CAE優化分析的案例
CAE在汽車結構及材料優化中的仿真分析與應用
除了這些已成熟的CAE技術之外，近些年在汽車行業也出現了一些新技術如虛擬試車場整車分析、制造車間焊裝鉚接過程模擬分析等。
基于Inspire的FSCC賽車懸架立柱優化設計及CAE分析
基于Altair Inspire的優化機理，本研究的懸架立柱優化原則和思路如下。①降低主銷偏移距：由于選用的賽車車輪的偏心距較小，因此在設計前立柱時，需盡量使上、下臂與立柱的鉸接點在不與其他零件發生干涉的前提下盡量靠近車輪中心線，以減小轉向主銷偏移距和轉向所需要的力矩；②采用輕質材料降低質量：選用鈦合金，以減小立柱的整體質量；③由于幾何空間干涉原因，在保證轉向推桿安裝位置的前提下，沒有多余的空間安裝支耳連接立柱和轉向推桿，因此只對懸架立柱支耳和立柱體進行結構優化。
圖4 未優化前懸架立柱的有限元分析
首先對未優化前的懸架立柱進行了CAE分析，如圖4所示。按照前述受力計算結果，分別在相應位置施加載荷，如圖4(a）所示。由于懸架立柱上下兩部分的受力情況與形狀特征不同，所以將其分解成上下兩部分，并采用不對稱的方式，如圖4(b）所示。設置其分析網格尺寸大小為1.5 mm，并選用TC4鈦合金材料，其楊氏模量為116.5 GPa，屈服強度1 029 MPa。利用Inspire軟件得到有限元模擬結果，如圖4(c）～圖4(e）所示。前立柱的最大應力值為210 MPa，最大應變值為0.002，但考慮到進一步提升整個FSC賽車的性能，需對懸架立柱進行拓撲結構優化，以期達到減重的目的。
在Inspire的優化模塊中選擇拓撲優化，以支架的剛度最大化為設計目標，以設計空間的總體積為設計變量，以無頻率約束、最小厚度為4.5 mm、滑動接觸為約束條件，質量目標為設計空間的20%。在Inspire軟件中，厚度約束指的是優化后結構的最小厚度，其值越小優化精度越高，但所需時間也越久。此外，厚度約束值與后臺的網格數量密切相關，厚度約束值越小則后臺生成的網格數量也越多。Inspire軟件默認后臺網格尺寸大小為厚度約束的1/3。在得到優化結果后，對該結果進行了分析驗證，如圖5所示。
展開 CAE優化分析在大型注塑模設計中的應用
來源：互聯網 作者：鄧曉紅 付勇智
關鍵字：注射模 CAE 流動分析 澆口設計
文章探討了澆口對注塑產品質量的影響，總結了澆口設計原則。利用MOLDFLOW軟件完成了轎車儀表板澆注系統、冷卻系統及成型工藝的設定和優化，通過典型例子說明了如何利用注射模CAE的分析結果解決大型注射模澆注系統和冷卻系統設計中出現的問題。
引言
隨著汽車行業的飛速發展，大型塑料制品如儀表臺、保險杠、汽車門內護板等精密零部件的應用越來越廣泛，傳統的注射模生產方式已不能適應現代汽車工業對塑料制品產量、質量和更新換代速度的需求。
在生產實踐表明澆口設計的質量是影響注塑產品質量重要因素。近年來許多專家學者對澆口設計進行深入的探討。1998年。Yao和Kim從長度與位置等方面對熔接痕進行了定量研究。同年，Smith使用計算幾何方法描述澆口的位置，并使用序列線性規劃法對澆口位置進行了優化。
文章使用Moldflow軟件對某轎車儀表板進行澆口優化。
1 澆口設計
通常所指澆注系統是指流道及澆口，尤其是澆口直接影響著塑料制品的質量，澆口是流道與型腔之間的節流器，因而澆口的相對位置、形狀、大小是影響注塑產品的重要因素。澆口位置影響塑料在型腔內的流動與排氣、個別部位疏松。產生熔接痕，嚴重影響塑料制品的成型質量及其性能。澆口尺寸過小將增加塑料流動的阻力，增大壓力損失，使塑料流動困難還會使澆口處的塑料過早固化。
展開 CAE仿真對公交客車的強度分析與優化
然后對結構設計不合理的區域進行優化。根據以上分析針對四個應力集中區域分別改進設計。主要優化措施如下：
（1）將上下兩端立柱對齊，減少上下兩個立柱之間交叉形成的剪切力。
（2）改進中門立柱處連接形式。
（3）加強頂蓋橫梁與縱梁之間的連接。
（4）增大后縱梁材料厚度和垂向高度。將厚度由初始設計的4mm增大到5mm，同時將縱梁垂向高度h增大10mm。
根據以上優化方案，改進結構后重新進行四個工況的強度分析，可見幾個區域的應力有了比較明顯的改變，最大應力大小由原始結構的超過300MPa，減小到200MPa左右，滿足強度要求，達到了較好的效果。下圖是經過更改后的四個局部區域結構應力分布云圖。
側圍后立柱更改后應力
中門立柱結構更改后應力
頂蓋接頭增強后應力
后縱梁更改后應力
結論
本文應用有限元方法分析了一款8米城市公交客車骨架的強度，通過四種典型工況的評估，找到結構應力集中的區域，并優化改進這些區域的局部結構，改善了應力集中情況，實現了強度設計目標。通過應用HyperWorks輔助設計，可以大大提高設計效率，減少試驗次數，降低研發成本，獲得可觀的效益。
展開 
CAE在汽車優化設計的仿真分析與應用
有限元科技小編有話說
作為行業領先的CAE技術服務公司，有限元科技致力于為客戶提供高水平的專業CAE應用服務。
10年來，有限元科技先后為汽車行業客戶制定、實施結構強度，跌落，沖擊，振動，疲勞壽命，模流，散熱，噪音，NVH、流體分析等CAE仿真分析，幫助客戶高效改進產品設計、提高產品性能、節省材料成本，最重要的是節約了原本需要多次試驗的大量資金和時間，快人一步，搶占市場先機！
基于機器學習和代理模型的CAE參數優化模型建立
通常CAE分析優化代理模型精度是使用R2值進行評價的，一般要求大于95%。
這里定義一個計算R2值的函數。
綠色曲線為真實CAE計算值，紅色曲線點為支持向量機機器學習模型預測值。
綠色曲線為真實CAE計算值，紅色曲線點為貝葉斯嶺回歸機器學習模型預測值。
以上數據中第一列為真實CAE計算結果，第二列為AI模型預測結果，第三列為差異百分比。可以看出精度很高。
本例中實質是在進行回歸分析，因此回歸機器學習模型都可以用于本例中數據的處理。如多項式回歸、嶺回歸、決策樹回歸和神經網絡回歸等。
三.代理模型（元模型）
傳統的代理模型包括徑向基函數、多項式、Kriging等等模型。本例中介紹Kriging代理模型生成。
定義Kriging代理模型生成函數，并通過訓練集進行代理模型生成。然后通過訓練集進行模型精度測試。
可以發現，在小數據集時傳統的代理模型要比機器學習模型精度高的多，而隨著數據集的增大時，機器學習模型的精度會隨著數據集的增大而提高。
為了進行對比，使用優化軟件進行相關分析。本例中使用modefrontier進行。通過將數據集按8:2分為訓練集和測試集數據。
為了進行對比，選擇Kriging模型。Modefrontier同樣有機器學習模型，如支持向量機回歸，K近鄰、多層感知機等等。這方面modefrontier較其他優化軟件要先進的多。包括數據處理等內容也較其他優化軟件更加豐富。
在測試集中進行分析后，代理模型計算結果和真實結果偏差曲線。
展開 『轉貼』轎車保險杠大型注射模設計及CAE
3 CAE優化分析
在對轎車前保險杠注射模的總體結構、使用功能控制及模具結構的具體設計(包括澆注系統成型零件和導向裝置、測向分型抽芯機構、模溫控制裝置等的設計)進行全面設定的基礎上，采用華中科技大學國家模具重點實驗室開發的HSCAE(華塑CAE)軟件進行優化及動態模擬分析，從而改變了過去那種單靠人為經驗來設計模具澆口位置及尺寸，需要多次試模．反復修改，才能最后設計定型和制造模具的落后方法。該課題的開展，將會極大地減少設計人員反復估算饒口尺寸的繁雜勞動，加速我國對大型轎車注射模設計、制造及產品牛產系列化的進程。
塑料注射成型時，塑料在型腔中的流動和成型，與材料的性能、塑件的形狀尺寸、成型溫度、成型速度．成型壓力、成型時間、模腔表面情況和模具設計等一系列因素有關。CAE優化分析就是利用計算機高速運算功能，綜合考慮各種因數，得出流動場、溫度場、壓力場、剪切應力場等模擬結果，從而評定所用方案的優劣。這里使用華中科技大學模具國家重點實驗室開發的HSCAE5.0軟件進行優化分析。
流動場分析結果如圖2所示，其流動是平衡的，結合后面熔結痕分析結果說明澆口開設是合理的。
溫度場分結果如圖3所示，結束時溫差比較大，可能原因是此模具采用熱流道技術，而CAE分析結果按冷流道汁算得出。若出現注射結束時不同位置的溫差太大，就很難獲得均勻的冷卻，不同的溫度將導致聚合體的密度和性能都發生著改變，這樣會產生翹曲。同時可能會產生較大的因溫差引起的殘余應力。
壓力場結果如圖4所示，因為熱流道原因，出現輕度壓力不是現象。若出現壓力不足現象應考慮以下因素：①材判流動性不夠；②制品過大而零件壁厚很薄；③流道長度過長；④需要分級注射。
剪切應力場結果如圖畫所示，應力場均勻，不會產生噴現象。
展開 CAE培訓中心6月課程（ACTRAN 艙內聲源特性及艙室聲環境仿真分析與優化）
培訓名稱：ACTRAN 艙內聲源特性及艙室聲環境仿真分析與優化
培訓時間：2014年6月12-13日
培訓地點：上海
內容鏈接：http://www.caetraining.com.cn/detail.aspx?id=272
融合深度學習與CAE技術的結構分析與優化設計：一種新興的數值方法”提升工程仿真效率
本課程結合大模型輔助編程，探索其在微分方程求解、代碼調試及多任務優化中的應用，推動“AI for Science”的工程化落地。
疲勞斷裂與物理神經網絡 流體固體
?
CAE方法中優化技術
然而，樣條插值技術又使CAE中的優化成為可能，多個數值點可以利用插值技術形成一條連續的可用函數表達的曲線或曲面，如此便回到了數學意義上的極值優化技術上來。樣條插值方法當然是種近似方法，通常不可能得到目標函數的準確曲面，但利用上次計算的結果再次插值得到一個新的曲面，相鄰兩次得到的曲面的距離會越來越近，當它們的距離小到一定程度時，可以認為此時的曲面可以代表目標曲面。那么，該曲面的最小值，便可以認為是目標最優值。
以上就是CAE方法中的優化處理過程。一個典型的CAE優化過程通常需要經過以下的步驟來完成：
參數化建模：利用CAE軟件的參數化建模功能把將要參與優化的數據（設計變量）定義為模型參數，為以后軟件修正模型提供可能。 求解：對結構的參數化模型進行加載與求解 后處理：把狀態變量（約束條件）和目標函數（優化目標）提取出來供優化處理器進行優化參數評價。 優化參數評價：優化處理器根據本次循環提供的優化參數（設計變量、狀態變量及目標函數）與上次循環提供的優化參數作比較之后確定該次循環目標函數是否達到了最小，或者說結構是否達到了最優，如果最優，完成迭代，退出優化循環圈，否則，進行下步。 根據已完成的優化循環和當前優化變量的狀態修正設計變量，重新投入循環。
三、 CAE方法中優化技術的特點 從以上的過程我們或許已經看到CAE優化過程的某些基本特征，如計算模型的參數化、迭代過程的自動性等。但作為優化技術與CAE方法的完美結合的產物，CAE優化方法必然有比之更豐富的特點。
首先，現代CAE技術的發展已使人們的分析領域擴展到了各行各業的每個角落，所研究問題的深度及綜合程度都在逐步提高，研究者的目光已從單一場分析轉向了多場耦合分析，以追求更為真實的模擬結果。CAE軟件的優化技術的適應范圍也必然隨之擴展，不但要求它能解決各種單場問題，而且應該能處理多場耦合過程的優化。
展開 CAE方法中的優化技術
以上就是CAE方法中的優化處理過程。一個典型的CAE優化過程通常需要經過以下的步驟來完成： 參數化建模：利用CAE軟件的參數化建模功能把將要參與優化的數據（設計變量）定義為模型參數，為以后軟件修正模型提供可能。 求解：對結構的參數化模型進行加載與求解 后處理：把狀態變量（約束條件）和目標函數（優化目標）提取出來供優化處理器進行優化參數評價。 優化參數評價：優化處理器根據本次循環提供的優化參數（設計變量、狀態變量及目標函數）與上次循環提供的優化參數作比較之后確定該次循環目標函數是否達到了最小，或者說結構是否達到了最優，如果最優，完成迭代，退出優化循環圈，否則，進行下步。 根據已完成的優化循環和當前優化變量的狀態修正設計變量，重新投入循環。 下圖是數值優化的過程框圖
三、 CAE方法中優化技術的特點 從以上的過程我們或許已經看到CAE優化過程的某些基本特征，如計算模型的參數化、迭代過程的自動性等。但作為優化技術與CAE方法的完美結合的產物，CAE優化方法必然有比之更豐富的特點。 首先，現代CAE技術的發展已使人們的分析領域擴展到了各行各業的每個角落，所研究問題的深度及綜合程度都在逐步提高，研究者的目光已從單一場分析轉向了多場耦合分析，以追求更為真實的模擬結果。CAE軟件的優化技術的適應范圍也必然隨之擴展，不但要求它能解決各種單場問題，而且應該能處理多場耦合過程的優化。汽車、潛艇、飛機等設備設計過程中常會考慮優化其外形使更有利于在高速行駛時減少流體阻力，而同時必需慮外形的變更是否有損于設備的其它如力學和熱學方面的性能。可見單純的流體動力學優化只能解決一方面問題，而只有將其內部設備的力學或熱學問題耦合分析，才能真正完整的解決問題。 其次，一個優化迭代過程通常是從前處理開始，經過建模、分網、加載、求解和后處理，而優化問題通常需要較多的迭代才能收斂。
展開 
Hypermorph在CAE結構優化中的應用
今天跟大家分享一下關于morph volume法的簡單應用。
圖1 車身地板縱梁
圖2 前大燈橫梁
morph volume的實際操作
目的：將縱梁接頭處z向增加10mm
步驟1：創建控制體
tools→Hypermorph→morph volumes→creat，按下圖設置，選擇需要變形的網格單元
步驟2：細分控制體
tools→Hypermorph→morph volumes→split/combine，我們要將變動的區域和不動的區域分開，選擇volume的一個邊，出現一個“X”，然后split就完成了切分，紅色的小點是生成的handle，如下圖：
步驟3：處理變動區域和不動區域間的運動關系
tools→Hypermorph→morph volumes→update edges ,圖中紅色標記即為需要打斷的運動關系。
步驟4：移動handle實現組件變形
tools→Hypermorph→morph→move handle，
translate，先將選中的handle向-Z向移動10mm。如下圖：
morph后的效果如下圖：
展開 ANSYS 優化設計 CAE仿真
_ANSYS_Workbench_15.0_有限元分析培訓(第二講).pdf
CAE于試驗承重臺優化中的應用
<o：p style="font-family:宋體, SimSun;font-size:14px;box-sizing: content-box;"></o：p>
<o：p style="font-family:宋體, SimSun;font-size:14px;box-sizing: content-box;"></o：p>
圖4拓撲優化圖<o：p style="font-family:宋體, SimSun;font-size:14px;box-sizing: content-box;"></o：p>
<o：p style="font-family:宋體, SimSun;font-size:14px;box-sizing: content-box;"></o：p>
圖5優化方案<o：p style="font-family:宋體, SimSun;font-size:14px;box-sizing: content-box;"></o：p>
對優化方案重新進行進行典型的受力分析，結果可以看出載荷施加在中間位置時，臺面的變形量最大。優化后臺面最大變形量為0.48mm（圖6），可以滿足設計要求。
展開 CAE最優化與可靠度設計 ￥1
CAE最優化與可靠度設計
附件為完整文檔，感興趣的可以查看附件！
