主题034形状优化与尺寸优化1. 引言结构优化是现代工程设计中的核心技术旨在通过系统化的方法寻找最优的结构形式以满足特定的性能要求。结构优化通常分为三个层次尺寸优化Sizing Optimization、形状优化Shape Optimization和拓扑优化Topology Optimization。这三个层次构成了结构优化的完整体系从宏观到微观逐步深入地改进结构设计。尺寸优化是最基础的优化层次它保持结构的拓扑形式和几何形状不变仅改变结构的截面尺寸参数如杆件的横截面积、板的厚度等。这种方法计算效率高易于实现是工程实践中最常用的优化手段。形状优化在尺寸优化的基础上更进一步允许改变结构的边界形状但保持拓扑连接关系不变。例如在保持孔洞数量不变的前提下优化孔洞的形状和位置或者优化结构的外形轮廓以获得更好的力学性能。本主题将深入探讨形状优化与尺寸优化的理论基础、数学模型、求解算法以及工程应用。通过系统的理论讲解和丰富的仿真实例帮助读者掌握这两种重要的结构优化方法。2. 尺寸优化基础2.1 尺寸优化的定义与特点尺寸优化Sizing Optimization是指在保持结构拓扑形式和几何形状不变的前提下通过调整结构的截面尺寸参数来优化结构性能的方法。尺寸优化是结构优化三个层次中最基础、最容易实现的一种。尺寸优化的设计变量通常是离散的或连续的尺寸参数如桁架结构中杆件的横截面积框架结构中梁的截面尺寸宽度、高度板壳结构的厚度分布加强筋的位置和尺寸尺寸优化的特点包括优点计算效率高由于几何模型不变有限元网格可以重复使用大大减少了计算成本易于实现可以直接利用现有的有限元分析软件无需复杂的几何更新算法工程实用性强优化结果直接对应可制造的尺寸参数便于工程实施数学性质好设计空间通常是凸的优化问题容易求解局限性设计空间有限无法改变结构的拓扑形式和整体形状优化潜力受限可能错过更优解存在拓扑更优或形状更优的设计方案时尺寸优化无法发现对初始设计依赖性强优化结果的质量很大程度上取决于初始设计的合理性2.2 尺寸优化的数学模型尺寸优化问题的一般数学表述为最小化 f(x) f(x₁, x₂, ..., xₙ) 约束条件 gⱼ(x) ≤ 0, j 1, 2, ..., m hₖ(x) 0, k 1, 2, ..., p xᵢˡ ≤ xᵢ ≤ xᵢᵘ, i 1, 2, ..., n其中x [x₁, x₂, …, xₙ]ᵀ 是设计变量向量代表各单元的尺寸参数f(x) 是目标函数通常是结构重量、柔度或成本gⱼ(x) 是不等式约束如应力约束、位移约束、频率约束等hₖ(x) 是等式约束xᵢˡ 和 xᵢᵘ 是设计变量的上下界2.2.1 桁架结构的尺寸优化桁架结构是尺寸优化最经典的应用对象。设桁架有n根杆件第i根杆件的横截面积为Aᵢ则设计变量为x [A₁, A₂, ..., Aₙ]ᵀ目标函数最小化结构重量最小化W Σᵢ ρᵢ Lᵢ Aᵢ其中ρᵢ是材料密度Lᵢ是杆件长度。约束条件应力约束各杆件的应力不超过许用应力|σᵢ| ≤ σₐ, i 1, 2, ..., n其中σᵢ Fᵢ/AᵢFᵢ是杆件内力。位移约束关键节点的位移不超过允许值|uⱼ| ≤ uₐ, j 1, 2, ..., m尺寸约束横截面积在合理范围内Aᵢˡ ≤ Aᵢ ≤ Aᵢᵘ, i 1, 2, ..., n2.2.2 板壳结构的尺寸优化对于板壳结构设计变量通常是单元厚度。设结构离散为n个单元第i个单元的厚度为tᵢ则目标函数最小化结构重量最小化W Σᵢ ρᵢ Aᵢ tᵢ其中Aᵢ是单元面积。约束条件应力约束√(σₓ² σᵧ² - σₓσᵧ 3τₓᵧ²) ≤ σₐ屈曲约束临界屈曲载荷不小于要求值Pcr ≥ Preq频率约束固有频率避开特定区间ωᵢ ≤ ωˡ 或 ωᵢ ≥ ωᵘ2.3 尺寸优化的求解方法2.3.1 优化准则法OC方法优化准则法是基于KKT条件的迭代算法特别适用于应力约束和位移约束的尺寸优化问题。基本原理对于应力约束最优解满足满应力准则|σᵢ| σₐ, 对于活跃约束即在最优设计中所有杆件都达到满应力状态除非受到尺寸约束限制。迭代格式Aᵢ⁽ᵏ⁺¹⁾ Aᵢ⁽ᵏ⁾ (|σᵢ|/σₐ)^(1/η)其中η是松弛因子通常取0.5-0.8。算法步骤初始化设计变量Aᵢ⁽⁰⁾进行有限元分析计算各杆件应力σᵢ按迭代公式更新设计变量检查收敛准则|Aᵢ⁽ᵏ⁺¹⁾ - Aᵢ⁽ᵏ⁾|/Aᵢ⁽ᵏ⁾ ε如未收敛返回步骤22.3.2 数学规划法对于复杂的约束条件可以使用数学规划方法序列线性规划SLP在当前设计点x⁽ᵏ⁾处对目标函数和约束进行线性化最小化f(x⁽ᵏ⁾) ∇f(x⁽ᵏ⁾)ᵀ(x - x⁽ᵏ⁾) 约束 gⱼ(x⁽ᵏ⁾) ∇gⱼ(x⁽ᵏ⁾)ᵀ(x - x⁽ᵏ⁾) ≤ 0 xˡ ≤ x ≤ xᵘ这是一个线性规划问题可以用单纯形法求解。序列二次规划SQP在SLP的基础上用二次函数近似目标函数最小化f(x⁽ᵏ⁾) ∇f(x⁽ᵏ⁾)ᵀΔx ½ΔxᵀH⁽ᵏ⁾Δx 约束 gⱼ(x⁽ᵏ⁾) ∇gⱼ(x⁽ᵏ⁾)ᵀΔx ≤ 0 hₖ(x⁽ᵏ⁾) ∇hₖ(x⁽ᵏ⁾)ᵀΔx 0其中H⁽ᵏ⁾是Hessian矩阵或其近似如BFGS更新。2.4 尺寸优化的工程应用2.4.1 桥梁结构优化桥梁结构的尺寸优化主要涉及主梁截面尺寸的优化横梁和纵梁的布置与尺寸索力优化斜拉桥、悬索桥桥墩和基础的尺寸设计案例简支梁桥优化某简支梁桥跨度L30m设计变量为主梁高度h范围1.5-2.5m腹板厚度t_w范围0.2-0.4m翼缘宽度b_f范围1.0-1.5m翼缘厚度t_f范围0.15-0.25m目标最小化用钢量约束最大挠度 ≤ L/400最大应力 ≤ 许用应力2.4.2 航空航天结构优化航空航天领域对重量极其敏感尺寸优化应用广泛机翼蒙皮厚度优化机身框架截面优化发动机支架尺寸设计起落架结构优化案例机翼蒙皮厚度优化机翼蒙皮承受气动载荷需要满足强度和刚度要求。将蒙皮离散为多个区域每个区域的厚度作为设计变量进行厚度分布优化。3. 形状优化理论3.1 形状优化的定义与特点形状优化Shape Optimization是指在保持结构拓扑连接关系不变的前提下通过改变结构的边界形状来优化结构性能的方法。与尺寸优化相比形状优化具有更大的设计自由度可以发现更优的结构形式。形状优化的设计变量通常是边界曲线的控制点坐标几何参数如圆角半径、孔洞位置设计域的边界形状形状优化的特点优点设计空间大可以改变结构的整体形状发现更优的设计性能提升显著相比尺寸优化可以获得更大的性能改进减少应力集中通过优化边界形状可以有效降低应力集中改善流体性能在流固耦合问题中可以优化气动或水动性能挑战网格更新复杂形状改变需要更新有限元网格可能产生畸形单元计算成本高每次迭代都需要重新生成网格或更新网格几何描述困难复杂形状的参数化需要特殊的技术可能产生振荡边界形状可能出现不光滑或振荡现象3.2 形状优化的数学模型形状优化问题的数学表述为最小化 J(Ω) ∫_Ω f(x,u,∇u) dΩ 约束条件 gⱼ(Ω) ≤ 0, j 1, 2, ..., m hₖ(Ω) 0, k 1, 2, ..., p其中Ω代表设计域是形状优化的设计变量。3.2.1 边界参数化方法基于设计单元的参数化将边界离散为多个设计单元每个单元的节点坐标作为设计变量X [x₁, y₁, x₂, y₂, ..., xₙ, yₙ]ᵀ这种方法简单直观但设计变量多边界可能不光滑。基于样条曲线的参数化使用B样条或NURBS曲线描述边界C(u) Σᵢ Nᵢ,ₚ(u) Pᵢ其中Nᵢ,ₚ(u)是p次B样条基函数Pᵢ是控制点。控制点坐标作为设计变量可以保证边界的光滑性。基于形状函数的参数化使用少量形状基函数描述边界变形Γ(ξ) Γ₀(ξ) Σᵢ αᵢ φᵢ(ξ)其中Γ₀是初始边界φᵢ是形状基函数αᵢ是设计变量。3.2.2 形状灵敏度分析形状灵敏度Shape Sensitivity是形状优化的核心表示目标函数对边界形状变化的敏感程度。离散法Discrete Method直接对离散化的有限元方程求导dJ/dX ∂J/∂X (∂J/∂u)(du/dX)其中du/dX通过隐函数微分获得K(du/dX) dF/dX - (dK/dX)u连续法Continuum Method基于变分原理和材料导数概念在连续层面上推导灵敏度。对于目标函数J(Ω) ∫_Ω G(u) dΩ其形状灵敏度为dJ/dΩ ∫_Γ G(u) (V·n) dΓ ∫_Ω (∂G/∂u) u dΩ其中V是速度场n是边界外法向量u’是位移场的形状导数。伴随法Adjoint Method对于大量设计变量的情况使用伴随法可以高效计算灵敏度。引入伴随变量λ满足Kλ ∂J/∂u则形状灵敏度为dJ/dX ∂J/∂X λᵀ(dF/dX - (dK/dX)u)3.3 形状优化的求解策略3.3.1 基于网格变形的方法弹性网格变形将网格视为弹性体边界位移作为载荷求解网格变形K_mesh δ f_boundary其中K_mesh是网格的刚度矩阵f_boundary是边界位移引起的等效节点力。偏微分方程方法使用Laplace方程或弹性方程控制网格变形∇²δ 0 在Ω内 δ δ_Γ 在Γ上这种方法可以产生光滑的网格变形避免单元畸形。3.3.2 无网格方法水平集方法Level Set Method用隐函数φ(x)描述边界Γ {x | φ(x) 0} Ω {x | φ(x) 0}边界的演化通过Hamilton-Jacobi方程控制∂φ/∂t Vₙ|∇φ| 0其中Vₙ是边界的法向速度。优点可以处理拓扑变化边界自动保持光滑无需显式参数化扩展有限元方法XFEM在标准有限元基础上通过富集函数描述不连续性可以在固定网格上处理移动边界问题。3.4 形状优化的工程应用3.4.1 孔洞形状优化带孔板是工程中常见的结构形式孔洞形状对结构的应力分布和强度有重要影响。案例无限大板中的孔洞优化在单向拉伸载荷作用下椭圆孔是最优形状。椭圆的长短轴比应与主应力比相关a/b σ₁/σ₂其中a是椭圆长半轴b是短半轴σ₁和σ₂是远场主应力。对于有限尺寸的板最优孔洞形状需要通过数值优化确定。3.4.2 连接件形状优化机械连接件如螺栓、铆钉连接的形状优化可以降低应力集中系数提高连接强度和疲劳寿命减轻重量案例T型连接件优化T型连接件在拐角处存在严重的应力集中。通过优化拐角形状如采用圆弧过渡、椭圆过渡或Bezier曲线可以显著降低应力集中系数。3.4.3 气动外形优化在航空航天和汽车工业中形状优化用于优化气动外形翼型优化设计变量翼型控制点坐标目标函数升阻比最大或阻力最小约束升力系数、力矩系数、几何约束厚度、面积车身外形优化减少空气阻力优化升力分布考虑美观和制造约束4. 尺寸优化与形状优化的比较4.1 优化层次的关系尺寸优化、形状优化和拓扑优化构成了结构优化的完整体系三者之间存在层次关系拓扑优化 → 形状优化 → 尺寸优化 宏观布局边界形状详细尺寸设计空间大小拓扑优化最大可以改变材料的有无形状优化中等可以改变边界形状尺寸优化最小只能改变尺寸参数计算复杂度拓扑优化最高需要处理材料分布形状优化中等需要网格更新尺寸优化最低网格固定工程实用性拓扑优化概念设计阶段形状优化初步设计阶段尺寸优化详细设计阶段4.2 组合优化策略在实际工程中通常采用组合优化策略顺序优化首先进行拓扑优化确定材料布局然后进行形状优化优化边界形状最后进行尺寸优化确定详细尺寸多级优化在不同设计阶段使用不同的优化方法逐步细化设计。协同优化同时进行形状和尺寸优化考虑两者的耦合效应。5. 高级主题5.1 多目标优化实际工程问题通常涉及多个相互冲突的目标重量 vs. 刚度成本 vs. 性能强度 vs. 重量Pareto最优解在多目标优化中Pareto最优解是指在不损害其他目标的前提下无法再改进任何一个目标的解。求解方法加权求和法最小化J w₁J₁ w₂J₂ ... wₙJₙε-约束法最小化J₁ 约束 J₂ ≤ ε₂, J₃ ≤ ε₃, ...进化算法NSGA-II、MOEA/D等进化算法可以直接求解多目标优化问题获得Pareto前沿。5.2 鲁棒性优化考虑不确定性的优化设计不确定性来源材料属性的分散性载荷的波动性制造误差模型误差鲁棒性优化模型最小化E[f(x,ξ)] α·Var[f(x,ξ)] 约束 P(gⱼ(x,ξ) ≤ 0) ≥ P₀其中ξ是不确定参数E[·]是期望值Var[·]是方差P(·)是概率。5.3 制造约束处理优化设计必须考虑制造可行性常见制造约束最小尺寸约束拔模角度约束铸造对称性约束离散尺寸约束标准型材处理方法惩罚函数法约束投影法几何参数化6. 数值算例与仿真6.1 十杆桁架尺寸优化问题描述经典十杆桁架优化问题目标是最小化结构重量约束为应力和位移。设计变量10根杆件的横截面积A₁-A₁₀优化结果通过优化结构重量可以减小30-40%同时满足所有约束条件。6.2 悬臂梁形状优化问题描述优化悬臂梁的宽度分布在固定体积约束下最小化端部位移。设计变量梁宽度沿长度的分布b(x)优化结果最优宽度分布呈非线性变化根部较宽端部较窄。6.3 带孔板形状优化问题描述优化中心孔洞的形状在双向拉伸载荷下最小化最大应力。设计变量孔洞边界形状优化结果最优孔洞形状接近椭圆长短轴比与应力比相关。6.4 多目标尺寸优化问题描述同时优化结构的重量和刚度寻找Pareto最优解集。设计变量各杆件横截面积优化结果获得Pareto前沿展示重量与刚度的权衡关系。