Сравнивайте с английским: нажмите на абзац — оригинал откроется в окне. Кнопка EN под абзацем показывает его прямо в тексте.
Содержание
Введение
Математический метод оптимизации компоновки материала при заданных условиях
Mathematical method for optimizing material layout under given conditions
Топологическая оптимизация – это математический метод, который оптимизирует компоновку материала в заданном пространстве проектирования для заданного набора нагрузок, граничных условий и ограничений с целью максимизации эффективности системы. Топологическая оптимизация отличается от оптимизации формы и размеров тем, что конструкция может принимать любую форму в пространстве проектирования, а не ограничиваться предопределенными конфигурациями. В традиционной топологической оптимизации для оценки характеристик конструкции используется метод конечных элементов (МКЭ). Оптимизация конструкции выполняется с использованием либо методов математического программирования на основе градиента, таких как алгоритм критерия оптимальности и метод перемещающихся асимптот, либо методов, не основанных на градиенте, таких как генетические алгоритмы. Топологическая оптимизация находит широкое применение в аэрокосмической, машиностроительной, биохимической и гражданском строительстве. В настоящее время инженеры в основном используют топологическую оптимизацию на концептуальном этапе проектирования. Из-за возникающих свободных форм результат часто сложно изготовить. Поэтому результат, полученный в результате топологической оптимизации, часто дорабатывается с учетом технологичности. Добавление ограничений к формулировке для повышения технологичности является активной областью исследований. В некоторых случаях результаты топологической оптимизации могут быть непосредственно изготовлены с использованием аддитивных технологий; таким образом, топологическая оптимизация является ключевым элементом проектирования для аддитивного производства.
Topology optimization is a mathematical method that optimizes material layout within a given design space, for a given set of loads, boundary conditions and constraints with the goal of maximizing the performance of the system. Topology optimization is different from shape optimization and sizing optimization in the sense that the design can attain any shape within the design space, instead of dealing with predefined configurations. The conventional topology optimization formulation uses a finite element method (FEM) to evaluate the design performance. The design is optimized using either gradient based mathematical programming techniques such as the optimality criteria algorithm and the method of moving asymptotes or non gradient based algorithms such as genetic algorithms. Topology optimization has a wide range of applications in aerospace, mechanical, bio chemical and civil engineering. Currently, engineers mostly use topology optimization at the concept level of a design process. Due to the free forms that naturally occur, the result is often difficult to manufacture. For that reason the result emerging from topology optimization is often fine tuned for manufacturability. Adding constraints to the formulation in order to increase the manufacturability is an active field of research. In some cases results from topology optimization can be directly manufactured using additive manufacturing; topology optimization is thus a key part of design for additive manufacturing.
Методология осуществления
Существуют различные методологии, применяемые для решения задач оптимизации топологии.
There are various implementation methodologies that have been used to solve topology optimization problems.
Решение с дискретными/бинарными переменными
Решение задач оптимизации топологии в дискретном понимании выполняется путем разбиения расчетной области на конечные элементы. Плотности материала внутри этих элементов рассматриваются как переменные задачи. В этом случае плотность материала, равная единице, указывает на наличие материала, а нулевое значение – на его отсутствие. Поскольку достижимая топологическая сложность конструкции зависит от числа элементов, предпочтительно использовать их большое количество. Большое число конечных элементов повышает достижимую топологическую сложность, но требует определенных затрат. Во-первых, решение системы конечных элементов становится более вычислительно сложным. Во-вторых, алгоритмы, способные обрабатывать большое количество (несколько тысяч элементов – обычная практика) дискретных переменных при наличии множественных ограничений, либо отсутствуют, либо чрезвычайно чувствительны к изменениям параметров. В литературе встречаются примеры решения задач с количеством переменных до 30000.
Solving topology optimization problems in a discrete sense is done by discretizing the design domain into finite elements. The material densities inside these elements are then treated as the problem variables. In this case material density of one indicates the presence of material, while zero indicates an absence of material. Owing to the attainable topological complexity of the design being dependent on the number of elements, a large number is preferred. Large numbers of finite elements increases the attainable topological complexity, but come at a cost. Firstly, solving the FEM system becomes more expensive. Secondly, algorithms that can handle a large number (several thousands of elements is not uncommon) of discrete variables with multiple constraints are unavailable. Moreover, they are impractically sensitive to parameter variations. In literature problems with up to 30000 variables have been reported.
Решение задачи с непрерывными переменными
Ранее упомянутые сложности при решении задач оптимизации топологии с использованием бинарных переменных побудили сообщество искать альтернативные подходы. Один из них – моделирование плотности с помощью непрерывных переменных. Плотность материала теперь может принимать значения в диапазоне от нуля до единицы. Существуют градиентные алгоритмы, способные обрабатывать большое количество непрерывных переменных и множество ограничений. Однако свойства материала необходимо моделировать в непрерывной среде, что достигается посредством интерполяции. Одной из наиболее часто используемых методик интерполяции является метод твердого изотропного материала с применением штрафной функции (SIMP). Эта интерполяция по сути представляет собой степенной закон, интерполирующий модуль Юнга материала к скалярному полю выбора. Значение штрафного параметра обычно выбирается в диапазоне от … до … . Это позволяет подтвердить микроструктуру материалов. В методе SIMP добавляется нижняя граница для модуля Юнга, , чтобы обеспечить ненулевые производные целевой функции при плотности, стремящейся к нулю. Чем выше штрафной фактор, тем сильнее SIMP наказывает алгоритм за использование небинарных плотностей. К сожалению, параметр штрафа также вносит невыпуклости.
The earlier stated complexities with solving topology optimization problems using binary variables has caused the community to search for other options. One is the modelling of the densities with continuous variables. The material densities can now also attain values between zero and one. Gradient based algorithms that handle large amounts of continuous variables and multiple constraints are available. But the material properties have to be modelled in a continuous setting. This is done through interpolation. One of the most implemented interpolation methodologies is the Solid Isotropic Material with Penalisation method (SIMP). This interpolation is essentially a power law It interpolates the Young's modulus of the material to the scalar selection field. The value of the penalisation parameter is generally taken between This has been shown to confirm the micro structure of the materials. In the SIMP method a lower bound on the Young's modulus is added, , to make sure the derivatives of the objective function are non zero when the density becomes zero. The higher the penalisation factor, the more SIMP penalises the algorithm in the use of non binary densities. Unfortunately, the penalisation parameter also introduces non convexities.
Коммерческое программное обеспечение
На рынке представлено несколько коммерческих программных пакетов для топологической оптимизации. Большинство из них используют результаты топологической оптимизации как ориентир для оптимальной формы, требуя последующей ручной доработки геометрии. Лишь немногие решения позволяют получить оптимальные конструкции, сразу пригодные для аддитивного производства.
There are several commercial topology optimization software on the market. Most of them use topology optimization as a hint how the optimal design should look like, and manual geometry re construction is required. There are a few solutions which produce optimal designs ready for Additive Manufacturing.
Взаимодействие структуры жидкости
Взаимодействие жидкости и структуры – это сильносвязанное явление, описывающее взаимодействие между стационарной или движущейся жидкостью и упругой структурой. Многие инженерные приложения и природные процессы подвержены влиянию взаимодействия жидкости и структуры, поэтому учет этих эффектов критически важен при проектировании различных инженерных систем. Оптимизация топологии для задач взаимодействия жидкости и структуры изучалась, например, в работах [ссылки]. Ниже представлены проектные решения, полученные для различных чисел Рейнольдса. Эти решения зависят от течения жидкости, что указывает на то, что связь между жидкостью и структурой корректно учтена в задачах проектирования. [[Файл:Эволюция дизайна при взаимодействии жидкости и структуры.gif|thumb|Эволюция дизайна для задачи взаимодействия жидкости и структуры из [ссылка]. Путем пространственного распределения двух термоэлектрических материалов в двумерном пространстве с использованием методологии оптимизации топологии можно добиться производительности, превышающей производительность традиционных термоэлектрических материалов для термоэлектрических охладителей и генераторов.
Fluid structure interaction is a strongly coupled phenomenon and concerns the interaction between a stationary or moving fluid and an elastic structure. Many engineering applications and natural phenomena are subject to fluid structure interaction and to take such effects into consideration is therefore critical in the design of many engineering applications. Topology optimisation for fluid structure interaction problems has been studied in e. g. references and. Design solutions solved for different Reynolds numbers are shown below. The design solutions depend on the fluid flow with indicate that the coupling between the fluid and the structure is resolved in the design problems. [[File:Fluid structure interaction design evolution. gif|thumb|Design evolution for a fluid structure interaction problem from reference. By spatially distributing two thermoelectric materials in a two dimensional design space with a topology optimisation methodology, it is possible to exceed performance of the constitutive thermoelectric materials for thermoelectric coolers and thermoelectric generators.
Форма 3F3D использует Force 3D принтер
Нынешнее распространение технологии 3D-печати позволило дизайнерам и инженерам использовать методы топологической оптимизации при разработке новых продуктов. Топологическая оптимизация в сочетании с 3D-печатью может привести к снижению веса, повышению прочности конструкции и сокращению цикла от проектирования до производства. Это связано с тем, что такие конструкции, хотя и эффективны, могут быть нереализуемы с использованием более традиционных методов производства.
The current proliferation of 3D printer technology has allowed designers and engineers to use topology optimization techniques when designing new products. Topology optimization combined with 3D printing can result in less weight, improved structural performance and shortened design to manufacturing cycle. As the designs, while efficient, might not be realisable with more traditional manufacturing techniques.
Внутренние контакты
Внутренний контакт может быть учтен в топологической оптимизации с помощью метода третьего типа контакта (third medium contact). Метод третьего типа контакта (TMC) – это неявная формулировка контакта, которая является непрерывной и дифференцируемой. Это делает TMC подходящим для использования с градиентными методами топологической оптимизации. Изображение: Разработка и деформация самозацепляющихся крюков, полученные в результате топологической оптимизации контактной задачи с использованием метода TMC.
Internal contact can be included in topology optimization by applying the third medium contact method. The third medium contact (TMC) method is an implicit contact formulation that is continuous and differentiable. This makes TMC suitable for use with gradient based approaches to topology optimization. thumb|Design development and deformation of self engaging hooks resulting from topology optimization of a contact problem using the TMC method .