
無論采用哪種方法求解非線性問題，都是通過迭代方式進(jìn)行求解。也就是說，系統(tǒng)會(huì)反復(fù)調(diào)用“全耦合”或“分離”方法，然后逐漸收斂到非線性問題的解。由于“全耦合”方法包含未知量之間的所有耦合項(xiàng)，因此與“分離”方法相比，其收斂性通常更好，且迭代次數(shù)更少。但是，每次迭代求解都需要相對(duì)更多的內(nèi)存和時(shí)間，因此采用“分離”方法時(shí)，總體求解速度會(huì)更快。有關(guān)求解非線性模型的一般性指導(dǎo)，請(qǐng)參見：
提高非線性穩(wěn)態(tài)模型的收斂性的7種有效方法。
設(shè)置全耦合或分離方法
要在當(dāng)前使用“分離”方法的模型中使用“全耦合”方法，可以展開
研究 > 求解器配置設(shè)置，并查找穩(wěn)態(tài)求解器或瞬態(tài)求解器特征。右鍵單擊此特征并選擇全耦合，求解器序列中會(huì)出現(xiàn)一個(gè)新的“全耦合”特征，而分離式求解器將變灰。
*“全耦合”特征。
要設(shè)置“分離”方法，右鍵單擊
穩(wěn)態(tài)求解器或瞬態(tài)求解器特征，并選擇分離以添加新的“分離”特征。
展開 optimus整車多學(xué)科優(yōu)化及輕量化優(yōu)化
整車多學(xué)科優(yōu)化是整車性能、重量的一種協(xié)同優(yōu)化的手段。整車的結(jié)構(gòu)性能包括NVH、碰撞安全、剛強(qiáng)度等。通常的分析優(yōu)化過程都是按不同學(xué)科單獨(dú)進(jìn)行的，然后在驗(yàn)證優(yōu)化方案對(duì)其他性能的影響。多學(xué)科優(yōu)化可以同時(shí)考察各項(xiàng)性能，并可以將整車質(zhì)量作為設(shè)計(jì)目標(biāo)，在滿足各項(xiàng)性能的基礎(chǔ)上進(jìn)行最優(yōu)化輕量化設(shè)計(jì)。關(guān)于整車多學(xué)科優(yōu)化有不同的優(yōu)化策略，這涉及到軟硬件資源、項(xiàng)目開發(fā)周期等等各方面的影響。具體關(guān)于整車多學(xué)科優(yōu)化策略會(huì)在后續(xù)的文章中詳細(xì)討論。
分析工況：
多學(xué)科優(yōu)化考察的工況需要根據(jù)不同的策略進(jìn)行篩選，本案例選擇的非線性工況為正碰和側(cè)柱碰，線性工況為彎曲剛度、扭轉(zhuǎn)模態(tài)工況。
展開 Isight多學(xué)科參數(shù)優(yōu)化軟件模塊構(gòu)成 附isight參數(shù)優(yōu)化理論和實(shí)例詳解下載
運(yùn)行門戶（Runtime Gateway）
監(jiān)控和后處理界面，可以繪制多種曲線、曲面、散點(diǎn)圖、柱狀圖、表格等，結(jié)果運(yùn)行完成后生成Summary報(bào)告給出優(yōu)化運(yùn)行時(shí)間、最優(yōu)結(jié)果及設(shè)計(jì)變量、約束等用戶關(guān)心的問題。提供設(shè)計(jì)空間可視化（VDD）、工程數(shù)據(jù)挖掘（EDM）等后處理功能。
組件庫（Library/Add-OnComponent）
包含通用和專用的CAD/CAE及自編軟件接口。
優(yōu)化算法庫（Optimization）
數(shù)值優(yōu)化、全局優(yōu)化、多目標(biāo)優(yōu)化、專家智能優(yōu)化算法，是工程師開展設(shè)計(jì)優(yōu)化工作的利器。
試驗(yàn)設(shè)計(jì)算法庫（DOE, Design OfExperiments）
通過系統(tǒng)而有效的方法分析設(shè)計(jì)空間、篩選關(guān)鍵設(shè)計(jì)參數(shù)（減少問題規(guī)模）、評(píng)估設(shè)計(jì)變量影響以及辨別關(guān)鍵設(shè)計(jì)變量的交互影響關(guān)系。
近似模型算法庫（Approximation）
對(duì)于計(jì)算代價(jià)高昂的CAE分析，Isight用多種近似原理構(gòu)造替代模型，減少優(yōu)化中調(diào)用大規(guī)模CAE分析計(jì)算的次數(shù)，提高優(yōu)化效率。近似模型還用于剔除輸入?yún)?shù)平緩變化而輸出參數(shù)卻劇烈振蕩的仿真噪音。
質(zhì)量設(shè)計(jì)優(yōu)化（Quality Desgin）
運(yùn)用隨機(jī)仿真和優(yōu)化理論（包括：蒙特卡洛仿真、Taguchi田口穩(wěn)健性設(shè)計(jì)和基于6Sigma可靠性分析和穩(wěn)健性設(shè)計(jì)DFSS，Design For Six Sigma），構(gòu)成一個(gè)完整的、公式化的對(duì)可靠性和穩(wěn)健性進(jìn)行評(píng)價(jià)和改進(jìn)的品質(zhì)設(shè)計(jì)哲學(xué)框架。
下載地址：isight參數(shù)優(yōu)化理論和實(shí)例詳解
展開 基于optistruct靜態(tài)多工況下汽車控制臂多目標(biāo)拓?fù)?em>優(yōu)化 ￥80
本例以汽車控制臂三種工況下的多目標(biāo)拓?fù)?em>優(yōu)化為例，講述在optistruct中是如何進(jìn)行多目標(biāo)拓?fù)?em>優(yōu)化，從而滿足特定要求下汽車控制臂的概念設(shè)計(jì)，先通過單目標(biāo)拓?fù)?em>優(yōu)化得到每個(gè)工況的最大與最小柔度值，然后通過基于SIMP的多工況靜態(tài)剛度拓?fù)?em>優(yōu)化數(shù)學(xué)模型得到三各工況綜合柔度的優(yōu)化方程
，
