發(fā)布時間：2023-06-14 16:21:03
序言：寫作是分享個人見解和探索未知領(lǐng)域的橋梁，我們?yōu)槟x了8篇的基于模型的優(yōu)化設(shè)計樣本，期待這些樣本能夠為您提供豐富的參考和啟發(fā)，請盡情閱讀。
關(guān)鍵詞：無線射頻識別；無線傳感器網(wǎng)絡(luò)；融合模型；優(yōu)化設(shè)計
中圖分類號：TP212；TP391.4 文獻標(biāo)識碼：A 文章編號：2095-1302（2017）01-00-03
0 引 言
微電子技術(shù)、通信技術(shù)的迅速發(fā)展以及物聯(lián)網(wǎng)技術(shù)的興起，極大地促進了無線傳感器網(wǎng)絡(luò)（WSN）和無線射頻識別（RFID）這兩項關(guān)鍵技術(shù)的研究和應(yīng)用。RFID技術(shù)已經(jīng)在工業(yè)上得到了廣泛應(yīng)用，WSN技術(shù)也在各種環(huán)境下發(fā)揮重要的作用，兩者在延續(xù)各自獨立的發(fā)展和研究路徑的同時，逐漸開始進行融合技術(shù)的探索。
RFID技術(shù)可以在短距離內(nèi)自動快速確定對象的關(guān)鍵信息，主要用于對象的跟蹤與管理，但在很多應(yīng)用領(lǐng)域中，管理對象對環(huán)境具有敏感性，需要通過遠程觀察獲取周圍的物理環(huán)境信息[1]，傳統(tǒng)的RFID技術(shù)無法解決這個問題。例如在一個使用RFID的資產(chǎn)管理系統(tǒng)中，僅采用射頻識別可以追蹤一個特定資產(chǎn)的當(dāng)前位置，卻不能獲取溫濕度等相關(guān)環(huán)境信息。WSN由若干小型節(jié)點組成，這些節(jié)點具有感知、計算和無線通信的能力。無線傳感器網(wǎng)絡(luò)可以收集、聚合以及分析環(huán)境信息，用于火災(zāi)探測、污染監(jiān)測等領(lǐng)域，但它卻無法檢索具有物體關(guān)鍵信息的標(biāo)識以及位置。在這種情況下，通過對RFID與WSN的融合，我們可以構(gòu)建一個具備豐富環(huán)境信息的對象跟蹤和管理系統(tǒng)[2]，將兩種技術(shù)相輔相成，最大化提升兩者的效率，為更加廣泛的應(yīng)用提供新視角。
文中主要歸納總結(jié)出了目前主流的四種融合模型，對模型進行分析、優(yōu)化，并基于優(yōu)化的模型設(shè)計出一套新型RFID-WSN融合系統(tǒng)。
1 四種融合模型
目前國內(nèi)外提出了諸多基于RFID與WSN融合的理論和應(yīng)用，Lei Zhang等人較全面地總結(jié)了三種融合技術(shù)，即RFID閱讀器與WSN基站的融合、分布式智能節(jié)點、智能傳感標(biāo)簽[3]。Ashwini W. Nagpurkar等人首次將RFID標(biāo)簽與傳感器的融合總結(jié)為有限通信能力（Limited Communication Capability）和擴展通信能力（Extended Communication Capability）[4]。通過對近年來相關(guān)研究的分析和總結(jié)，將目前主要的融合技術(shù)歸納為傳感器-標(biāo)簽融合模型、WSN-標(biāo)簽融合模型、WSN-閱讀器融合模型、WSN-RFID系統(tǒng)融合模型四種。四種RFID與WSN融合模型如圖1所示。
1.1 傳感器-標(biāo)簽融合模型
傳感器-標(biāo)簽融合模型如圖1（a）所示。將RFID標(biāo)簽與傳感器集成，使RFID標(biāo)簽配備環(huán)境感知能力，使標(biāo)簽可以通過傳感器采集環(huán)境信息，并直接作為識別信息被RFID閱讀器快速讀取。Ferrer-Vidal等人設(shè)計的搭載傳感器的超低功耗紙基RFID標(biāo)簽[5]與Cho等人設(shè)計的搭載傳感器5.1 W功率的超高頻RFID標(biāo)簽[6]即基于此種模型。
1.2 WSN-標(biāo)簽融合模型
WSN-標(biāo)簽融合模型如圖1（b）所示。在WSN節(jié)點上集成RFID標(biāo)簽，集成方式分為兩種。一是在WSN節(jié)點Flash上存儲RFID標(biāo)準(zhǔn)格式的識別信息；另一種是直接在硬件上連接RFID標(biāo)簽。這種類型的傳感器節(jié)點標(biāo)簽不僅能夠?qū)崿F(xiàn)標(biāo)簽信息的識別和追蹤，還能感知環(huán)境并互相傳遞信息。文獻[1]和[7]提出的SIWR模型和RSN模型便是在此模型基A上將節(jié)點分為匯聚節(jié)點、路由節(jié)點和感知節(jié)點。匯聚節(jié)點負責(zé)信息管理，路由節(jié)點負責(zé)信息轉(zhuǎn)發(fā)，只有感知節(jié)點融合了RFID標(biāo)簽，負責(zé)感知和識別。
1.3 WSN-閱讀器融合模型
WSN-閱讀器融合模型如圖1（c）所示。通過WSN節(jié)點與RFID閱讀器的集成，將WSN與RFID連接在一起。RFID通過WSN遠程交換數(shù)據(jù)，擴大了識別范圍。Omar M.Q.等人設(shè)計的基于RFID與WSN的機器狀態(tài)檢測系統(tǒng)[8]、C.Salvatore等人設(shè)計的工廠安全系統(tǒng)[9]就是這種模型的應(yīng)用實例。該模型還可以與傳感器-標(biāo)簽融合模型共存，如Pablo GARCíA ANSOLA等人設(shè)計的ZigID模型[10]。
1.4 WSN-RFID系統(tǒng)融合模型
WSN-RFID系統(tǒng)融合模型如圖1（d）所示。保持WSN和RFID的原有架構(gòu)，引入智能基站進行系統(tǒng)集成。智能基站是搭載了融合框架的集成服務(wù)器，其主要任務(wù)是控制WSN和RFID進行協(xié)同工作，采集WSN與RFID的信息，通過融合框架進行數(shù)據(jù)融合，呈現(xiàn)出更加綜合和智能的信息。Jaekyu Cho等人提出的WSN與RFID融合框架SARIF[2]正是該融合模型的實例。
2 融合模型的優(yōu)化
四種模型從不同的角度對RFID與WSN做了融合，相比融合之前都豐富了功能或提升了性能，但仍存在一些問題，因此需要對模型進行優(yōu)化。
2.1 存在的問題
傳感器-標(biāo)簽融合模型并沒有融合WSN的無線通信能力，所以系統(tǒng)的覆蓋范圍過小是最顯著的問題。
WSN-標(biāo)簽融合模型將WSN-標(biāo)簽作為WSN節(jié)點，需要遵循入網(wǎng)、分配地址、握手通信、退網(wǎng)等網(wǎng)絡(luò)協(xié)議，導(dǎo)致標(biāo)簽喪失了RFID快速識別的特性，其數(shù)量和流動性也受到網(wǎng)絡(luò)負載能力的制約。
在WSN-閱讀器融合模型中，WSN-閱讀器是模型上層WSN與下層RFID連接的唯一樞紐，數(shù)據(jù)交換負載量大，一旦失效，便會導(dǎo)致融合系統(tǒng)癱瘓，所以模型存在負載均衡和魯棒性的問題。
在WSN-RFID系統(tǒng)融合模型中，WSN與RFID在硬件上相互獨立，部署成本是兩者之和，且單純依靠軟件層面進行數(shù)據(jù)分析和系統(tǒng)協(xié)作來實現(xiàn)融合，也需要更高性能和成本的基站服務(wù)器。
2.2 優(yōu)化模型
針對上述四種模型存在的問題，結(jié)合WSN-標(biāo)簽融合模型和WSN-閱讀器融合模型，提出了圖2所示的優(yōu)化融合模型。
該優(yōu)化模型保留WSN節(jié)點的同時引入了WSN-標(biāo)簽和WSN-閱讀器兩種融合節(jié)點，這是一種復(fù)合型融合架構(gòu)。模型中的每個節(jié)點都基于WSN節(jié)點，具有環(huán)境感知和無線通信能力；WSN-閱讀器節(jié)點和WSN-標(biāo)簽節(jié)點可以進行無線射頻識別，即節(jié)點之間既可以按照WSN架構(gòu)構(gòu)建，進行遠程采集傳輸，也可以按照RFID架構(gòu)構(gòu)建，進行對象信息快速識別，抑或同時進行。此舉解決了WSN-標(biāo)簽融合模型無法支持大量標(biāo)簽快速識別的問題，相比WSN-閱讀器融合模型提升了負載均衡和魯棒性。
3 新型融合系統(tǒng)的設(shè)計
優(yōu)化的融合模型能否發(fā)揮其優(yōu)勢，關(guān)鍵在于如何設(shè)計出高效的融合節(jié)點以及節(jié)點之間如何構(gòu)建來滿足應(yīng)用需求。
3.1 新型融合節(jié)點
針對優(yōu)化模型中定義的三種節(jié)點，文中將設(shè)計一種集WSN節(jié)點、RFID閱讀器、RFID標(biāo)簽于一體的新型融合節(jié)點，該新型節(jié)點既可以按WSN節(jié)點工作，又可以按WSN-閱讀器工作，也可以切換成WSN-標(biāo)簽工作，既節(jié)約了硬件成本，又提高了系統(tǒng)的靈活性，能夠充分發(fā)揮優(yōu)化模型的特點和優(yōu)勢。新型融合節(jié)點架構(gòu)如圖3所示。
該架構(gòu)在WSN五層網(wǎng)絡(luò)模型的基礎(chǔ)上集成了RFID角色層（包括RFID閱讀器和RFID標(biāo)簽）和RFID應(yīng)用層。WSN與RFID共用物理層和數(shù)據(jù)鏈路層，這樣使得融合節(jié)點的硬件成本得到控制。原始數(shù)據(jù)在數(shù)據(jù)鏈路層被分發(fā)，WSN數(shù)據(jù)繼續(xù)向上層傳遞，RFID數(shù)據(jù)直接發(fā)送至RFID角色層，實現(xiàn)RFID的快速識別。由于RFID角色層支持RFID閱讀器和RFID標(biāo)簽兩種角色，所以融合節(jié)點可以根據(jù)RFID應(yīng)用層的設(shè)置，來進行WSN節(jié)點、WSN-閱讀器與WSN-標(biāo)簽三種角色的動態(tài)切換。RFID應(yīng)用層與WSN應(yīng)用層既可以相互獨立運行應(yīng)用，也可以配合執(zhí)行任務(wù)。
3.2 動態(tài)構(gòu)建機制
由于這種新型融合節(jié)點具有動態(tài)切換角色的能力，相應(yīng)的，融合系統(tǒng)也可以動態(tài)變換其架構(gòu)，所以需要建立相應(yīng)的動態(tài)構(gòu)建機制，才能使系統(tǒng)體現(xiàn)出對不同環(huán)境的適應(yīng)性，提高工作效率。
3.2.1 初始化構(gòu)建
首先要在基站建立和維護節(jié)點角色表，按照RFID標(biāo)識信息將節(jié)點角色分別定義為WSN節(jié)點、WSN-閱讀器或WSN-標(biāo)簽。系統(tǒng)啟動后，所有節(jié)點先以WSN節(jié)點角色組網(wǎng)，并上傳自己的RFID標(biāo)識信息。然后系統(tǒng)根據(jù)節(jié)點角色表向每個節(jié)點發(fā)送相應(yīng)的角色配置命令，使節(jié)點切換為特定角色。
3.2.2 將WSN切換為RFID
當(dāng)需要把某個區(qū)域的WSN切換為RFID時，向該區(qū)域的匯聚節(jié)點發(fā)送“WSN-閱讀器啟動”命令，此節(jié)點通過RFID應(yīng)用層啟動RFID閱讀器功能，向其所有子節(jié)點廣播“WSN-標(biāo)簽啟動”命令，使子節(jié)點啟動RFID標(biāo)簽功能。最后刪除所有子節(jié)點，并禁止WSN接收入網(wǎng)，此時所有子節(jié)點離開WSN網(wǎng)絡(luò)并進行RFID快速識別。
3.2.3 將RFID切換為WSN
當(dāng)需要把某個RFID系統(tǒng)切換為WSN時，向該RFID的閱讀器發(fā)送“WSN-閱讀器停止”命令，此節(jié)點關(guān)閉RFID閱讀器功能，并啟用WSN的接收入網(wǎng)功能，此時附近所有WSN-標(biāo)簽將連為它的子節(jié)點。最后向子節(jié)點廣播發(fā)送“WSN-標(biāo)簽停止”命令，關(guān)閉其RFID標(biāo)簽功能。
3.2.4 自適應(yīng)構(gòu)建
當(dāng)某個WSN節(jié)點負載過重，其子節(jié)點數(shù)量超過系統(tǒng)閾值設(shè)定時，將自動執(zhí)行WSN切換RFID操作來減輕該節(jié)點的網(wǎng)絡(luò)負載；當(dāng)某個WSN-閱讀器在連續(xù)時間內(nèi)識別到某個WSN-標(biāo)簽的次數(shù)高于系統(tǒng)閾值設(shè)定值時，將對此WSN-標(biāo)簽發(fā)送“WSN-標(biāo)簽停止”命令，并將其連為WSN-閱讀器的子點，以減輕WSN-閱讀器的負載并避免與其他標(biāo)簽碰撞。
3.3 優(yōu)缺點分析
首先，新型融合系統(tǒng)實現(xiàn)了RFID與WSN融合的基本目的，即遠程環(huán)境信息采集和對象識別管理。其次，對比優(yōu)化前的四種融合模型，新型融合系統(tǒng)同時解決了它們的問題。最后，新型融合系統(tǒng)擴大了識別范圍、支持大量標(biāo)簽的快速識別、提高了負載均衡性和魯棒性，很好的控制了成本。
但系統(tǒng)不支持被動式RFID標(biāo)簽，因為系統(tǒng)使用的新型融合節(jié)點工作在WSN的物理層上，無法支持被動式RFID標(biāo)簽的讀寫。因此系統(tǒng)的應(yīng)用領(lǐng)域受到了一定限制。
4 結(jié) 語
本研究總結(jié)了四種典型的RFID與WSN融合模型，并針對這些模型存在的問題，提出了針對融合模型的優(yōu)化，并基于優(yōu)化模型設(shè)計了一套新型RFID-WSN融合系統(tǒng)。
本研究提出的融合系統(tǒng)由一種新型融合節(jié)點組成，該節(jié)點的架構(gòu)設(shè)計基于WSN網(wǎng)絡(luò)模型與RFID協(xié)議的集成，在不增加硬件成本的情況下，通過軟件將WSN節(jié)點、RFID標(biāo)簽和RFID閱讀器三種角色融于一體。通過設(shè)計動態(tài)構(gòu)建機制來組織管理這些節(jié)點，融合系統(tǒng)實現(xiàn)了WSN與RFID的動態(tài)切換和自適應(yīng)構(gòu)建。
最后根據(jù)優(yōu)缺點分析發(fā)現(xiàn)，本研究提出的新型融合模型及系統(tǒng)在主動式RFID的使用領(lǐng)域中具有更優(yōu)的特性和更靈活的應(yīng)用。
參考文獻
[1] Al-Turjman F M， Al-Fagih A E， Hassanein H S. A novel cost-effective architecture and deployment strategy for integrated RFID and WSN systems[C].Computing， Networking and Communications （ICNC）， 2012 International Conference on. IEEE， 2012： 835-839.
[2] Cho J， Shim Y， Kwon T， et al. SARIF： A novel framework for integrating wireless sensor and RFID networks[J].IEEE Wireless Communications， 2007， 14（6）： 50-56.
[3] Zhang L， Wang Z. Integration of RFID into wireless sensor networks： architectures， opportunities and challenging problems[C]. 2006 Fifth international conference on grid and cooperative computing workshops. IEEE， 2006： 463-469.
[4] Nagpurkar A W， Jaiswal S K. An overview of WSN and RFID network integration[C]. Electronics and Communication Systems （ICECS）， 2015 2nd International Conference on. IEEE， 2015： 497-502.
[5] Ferrer-Vidal A， Rida A， Basat S， et al. Integration of sensors and RFID's on ultra-low-cost paper-based substrates for wireless sensor networks applications[C]. 2006 2nd IEEE Workshop on Wireless Mesh Networks. IEEE， 2006： 126-128.
[6] Cho N， Song S J， Kim S， et al. A 5.1-μW UHF RFID tag chip integrated with sensors for wireless environmental monitoring[C]. Proceedings of the 31st European Solid-State Circuits Conference， 2005. ESSCIRC 2005. IEEE， 2005： 279-282.
[7] Abahsain A， Al-Fagih A E， Oteafy S M A， et al. Selective context fusion utilizing an integrated rfid-wsn architecture[C]. 2013 IEEE 10th Consumer Communications and Networking Conference （CCNC）. IEEE， 2013： 317-322.
[8] Omar M Q， Widad I， Mokhtar M， et al. Embedded active RFID with WSN for machine condition monitoring[C]. Wireless Sensor （ICWISE）， 2013 IEEE Conference on. IEEE， 2013： 42-46.
[9] Salvatore C， Bocchino S， Petracca M， et al. WSN and RFID integrated
（下D第頁）
（上接第頁）
論文關(guān)鍵詞：南京地鐵，可靠性，模塊化，修程優(yōu)化
0 引言
目前，南京地鐵設(shè)備維修模式同國內(nèi)大多同行類似，均依照大鐵路的維修經(jīng)驗對設(shè)備進行定期的預(yù)防性維修和“事后維修”，定期預(yù)防修如三月檢、定修，維修作業(yè)內(nèi)容復(fù)繁雜，特別是對地鐵關(guān)鍵設(shè)備，維修內(nèi)容冗余程度較大，且存在著維修針對性不強，維修效益不高甚至造成破壞性維修，導(dǎo)致設(shè)備維護成本高、可靠性不足等情況。因此，有必要對南京地鐵關(guān)鍵設(shè)備維修規(guī)程進行優(yōu)化研究。
1 可靠性維修優(yōu)化理論
1.1 RCM分析法
以可靠性為中心的維修(RCM：ReliabilityCentered Maintenance.)是用于確定設(shè)備在其運行環(huán)境下維修需求的方法[1]，其核心思想是通過對設(shè)備進行功能與故障分析,明確設(shè)備各故障的后果，用規(guī)范化的邏輯決斷方法，確定各故障的預(yù)防性維修對策。在實施RCM維修優(yōu)化分析時，基本流程可按照以下的七步作業(yè)法進行，如圖1所示。
圖1 實施RCM的七步作業(yè)法
1.2 修程模塊化
模塊化設(shè)計是近幾年比較流行的設(shè)計方法之一。模塊化大約是20 世紀(jì)中期發(fā)展起來的一種標(biāo)準(zhǔn)化形式，維修模塊化設(shè)計是處理復(fù)雜維修系統(tǒng)的一種直觀簡化方法[2]，以模塊為基礎(chǔ)，將各個維修內(nèi)容所需要的維修工器具、備品備件材料、維修作業(yè)人力資源以及相關(guān)制度規(guī)范等包絡(luò)在各個修程模塊中模塊化，，形成較小的維修模塊以便于保證作業(yè)的靈活性和管理控制有效性，通過維修模塊的分工合作，實現(xiàn)高效保質(zhì)維修操作。
在確定關(guān)鍵設(shè)備維修模塊時，可以設(shè)備維修部件為單元模塊進行劃分。考慮到不同維修模塊之間有著多種聯(lián)系和約束的，因此，需要通過數(shù)據(jù)收集與集中調(diào)研，確定相應(yīng)的維修維修模塊信息，包括：模塊編號、作業(yè)內(nèi)容、相應(yīng)維修作業(yè)標(biāo)準(zhǔn)、模塊作業(yè)所需人員數(shù)量、人員應(yīng)具備技能、必備工器具名稱及其數(shù)量、消耗維修備件名稱和數(shù)量、作業(yè)所需時間、特殊維修條件要求、作業(yè)流程順序要求、模塊維修風(fēng)險程度及其維修周期要求等，如下表1、2所示。只有充分掌握各個模塊的基本信息，才能更好的為維修模塊優(yōu)化奠定數(shù)據(jù)基礎(chǔ)。
表1 維修模塊基本信息
表2 維修模塊故障數(shù)據(jù)信息
2 基于可靠性的維修優(yōu)化技術(shù)
結(jié)合以上所述的RCM可靠性分析方法及模塊化理論，設(shè)計基于可靠性的地鐵關(guān)鍵設(shè)備維修修程優(yōu)化方法，具體實施步驟如下：
首先，對關(guān)鍵設(shè)備技術(shù)狀態(tài)進行分析，確定實際維修需求，指導(dǎo)維修修程的更新，這是維修模塊化設(shè)計的前提，模塊化首先要保證模塊所覆蓋的維修內(nèi)容是全面的合理的，因此，需要借助科學(xué)的手段更新現(xiàn)有的維修修程。在本文中，依托上述的RCM可靠性分析法，對地鐵的關(guān)鍵設(shè)備進行分析，確定相應(yīng)的實際維修需求更新原有維修內(nèi)容。
其次，劃分維修模塊，模塊的劃分可以大到整個設(shè)備的維護保養(yǎng)，也可以小到螺帽電容等更換，模塊范圍定義得大了起不到模塊化應(yīng)有的作用，而劃分得越細，維修管理的模塊也越多，管理起來也越繁瑣，因此，需要找到合理的模塊界定范圍，劃分出合理的維修模塊。
第三，調(diào)查收集模塊附屬信息，包括模塊名稱，模塊內(nèi)容，相應(yīng)維修作業(yè)標(biāo)準(zhǔn)，模塊作業(yè)所需人員數(shù)量，人員應(yīng)具備技能模塊化，必備工器具名稱及其數(shù)量，消耗維修備件名稱和數(shù)量，作業(yè)所需時間，特殊維修條件要求，模塊維修風(fēng)險程度，模塊維修方式及其維修周期要求等。對于不能明確的模塊，需要根據(jù)需要進行跟蹤調(diào)查。
第四，模塊化維修修程重組優(yōu)化，在由可靠性分析確定各個維修模塊最佳維修周期基礎(chǔ)上，以追求模塊化維修效益最高、可靠性最大為目標(biāo)，優(yōu)化重組關(guān)鍵設(shè)備的維修模塊，包括維修模塊的組合以及維修時機等。
第五，積累各個維修模塊相關(guān)歷史故障數(shù)據(jù)，為閉環(huán)反饋和持續(xù)進行可靠性維修修程優(yōu)化做好數(shù)據(jù)支持。
3 結(jié)論
通過RCM分析，剔除不增值的冗余維修環(huán)節(jié)，更新維修作業(yè)內(nèi)容，不僅使設(shè)備維修更具有針對性，也保障設(shè)備可靠性，在RCM可靠性分析基礎(chǔ)上進行模塊化維修修程優(yōu)化，使得在保障關(guān)鍵設(shè)備技術(shù)可靠的前提下實現(xiàn)維修管理與維修質(zhì)量的最佳平衡，進一步提升設(shè)備維修價值。對實現(xiàn)維修可靠性、經(jīng)濟性的維修大綱優(yōu)化具有指導(dǎo)意義。
參考文獻：
[1]莫布雷.以可靠性為中心的維修[M].北京，機械工業(yè)出版社，1995：7-8.
[2]陸良，楊殿閣，顧錚珉等.采用模塊化思想的汽車電器智能化設(shè)計方法[J]. 西安交通大學(xué)學(xué)報,2010, 44(5):111-115.
關(guān)鍵詞：模擬集成電路；基于方程的優(yōu)化方法；基于仿真的優(yōu)化方法；誤差增量模型
中圖分類號：TP393 文獻標(biāo)識碼：A 文章編號：2095-1302（2017）05-0-02
0 引 言
模擬集成電路設(shè)計通常分為三個步驟[1-3]：首先根據(jù)電路性能要求選擇合適的電路拓撲結(jié)構(gòu)，然后設(shè)計電路參數(shù)，最后設(shè)計版圖并驗證。而最為重要的是前兩步。在選好一個電路拓撲結(jié)構(gòu)后，如何完成電路的參數(shù)設(shè)計，即根據(jù)預(yù)期的電路性能參數(shù)來確定電路中器件尺寸、電阻、電容等參數(shù)的取值非常重要。傳統(tǒng)的設(shè)計方法首先根據(jù)電路設(shè)計指標(biāo)列出方程，從方程中計算尺寸并進行仿真。如果所得結(jié)果不符合要求，則需更改方程得到新的器件尺寸繼續(xù)調(diào)試，不斷重復(fù)直至符合電路要求。這一過程繁瑣、冗長且難以保證結(jié)果，是模擬電路設(shè)計效率難以提高的主要原因。
目前，電路領(lǐng)域提高電路設(shè)計效率的方法主要是基于優(yōu)化的方法。基于優(yōu)化的方法是將電路性能指標(biāo)作為優(yōu)化的目標(biāo)函數(shù)，利用函數(shù)優(yōu)化的方法來完成電路設(shè)計。一般優(yōu)化設(shè)計方法有兩種，即基于方程的優(yōu)化和基于仿真的優(yōu)化?；诜匠痰膬?yōu)化中目標(biāo)函數(shù)由解析公式計算而得，雖然優(yōu)化速度快但精度低。基于仿真的優(yōu)化中目標(biāo)函數(shù)通過電路仿真獲得，雖然精度高，但計算量大，優(yōu)化速度慢。
如何獲得精度與基于仿真方法相當(dāng)?shù)臏?zhǔn)確解，又使計算量不致過大，是近年來電路優(yōu)化研究領(lǐng)域備受關(guān)注的課題。人們雖采用多種方法嘗試，但最常見的是先構(gòu)造電路性能指標(biāo)的宏模型，再進行優(yōu)化。宏模型的計算相當(dāng)于一個解析式的計算，因此可較快完成，只要宏模型構(gòu)造得當(dāng)，精度可達到與仿真接近的程度。需要研究的主要問題是宏模型的形式，如簡單多項式、統(tǒng)計回歸、神經(jīng)網(wǎng)絡(luò)與模糊邏輯、SVM等，及宏模型的構(gòu)造算法。
本文采取的方法是一種基于方程與誤差增量模型的混合優(yōu)化方法，可大幅減少仿真器的調(diào)用次數(shù)，降低計算成本，同時又具備與基于仿真方法幾乎相同的精度。方法的主要思想是以基于方程的優(yōu)化結(jié)果作為出發(fā)點，通過構(gòu)造電路性能準(zhǔn)確值與解析近似之間的差值增量模型，求解一系列誤差不斷減小的近似優(yōu)化問題，通過迭代逐步獲得問題的準(zhǔn)確解；每一次迭代在上一次優(yōu)化解附近構(gòu)造新的差值增量模型再調(diào)用優(yōu)化算法，相當(dāng)于采用基于方程的方法求解，因此速度很快；電路仿真只在構(gòu)建誤差增量模型時需要，而一次迭代解附近的誤差增量模型一般用二次多項式近似即可，因此所需仿真次數(shù)不多。整體上可達到既減少仿真次數(shù)，又不影響精度的目的。我們稱這種方法為基于誤差增量模型的優(yōu)化方法。
1 基于誤差增量模型的優(yōu)化
電路性能指標(biāo)的解析表達雖然存在誤差，但大致反映了性能隨設(shè)計變量的變化情況。將其準(zhǔn)確值表達為：
f（x）=fa（x）+fd（x） （1）
其中，fa（x）是性能的近似解析表達，fd（x）=f（x）-fa（x）是誤差增量?；谶@一表達，本文提出的基于方程與基于仿真的混合優(yōu)化方法如下：
（1）用基于方程的方法進行一次初始優(yōu)化，即求解：
（2）
獲得一個近似最優(yōu)解x0作為初始點；
（2）在點xk附近構(gòu)造電路性能準(zhǔn)確值與解析近似之間的誤差增量模型，包括目標(biāo)函數(shù)：
（3）
與約束函數(shù)：
（4）
由于只需在一點附近的增量誤差近似，因此通常用二次插值即可構(gòu)造這一模型[4]。
（3）求出如下題的最優(yōu)解：
（5）
這一步的優(yōu)化目標(biāo)與約束函數(shù)均是解析計算，因此可以很快完成。
（4）重復(fù)步驟（2）、（3），直至該過程收斂。
這種混合優(yōu)化方法的基本思想從基于方程的近似最優(yōu)解出發(fā)，通過迭代逐步消除誤差，與一般非線性問題的迭代求解類似。該方法的特點在于充分利用了電路的性能解析表達式。解析表達雖有誤差，但包含了目標(biāo)與約束函數(shù)的基本特性，反映了函數(shù)變化的總體趨勢，降低了每次迭代時誤差增量函數(shù)的復(fù)雜性，可用較簡單的函數(shù)形式近似，也有利于設(shè)計者更好地理解優(yōu)化過程。該方法既改善了電路性能解析表達式精度不高的問題，又可大幅減少仿真器調(diào)用次數(shù)，提高優(yōu)化效率。
2 兩級運放設(shè)計實例
以一個帶米勒補償?shù)膬杉夁\放為例，說明利用該方法進行優(yōu)化設(shè)計的過程。電路采用TSMC 0.35 μm工藝，其中CL=3 pF，VDD=2.5 V，VSS=-2.5 V，電路要求的性能指標(biāo)見表3所列，考慮到的性能指標(biāo)有功耗（Power），單位增益（Av），單位增益帶寬（UGB），擺率（SR）以及相位裕度（PM）。CMOS兩級運算放大器電路如圖1所示。兩級運放性能指標(biāo)見表1。
圖1 CMOS兩級運算放大器電路
表1 兩級運放性能指標(biāo)
性能
指標(biāo) Av PM UGB Power SR Area
設(shè)計
要求 >70 dB >65° >10 MHz 10 V/μs
對該電路，性能的近似表達式為[5-8]：
SR=I5/Cc
Power=（VDD-VSS）?（I5+I7+IBias）
AV=gM1?gM6/（（gds1+gds3）?（gds6+gds7）） （6）
Area=2?W1?L1+2?W3?L3+W5?L5+W6?L6+W7?L7+W8?L8
UGB=ωc/2π
PM=180°-tan-1（ωc/p1）-tan-1（ωc/p2）-tan-1（ωc/z1）
f3db=p1/2π
Ω玫緶方行優(yōu)化設(shè)計，采用Matlab工具箱中的約束優(yōu)化工具fmincon，將功耗作為目標(biāo)函數(shù)，表1中的其他性能指標(biāo)作為約束條件，做基于方程的優(yōu)化。為保證電路正常工作，需要對電路中的晶體管添加約束。對于NMOS管，有：
Vds≥Vgs-VT>0 （7）
對于PMOS管：
-Vds>VT-Vgs>0 （8）
除此之外晶體管需滿足工藝庫對器件尺寸的要求：
Wi≥1 μm， i=1，2，…，8
Wi≤195 μm， i=1，2，…，8
之后，利用誤差增量模型進行優(yōu)化設(shè)計，并以一次基于仿真的優(yōu)化設(shè)計作為比較?；诜匠痰膬?yōu)化設(shè)計見表2所列，方程和誤差增量模型的混合優(yōu)化設(shè)計見表3所列，基于仿真的優(yōu)化設(shè)計見表4所列。
表2 基于方程的優(yōu)化設(shè)計
電路性能 參數(shù) 器件尺寸 參數(shù)（μm）
UGB 9.66 MHz W1 2.94
Power 0.40 mW W3 5.30
PM 63.32° W5 5.52
Av 72.58 dB W6 66.79
SR 10.00 V/μs W7 46.59
Area 146.40 μm2 W8 6.06
表3 方程和誤差增量模型的混合優(yōu)化設(shè)計
電路性能 參數(shù) 器件尺寸 參數(shù)（μm）
UGB 10.00 MHz W1 2.81
Power 0.43 mW W3 8.73
PM 65.00° W5 5.53
Av 72.89 dB W6 131.28
SR 10.00 V/μs W7 57.12
Area 223.10 μm2 W8 6.06
表4 基于仿真的優(yōu)化設(shè)計
電路性能 參數(shù) 器件尺寸 參數(shù)（μm）
UGB 10.00 MHz W1 2.80
Power 0.44 mW W3 8.84
PM 65.00° W5 5.53
Av 72.89 dB W6 132.73
SR 10.00 V/μs W7 57.14
Area 224.78 μm2 W8 6.06
可見，利用基于仿真和方程的混合優(yōu)化方法可以得到和完全基于仿真方法相近的結(jié)果。且通過表5可以看出，混合優(yōu)化方法減少了仿真器的調(diào)用次數(shù)，提高了優(yōu)化效率。
表5 混合設(shè)計和基于仿真設(shè)計的F-count比較
混合優(yōu)化設(shè)計方法 基于仿真優(yōu)化設(shè)計方法
F-count 136 335
3 結(jié) 語
本文提出了一種基于方程和誤差增量模型的混合優(yōu)化方法，即通過對性能誤差建立二階模型來建立新的性能方程。再采用Matlab的優(yōu)化工具箱進行基于方程的優(yōu)化。本文通過運算放大電路優(yōu)化實例來驗證該方法的有效性，且相較于基于仿真的優(yōu)化方法減少了調(diào)用Hspice的次數(shù)，節(jié)約了時間。
參考文獻
[1] B.Razavi. Design of analog CMOS integrated circuits[M]. McGraw-Hill Comp.， 2001.
[2]代揚.模擬集成電路自動化設(shè)計方法的研究[D].長沙：湖南大學(xué)，2004.
[3]陳曉.工作點驅(qū)動的模擬集成電路優(yōu)化設(shè)計方法研究[D].杭州：杭州電子科技大學(xué)，2015.
[4] RM Biernacki，JW Bandler，J Song，et al. Efficient quadratic approximation for statistical design[J].IEEE Transactions On Circuits And Systems，1989，36（11）：1449-1454.
[5] Metha Jeeradit.Mixed Equation-Simulation Circuit Optimization[D].For The Degree Of Doctor Of Philosophy，2011.
[6] V Gewin. Space Mapping：The State of the Art[D]. IEEE Transactions On Microwave Theory And Techniques，2012，22（6）：639-651.
關(guān)鍵詞：輕量化；拓撲優(yōu)化；尺寸優(yōu)化；結(jié)構(gòu)優(yōu)化
中圖分類號：U462.3 文獻標(biāo)志碼：A 文章編號：2095-2945（2017）19-0087-02
引言
隨著社會的快速發(fā)展，汽車保有量越來越多。汽車在帶來方便快捷的同時，其油耗排放等問題也越來越引起大家的重視。汽車車身質(zhì)量約占汽車總重的40%，空載情況下油耗約占整車油耗的70%[1]。其輕量化的目標(biāo)在于盡可能降低汽車的整備質(zhì)量，從而提高汽車的動力性，減少燃料消耗和排放，并且提高操穩(wěn)性以及碰撞安全性。本文通過總結(jié)車身輕量化優(yōu)化方法，介紹不同的優(yōu)化步驟，并對車身輕量化優(yōu)化設(shè)計進行展望。
1 汽車車身輕量化研究背景
汽車自1886年誕生至今有一百多年的歷史，汽車車身的研究起步相對較晚，但是其作為汽車的重要組成部分，在整車結(jié)構(gòu)中占據(jù)重要地位。研究表明，汽車車身質(zhì)量每減輕1%，相應(yīng)油耗降低0.7%[2]。
輕量化研究，是在滿足安全性、耐撞性、抗震性以及舒適性的前提下，盡可能降低車身質(zhì)量，以實現(xiàn)減重、降耗、環(huán)保、安全的綜合目標(biāo)[3]。輕量化的實現(xiàn)不僅滿足了汽車的基本性能要求，且緩解了能源危機和環(huán)境污染的壓力，也沒有提高汽車設(shè)計制造成本，故汽車車身輕量化的研究引起了越來越多的關(guān)注。
2 輕量化結(jié)構(gòu)優(yōu)化方法
目前，以汽車車身輕量化為目標(biāo)的優(yōu)化設(shè)計方法主要包括拓撲優(yōu)化、尺寸優(yōu)化和結(jié)構(gòu)優(yōu)化。優(yōu)化設(shè)計通常由目標(biāo)函數(shù)、設(shè)計變量、約束條件三個因素組成。拓撲優(yōu)化是在整體優(yōu)化之前，設(shè)計空間確定后對材料布置格局進行優(yōu)化，但是拓撲優(yōu)化是從宏觀出發(fā)，在某些細節(jié)方面可能并沒有達到最優(yōu)，因此在拓撲優(yōu)化之后需要進行尺寸和形狀優(yōu)化。
2.1 拓撲優(yōu)化
拓撲優(yōu)化是在給定的空間范圍內(nèi)，通過不停地迭代，重新規(guī)劃材料的分布和連接方式；是在工程師經(jīng)驗的基礎(chǔ)上，明確目標(biāo)區(qū)域和目標(biāo)函數(shù)，確定變量以及約束條件，使車身結(jié)構(gòu)最終既滿足性能要求又減輕了質(zhì)量[4]。拓撲優(yōu)化通常將有限元分析和數(shù)學(xué)算法結(jié)合起來。
2.1.1 拓撲優(yōu)化的數(shù)學(xué)模型
拓撲優(yōu)化通常以車身質(zhì)量為目標(biāo)函數(shù)，結(jié)構(gòu)參數(shù)和材料厚度為變量，模態(tài)和剛度為約束條件。其數(shù)學(xué)模型為：
minf（X）=f（x1，x2…xn）；
s.t.g（X）>0；
ai
其中，x1，x2…xn為設(shè)計變量。
2.1.2 拓撲優(yōu)化的基本步E和實例
在進行拓撲優(yōu)化之前首先需要確定設(shè)計區(qū)域，設(shè)計變量和約束條件。然后通常進行有限元模態(tài)分析和靈敏度分析，使靈敏度小的部分不參與優(yōu)化。在此基礎(chǔ)上利用軟件進行計算，因為在每次的計算中都有參數(shù)的改變，所以需要經(jīng)過較多次的迭代，最終使其分布最優(yōu)。在軟件進行拓撲優(yōu)化的過程中，用戶對于每一次的迭代均可以實時監(jiān)控。
目前拓撲優(yōu)化中用到的數(shù)學(xué)優(yōu)化算法包括優(yōu)化準(zhǔn)則法、移動漸近線法、數(shù)學(xué)規(guī)劃法、遺傳算法、進化算法等。使用較多的是優(yōu)化準(zhǔn)則法和移動漸近線法，優(yōu)化準(zhǔn)則法適于求解少約束問題，后者偏重于多約束問題[5][6]。
周定陸等[7]建立參數(shù)化模型，不僅將下車體質(zhì)量減少了23kg，而且模態(tài)和剛度在原有的性能上略有上升。王登峰等[8]基于拓撲優(yōu)化使大客車車身骨架質(zhì)量減少約11%，且剛度強度等性能滿足設(shè)計要求。
2.2 尺寸優(yōu)化
尺寸優(yōu)化是在結(jié)構(gòu)參數(shù)、材料分布確定的前提下，對各桁架結(jié)構(gòu)尋找梁最合適的橫截面積、幾何尺寸，使得車身質(zhì)量最小且滿足剛度等要求的優(yōu)化方法。相對來說，尺寸優(yōu)化建立數(shù)學(xué)模型較容易，計算簡單，在實際工程中可以較快取得最優(yōu)
解[9]。也可以說，尺寸優(yōu)化是拓撲優(yōu)化的進一步完善和發(fā)展。
2.2.1 尺寸優(yōu)化的數(shù)學(xué)模型
尺寸優(yōu)化以車身質(zhì)量最小為目標(biāo)，幾何尺寸為設(shè)計變量，剛度以及各變量尺寸限制作為約束條件。
2.2.2 尺寸優(yōu)化的基本步驟和實例
利用有限元分析劃分單元，再進行靈敏度分析，排除不參與優(yōu)化的單元。為了減少計算量，通常采用近似模型，然后對近似模型進行求解。劉開勇[10]利用超拉丁實驗設(shè)計方法，采集車身的剛度和模態(tài)數(shù)據(jù)，在此基礎(chǔ)上建立一階響應(yīng)面模型。潘鋒[11]通過建立組合近似模型，減少優(yōu)化過程的計算量，提高效率。
常用的近似模型有響應(yīng)面模型、人工神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)模型、kriging和支持向量回歸模型等[10][12]。通過對一階近似模型進行分析，計算不同的權(quán)系數(shù)并進行加權(quán)疊加構(gòu)成的組合模型在滿足模態(tài)和剛度要求的前提下，又兼顧了汽車碰撞安全性、NVH和疲勞等性能影響，且精度更高，因此組合近似模型在多目標(biāo)多學(xué)科優(yōu)化方面更勝一籌。
張偉[13]等采用遺傳算法，結(jié)合拓撲優(yōu)化和車身尺寸優(yōu)化，不僅將質(zhì)量降低35%，而且使剛度提高了80%以上?？翟旱萚14]采用DOE及極差分析和方差分析，確定車身骨架梁截面最優(yōu)尺寸方案，使車身骨架質(zhì)量減輕了123.5kg。
2.3 形狀優(yōu)化
形狀優(yōu)化是優(yōu)化結(jié)構(gòu)的幾何形狀，通常包括桁架結(jié)構(gòu)梁節(jié)點位置的優(yōu)化；結(jié)構(gòu)內(nèi)部孔的形狀、尺寸的優(yōu)化以及連續(xù)體邊界尺寸的優(yōu)化[15]。早期，與尺寸優(yōu)化相比，形狀優(yōu)化模型建立比較困難，建立的模型質(zhì)量通常比較差，影響后期模型的優(yōu)化求解，尺寸優(yōu)化的發(fā)展受到了限制。后來，網(wǎng)格變形技術(shù)的發(fā)展簡化了形狀優(yōu)化模型的建立[16]。形狀優(yōu)化的過程與尺寸優(yōu)化相似，通常也需要建立近似模型。
3 結(jié)束語
（1）拓撲優(yōu)化計算量大，應(yīng)用受到一定限制。尺寸、形狀優(yōu)化在多數(shù)軟件中都有專門的模塊，應(yīng)用較多。為了解決計算困難問題，優(yōu)化算法有待突破，算法的突破也是車身結(jié)構(gòu)優(yōu)化進一步發(fā)展的重要前提。
（2）有限元分析方法在車身結(jié)構(gòu)優(yōu)化中起重要作用，建模、分析軟件在車身結(jié)構(gòu)優(yōu)化方面應(yīng)用越來越多。
（3）本文所提優(yōu)化方法沒有充分考慮安全性、操穩(wěn)性、NVH等因素，多學(xué)科多目標(biāo)優(yōu)化方法是目前車身結(jié)構(gòu)優(yōu)化的熱點。
參考文獻：
[1]黃磊.以輕量化為目標(biāo)的汽車車身優(yōu)化設(shè)計[D].武漢理工大學(xué)，2013.
[2]遲漢之.世界汽車輕量化及輕質(zhì)材料應(yīng)用趨勢[J].輕型汽車技術(shù)，2001（4）：54-56.
[3]韓寧，喬廣明.汽車車身材料的輕量化[J].林業(yè)機械與木工設(shè)備，2010，38（1）：50-52.
[4]崔建磊，曹學(xué)濤.拓撲優(yōu)化技術(shù)在汽車設(shè)計中的應(yīng)用[J].山東工業(yè)技術(shù)，2016（6）：254.
[5]周克民，李俊峰，李霞.結(jié)構(gòu)拓撲優(yōu)化研究方法綜述[J].力學(xué)進展，2005，35（1）：69-76.
[6]葛文杰，黃杰，楊方.拓撲優(yōu)化技術(shù)及其在汽車設(shè)計中的應(yīng)用[J].機床與液壓，2007，35（8）：11-14.
[7]周定陸，高巖，蔡華國.基于車身結(jié)構(gòu)拓撲優(yōu)化的車身輕量化研究[C]//2010中國汽車工程學(xué)會年會論文集，2010.
[8]王登峰，毛愛華，牛妍妍，等.基于拓撲優(yōu)化的純電動大客車車身骨架輕量化多目標(biāo)優(yōu)化設(shè)計[J].中國公路學(xué)報，2017，30（2）.
[9]王贏利.新能源汽車白車身結(jié)構(gòu)拓撲及尺寸優(yōu)化設(shè)計[D].大連理工大學(xué)，2012.
[10]劉開勇.基于響應(yīng)面模型的白車身輕量化優(yōu)化方法[D].湖南大學(xué)，2016.
[11]潘鋒.組合近似模型方法研究及其在轎車車身輕量化設(shè)計的應(yīng)用[D].上海交通大學(xué)，2011.
[12]韓鼎，鄭建榮.工程優(yōu)化設(shè)計中的近似模型技術(shù)[J].華東理工大學(xué)學(xué)報：自然科學(xué)版，2012，38（6）：762-768.
[13]張偉，侯文彬，.基于拓撲優(yōu)化的電動汽車白車身優(yōu)化設(shè)計[J].湖南大學(xué)學(xué)報（自科版），2014（10）：42-48.
[14]康元春，李@，高永正.基于DOE方法的客車車身骨架尺寸優(yōu)化[J].重慶交通大學(xué)學(xué)報（自然科學(xué)版），2014，33（4）：160-163.
中圖分類號：TH49文獻標(biāo)識碼： A 文章編號：
引言
1優(yōu)化設(shè)計基本原理
優(yōu)化設(shè)計是近年來發(fā)展起來的一門新的學(xué)科，它在解決復(fù)雜問題時，能定量地從眾多的設(shè)計方案中找到盡可能完美的或最適宜的設(shè)計方案，故在工程實際中的應(yīng)用越來越廣泛。優(yōu)化設(shè)計是數(shù)學(xué)規(guī)劃和計算機技術(shù)相結(jié)合的產(chǎn)物，是一種將設(shè)計變量表示為產(chǎn)品性能指標(biāo)、結(jié)構(gòu)指標(biāo)或運動參數(shù)指標(biāo)的函數(shù)，稱為目標(biāo)函數(shù)；然后在產(chǎn)品規(guī)定的性態(tài)、幾何和運動等其它條件的限制范圍內(nèi)，稱為約束條件；尋找一個或多個目標(biāo)函數(shù)最大或最小的設(shè)計變量組合的數(shù)學(xué)方法。進行優(yōu)化設(shè)計時，首先要把實際設(shè)計問題轉(zhuǎn)化為優(yōu)化設(shè)計的數(shù)學(xué)模型。在明確設(shè)計變量、約束條件、目標(biāo)函數(shù)之后，優(yōu)化設(shè)計問題數(shù)學(xué)模型的一般形式為：
求設(shè)計變量x＝［x1x2…xn］T使目標(biāo)函數(shù)f（x）的值最小minf（x）且滿足約束條件gj（x）≤0，j＝1，2，…，mhk（x）≤0，k＝1，2，…，phl（x）＝0，l＝1，2，…，q式中：n－設(shè)計變量的個數(shù)；m－性能約束條件的個數(shù)；p－幾何約束條件的個數(shù)；q－設(shè)計變量之間的約束條件個數(shù)。
2有限元法進行優(yōu)化設(shè)計的基本過程
利用大型通用有限元分析軟件ANSYS進行優(yōu)化設(shè)計，可按照以下4個步驟進行：（1）建立參數(shù)化的有限元分析文件有限元分析文件的建立在整個優(yōu)化設(shè)計中具有重要的意義，分析文件建立的正確與否會影響最終的優(yōu)化設(shè)計結(jié)果。該文件的建立可采用兩種方法：一種是直接編輯法，另一種是基于ANSYS的交互式方法。建立參數(shù)化的有限元分析文件包括以下內(nèi)容：單元類型的選擇、實常數(shù)的輸入、材料特性參數(shù)的選擇、實體模型的建立、對實體模型的網(wǎng)格劃分即有限元模型的建立、分析類型的選擇、約束條件及載荷的確定、求解以及對分析結(jié)果中相關(guān)數(shù)據(jù)的提取。（2）根據(jù)求解問題，在ANSYS數(shù)據(jù)庫中建立與分析文件中的變量相對應(yīng)的設(shè)計參數(shù)。（3）執(zhí)行優(yōu)化計算執(zhí)行優(yōu)化設(shè)計計算時，首先進入ANSYS優(yōu)化設(shè)計的模塊，指定已經(jīng)建立的分析文件；然后聲明優(yōu)化設(shè)計變量及其取值范圍、狀態(tài)變量及其取值范圍，并選擇目標(biāo)函數(shù)，即確定有限元優(yōu)化設(shè)計的數(shù)學(xué)模型；接著選擇優(yōu)化設(shè)計工具或優(yōu)化設(shè)計方法、指定優(yōu)化循環(huán)的控制方式；最后進行優(yōu)化求解。（4）查看、選取并檢驗優(yōu)化設(shè)計結(jié)果通過有限元優(yōu)化設(shè)計會得到一系列可行的和不可行的設(shè)計方案，設(shè)計者需要從這些方案中選出最好的設(shè)計方案，同時檢驗優(yōu)化設(shè)計結(jié)果的合理性。
3壓力容器的有限元優(yōu)化設(shè)計
3.1問題描述
圖1所示為一用20#鋼制造的壓力容器，根據(jù)工廠生產(chǎn)的要求，該壓力容器的最大內(nèi)壓為pmax＝15MPa，選用鋼板的厚度為h＝3mm，壓力容器的幾何尺寸R和H滿足下列關(guān)系：H－R≥30mm，材料的屈服極限為245MPa，彈性模量E＝206GPa，泊松比μ＝0.3。要求：在鋼板厚度不變的情況下，確定壓力容器具有最大體積時所對應(yīng)的幾何尺寸R和H的大小。
圖1壓力容器結(jié)構(gòu)圖
3.2壓力容器優(yōu)化設(shè)計數(shù)學(xué)模型的建立
根據(jù)上述問題描述，選取幾何尺寸R和H作為設(shè)計變量，以壓力容器的最大體積作為目標(biāo)函數(shù)。結(jié)合壓力容器結(jié)構(gòu)特點，可得目標(biāo)函數(shù)的表達式如下：Vmax＝43πR3＋2πR2（H －R）該壓力容器結(jié)構(gòu)及載荷滿足對稱性要求，為提高后續(xù)有限元優(yōu)化設(shè)計計算的效率，取壓力容器的四分之一進行有限元優(yōu)化設(shè)計。同時，利用ANSYS軟件進行有限元優(yōu)化設(shè)計時，一般是求解目標(biāo)函數(shù)的最小值，與上述目標(biāo)函數(shù)求解壓力容器的最大體積不相符，需要把求解目標(biāo)函數(shù)的最大值轉(zhuǎn)化為求解目標(biāo)函數(shù)的最小值。根據(jù)優(yōu)化設(shè)計理論，有兩種轉(zhuǎn)化方式：一種是對原目標(biāo)函數(shù)取倒數(shù)，另一種是對原目標(biāo)函數(shù)取負值。文中對原目標(biāo)函數(shù)取負值，把求解目標(biāo)函數(shù)的最大值轉(zhuǎn)化為求解目標(biāo)函數(shù)的最小值。得到壓力容器優(yōu)化設(shè)計目標(biāo)函數(shù)的表達式為：
設(shè)定設(shè)計變量的取值范圍，考慮性能約束條件及給定條件，最終建立的壓力容器優(yōu)化設(shè)計的數(shù)學(xué)模型如下：
3.3壓力容器有限元模型的建立及其分析
首先，考慮到后續(xù)進行優(yōu)化設(shè)計時設(shè)計變量隨優(yōu)化結(jié)果的變化而處于動態(tài)變化中，對壓力容器半徑R、容器高度相關(guān)尺寸H、容器的體積V在ANSYS軟件中建立參數(shù)，初步取
R＝30，H＝80。其次，針對壓力容器的薄壁結(jié)構(gòu)及結(jié)構(gòu)和受力具有軸對稱 的特點，按殼體結(jié) 構(gòu)建立 參數(shù)化 的實體模型。第三，在ANSYS軟件中先建立1／4圓柱面，再建立1／8球面，兩者經(jīng)布爾運算得到壓力容器的1／8。
3．4壓力容器的有限元優(yōu)化設(shè)計
根據(jù)上述有限元模型建立、分析、求解及有限元應(yīng)力分析結(jié)果的提取過程，建立壓力容器有限元優(yōu)化設(shè)計的分析文件，并指定分析文件。依據(jù)R和H的初始數(shù)值，初步選擇設(shè)計變量R
和H的取值范圍，且先設(shè)置參數(shù)R的取值范圍，然后再設(shè)置參數(shù)H的取值范圍。設(shè)置狀態(tài)變量即最大應(yīng)力的取值范圍，選擇體積V為目標(biāo)函數(shù)，取一階優(yōu)化設(shè)計方法，設(shè)定循環(huán)控制方式，對其進行優(yōu)化分析分析第一次優(yōu)化設(shè)計的結(jié)果發(fā)現(xiàn)，設(shè)計變量R和H的取值范圍比較接近上限值，且最大應(yīng)力比許用應(yīng)力小，為使壓力容器的體積最大，還需進一步優(yōu)化。
結(jié)合工程實際需要，對優(yōu)化后壓力容器的結(jié)構(gòu)尺寸進行圓整，可取R＝55mm，H＝100mm，此時壓力容器的最大體積為Vmax＝15.5144×105mm3。從有限元優(yōu)化設(shè)計的結(jié)果，可獲知整個優(yōu)化設(shè)計的過程中設(shè)計變量、目標(biāo)函數(shù)隨迭代序列的變化，剛開始迭代計算時，設(shè)計變量變化范圍較大，對應(yīng)的目標(biāo)函數(shù)值也有較大變化，隨著迭代次數(shù)的增加，設(shè)計變量的變化趨于平穩(wěn)，目標(biāo)函數(shù)也隨之趨于平穩(wěn)，迭代進行到第29次，得到壓力容器體積的最小值，即優(yōu)化設(shè)計問題的最優(yōu)解。
通過對壓力容器的有限元分析及優(yōu)化設(shè)計可得如下結(jié)論：（1）在設(shè)計變量的取值范圍不易確定的情況下，可根據(jù)初步的優(yōu)化設(shè)計結(jié)果進行估算，然后逐步縮小設(shè)計變量的取值范圍，進行多次優(yōu)化計算，可進一步提高優(yōu)化設(shè)計的精度，使設(shè)計方案更符合實際的需要。（2）優(yōu)化設(shè)計變量的初始值選擇不同，會影響設(shè)計變量、目標(biāo)函數(shù)隨迭代序列的變化曲線，但不影響最終的優(yōu)化設(shè)計結(jié)果。（3）由最終設(shè)計序列中設(shè)計變量的變化關(guān)系，可發(fā)現(xiàn)在優(yōu)化設(shè)計中壓力容器半徑R的變化對體積的變化明顯，與目標(biāo)函數(shù)表達式中的關(guān)系相一致。（4）在有限元優(yōu)化設(shè)計中，設(shè)計變量、約束條件容差選擇不同，對最終的設(shè)計結(jié)果有一定的影響。（5）各設(shè)計變量、目標(biāo)函數(shù)隨迭代次數(shù)的增加均向最優(yōu)解逼近，說明了有限元分析法在優(yōu)化設(shè)計中的應(yīng)用價值。
4結(jié)論
針對傳統(tǒng)設(shè)計中壓力容器的材料浪費問題，提出基于有限元分析的壓力容器的優(yōu)化設(shè)計方法。該方法首先利用有限元法對壓力容器進行分析并提取分析結(jié)果中的相關(guān)參數(shù)，然后利用優(yōu)化設(shè)計方法進行定量計算，最終得到既滿足性能指標(biāo)又滿足設(shè)計指標(biāo)的設(shè)計參數(shù)。實際結(jié)果表明，基于有限元分析的優(yōu)化設(shè)計方法，在工程實際應(yīng)用中可有效發(fā)揮作用。
參考文獻：
1． 引言
電子設(shè)計自動化（EDA）是以電子系統(tǒng)設(shè)計軟件為工具，借助于計算機來完成數(shù)據(jù)處理、模擬評價、設(shè)計驗證等工序，以實現(xiàn)電子系統(tǒng)或電子產(chǎn)品的整個或大部分設(shè)計過程的技術(shù)。它具有設(shè)計周期短、設(shè)計費用低、設(shè)計質(zhì)量高、數(shù)據(jù)處理能力強，設(shè)計資源可以共享等特點。電路通用分析軟件OrCAD/PSpice9以其良好的人機交互性能，完善的電路模擬、仿真、設(shè)計等功能，已成為微機級EDA的標(biāo)準(zhǔn)系列軟件之一。本文基于OrCAD/PSpice9的電路優(yōu)化設(shè)計方法，通過實例分析了有源濾波器的優(yōu)化設(shè)計過程。
2． OrCAD/PSpice9軟件的特點
OrCAD/PSpice9是美國OrCAD INC.公司研制的一種電路模擬及仿真的自動化設(shè)計軟件，它不僅可以對模擬電路、數(shù)字電路、數(shù)/?；旌想娐返冗M行直流、交流、瞬態(tài)等基本電路特性的分析，而且可以進行蒙托卡諾（Monte Carlo）統(tǒng)計分析，最壞情況（Worst Case）分析、優(yōu)化設(shè)計等復(fù)雜的電路特性分析。相比PSpice8.0及以前版本，具有如下新的特點：
· 改變了批處理運行模式。可以在WINDOWS環(huán)境下，以人機交互方式運行。繪制好電路圖，即可直接進行電路模擬，無需用戶編制繁雜的輸入文件。在模擬過程中，可以隨時分析模擬結(jié)果，從電路圖上修改設(shè)計。
· 以O(shè)rCAD/Capture作為前端模塊。除可以利用Capture的電路圖輸入這一基本功能外，還可實現(xiàn)OrCAD中設(shè)計項目統(tǒng)一管理，具有新的元器件屬性編輯工具和其他多種高效省時的功能。
· 將電路模擬結(jié)果和波形顯示分析兩大模塊集成在一起。Probe只是作為其中的一個窗口，這樣可以啟動多個電路模擬過程，隨時修改電路特性分析的參數(shù)設(shè)置，并可在重新進行模擬后繼續(xù)顯示、分析新的模擬結(jié)果。
· 引入了模擬類型分組的概念。每個模擬類型分組均有各自的名稱，分析結(jié)果數(shù)據(jù)單獨存放在一個文件中，同一個電路可建立多個模擬類型分組，不同分組也可以針對同一種特性分析類型，只是分析參數(shù)不同。
· 擴展了模型參數(shù)生成軟件的功能。模型參數(shù)生成軟件ModelED可以統(tǒng)一處理以文本和修改規(guī)范兩種形式提取模型參數(shù)；新增了達林頓器件的模型參數(shù)提??；完成模型參數(shù)提取后，自動在圖形符號庫中增添該器件符號。
· 增加了亞微米MOS器件模型EKV2-6。EKV2-6是一種基于器件物理特性的模型，適用于采用亞微米工藝技術(shù)的低壓、小電流模擬電路和數(shù)/模混合電路的模擬分析。
3． 電路優(yōu)化設(shè)計
所謂電路優(yōu)化設(shè)計，是指在電路的性能已經(jīng)基本滿足設(shè)計功能和指標(biāo)的基礎(chǔ)上，為了使得電路的某些性能更為理想，在一定的約束條件下，對電路的某些參數(shù)進行調(diào)整，直到電路的性能達到要求為止。OrCAD/PSpice9軟件中采用PSpice Optimizer模塊對電路進行優(yōu)化設(shè)計，可以同時調(diào)整電路中8個元器件的參數(shù)，以滿足最多8個目標(biāo)參數(shù)和約束條件的要求?？梢愿鶕?jù)給定的模型和一組晶體管特性數(shù)據(jù)，優(yōu)化提取晶體管模型參數(shù)。
3.1 電路優(yōu)化基本條件
調(diào)用PSpice Optimizer模塊對電路進行優(yōu)化設(shè)計的基本條件如下：
· 電路已經(jīng)通過了PSpice的模擬，相當(dāng)于電路除了某些性能不夠理想外，已經(jīng)具備了所要求的基本功能，沒有其他大的問題。
· 電路中至少有一個元器件為可變的值，并且其值的變化與優(yōu)化設(shè)計的目標(biāo)性能有關(guān)。在優(yōu)化時，一定要將約束條件（如功耗）和目標(biāo)參數(shù)（如延遲時間）用節(jié)點電壓和支路電流信號表示。
· 存在一定的算法，使得優(yōu)化設(shè)計的性能能夠成為以電路中的某些參數(shù)為變量的函數(shù)，這樣PSpice才能夠通過對參數(shù)變化進行分析來達到衡量性能好壞的目的。
3.2 電路優(yōu)化設(shè)計步驟
調(diào)用PSpice Optimizer進行電路優(yōu)化設(shè)計，一般按以下4個步驟：
(1) 新建設(shè)計項目，完成電路原理圖設(shè)計。這一歩的關(guān)鍵是在電路中放置OPTPARAM符號，用于設(shè)置電路優(yōu)化設(shè)計過程中需要調(diào)整的元器件名稱及有關(guān)參數(shù)值；
(2) 根據(jù)待優(yōu)化的特性參數(shù)類別調(diào)用PSpice A/D進行電路模擬檢驗，確保電路設(shè)計能正常工作，基本滿足功能和特性要求；
(3) 調(diào)用PSpice Optimizer模塊，設(shè)置可調(diào)整的電路元器件參數(shù)、待優(yōu)化的目標(biāo)參數(shù)和約束條件等與優(yōu)化有關(guān)的參數(shù)。這一歩是優(yōu)化設(shè)計的關(guān)鍵。優(yōu)化參數(shù)設(shè)置是否合適將決定能否取得滿意的優(yōu)化結(jié)果；
(4) 啟動優(yōu)化迭代過程，輸出優(yōu)化結(jié)果。
電路優(yōu)化設(shè)計的過程框圖如圖1所示。
3.3 電路優(yōu)化設(shè)計實例
濾波器電路如圖2所示。優(yōu)化目標(biāo)要求中心頻率（Fc）為10Hz；3dB帶寬(BW)為1Hz，容差為10%；增益（G）為10，容差為10%。
在圖2中，濾波器電路共有三個可調(diào)電位器R
gain、Rfc和Rbw，用來調(diào)整中心頻率、帶寬以及增益，且這種調(diào)整是相互影響的。三個可變電阻的阻值是由滑動觸點的位置SET確定的，顯然SET值的范圍為0～1，所以將三個電位器的位置參數(shù)分別設(shè)置為aG、aBW和aFc。
由于對濾波器的優(yōu)化設(shè)計是交流小信號分析，因此應(yīng)將分析類型“Analysis type”設(shè)置為“AC Sweep/Noise”；掃描類型“AC Sweep Type”設(shè)置為“Logarithmic”;“Points/Decade”設(shè)置為100；起始頻率“Start”和終止頻率“End”分別設(shè)置為1Hz和100Hz。
為了進行優(yōu)化設(shè)計，在電路圖繪制好后，應(yīng)放置OPTPARAM符號并設(shè)置待優(yōu)化的元器件參數(shù)。本例中參數(shù)屬性設(shè)置值如表1所示。
設(shè)置好待調(diào)整的元器件參數(shù)以后，調(diào)用PSpice Optimizer模塊并在優(yōu)化窗口中設(shè)置增益（G）、中心頻率（Fc）和帶寬(BW)三個優(yōu)化指標(biāo)。并利用PSpice中提供的特征值函數(shù)定義這三個優(yōu)化指標(biāo)，具體設(shè)置見表2。
調(diào)用PSpice A/D進行模擬計算，在相應(yīng)窗口中顯示中心頻率的值為8.3222，帶寬為0.712187，增益為14.8106。顯然這與要求的設(shè)計指標(biāo)有差距，需要通過優(yōu)化設(shè)計達到目標(biāo)。
在優(yōu)化窗口中選擇執(zhí)行Tune/Auto/Start子命令，即可開始優(yōu)化過程。優(yōu)化結(jié)束后，優(yōu)化窗口中給出最終優(yōu)化結(jié)果，如圖3所示。
由圖3可見，系統(tǒng)共進行了三次迭代，自動調(diào)用了9次電路模擬程序。當(dāng)3個待調(diào)整的元器件參數(shù)分別取aG=0.476062；aFc=0.457928；aBW=0.702911時，可以使3個設(shè)計指標(biāo)達到G=10.3499，F(xiàn)c=9.98953，BW=1.00777。
可見，對電路進行優(yōu)化設(shè)計后，電路指標(biāo)均能滿足設(shè)計要求。另外，完成優(yōu)化設(shè)計后，還可以從不同角度顯示和分析優(yōu)化結(jié)果。
4. 結(jié)束語
關(guān)鍵詞：機械優(yōu)化設(shè)計 智能CAD 優(yōu)化模型
中圖分類號：TH122 文獻標(biāo)識碼：A 文章編號：1672-3791（2012）12（c）-0013-01
在機械優(yōu)化設(shè)計中需要對參數(shù)模型進行求解和優(yōu)化，特別是在大型的復(fù)雜的設(shè)計項目中，需要重復(fù)建模、重復(fù)優(yōu)化模型。除了遺傳算法等數(shù)學(xué)方法使用外，CAD技術(shù)應(yīng)用對復(fù)雜的機械設(shè)計優(yōu)化問題取得了較好的效果并產(chǎn)生了很好的經(jīng)濟效果。
1 機械優(yōu)化設(shè)計中的CAD技術(shù)
單體機械機構(gòu)的優(yōu)化對象主要是零件的結(jié)構(gòu)優(yōu)化，涉及的學(xué)科少、優(yōu)化的功能單一，優(yōu)化的過程只限于結(jié)構(gòu)設(shè)計和機構(gòu)構(gòu)成之間的關(guān)系。對于復(fù)雜的機械設(shè)計，優(yōu)化的對象對體現(xiàn)整體優(yōu)化思維，即整體優(yōu)化大于局部優(yōu)化。在這個過程中就需要采用合理的手段和方法優(yōu)化的范圍綜合起來。計算機輔助手段日臻完善，在優(yōu)化設(shè)計中把原理方案、功能，結(jié)構(gòu)方案、總體參數(shù)以及結(jié)構(gòu)性狀的全部設(shè)計包含在內(nèi)，真正的做到全局優(yōu)化。
復(fù)雜的結(jié)構(gòu)設(shè)計計算復(fù)雜、方法多變，涉及多學(xué)科多目標(biāo)，而優(yōu)化更要在這些方法找到更有效的方案更為困難。因此單一的方法來解決整體的優(yōu)化問題肯定不行，但是采用CAD進行整體的優(yōu)化和分解協(xié)調(diào)優(yōu)化，通過模型建立，減少計算縮短優(yōu)化時間。在結(jié)構(gòu)優(yōu)化中器件多，耦合度高，利用CAD技術(shù)可以在結(jié)構(gòu)優(yōu)化中應(yīng)用網(wǎng)狀分解的方法，將其分解，這種分解方法除了提高CAD利用效率之外還可以解決優(yōu)化過程中的交叉學(xué)科問題，例如利用CAD機械設(shè)計的協(xié)同優(yōu)化。在整體優(yōu)化中目前的CAD技術(shù)還沒有形成普遍使用的分解方法，因此分解的正確性并不是可以控制的，這成為CAD的在機械優(yōu)化設(shè)計中應(yīng)用的瓶頸。但是優(yōu)化設(shè)計分層優(yōu)化取得比較好的效果，由此建立起來的CAD優(yōu)化發(fā)展。
2 CAD機械優(yōu)化設(shè)計建模應(yīng)用
機械產(chǎn)品設(shè)計優(yōu)化技術(shù)就是設(shè)計者借助CAD技術(shù)將設(shè)計形體可視化、模擬化、可修改、可分析優(yōu)化，進一步通過計算機輔助優(yōu)化實體模型。產(chǎn)品的優(yōu)化可以在CAD中進行三維幾何重現(xiàn)，優(yōu)化設(shè)計通過三維虛擬優(yōu)化，采用幾何模型描述對象的位置、結(jié)構(gòu)、大小和性狀，并尋求最高效的組合途徑，通過優(yōu)化的賦值可以將對象的顏色、紋理等信息進行詳細描述，優(yōu)化產(chǎn)品的原型，在這個過程中CAD的建模優(yōu)化是最常見的優(yōu)化方法。
2.1 參數(shù)建模優(yōu)化
這種優(yōu)化是通過工程關(guān)系以及幾何方法在CAD中給予產(chǎn)品的性狀特征，從而可以在產(chǎn)品功能上和設(shè)計方法上尋求類似的模型，通過模型的優(yōu)化達到設(shè)計優(yōu)化。在CAD中建立產(chǎn)品與參數(shù)之間的關(guān)系，而參數(shù)作為變量形成變量集合。在優(yōu)化過程中通過參數(shù)的變化影響設(shè)計對象的變化，參數(shù)優(yōu)化模型采用修改和定義的幾何建模。參數(shù)建模優(yōu)化包含工程優(yōu)化、拓補結(jié)構(gòu)優(yōu)化、尺寸優(yōu)化等，這些都是CAD參數(shù)建模優(yōu)化中需要考慮的因素。
2.2 特征建模優(yōu)化
這種優(yōu)化是在CAD環(huán)境下從整個設(shè)計的各個階段來優(yōu)化設(shè)計，可表述為集成優(yōu)化。進行集成優(yōu)化需要在CAD條件下建立系統(tǒng)的、完整的、全面的描述需要優(yōu)化的信息，使得各種特征能夠從設(shè)計中顯現(xiàn)優(yōu)化的策略。特征建模優(yōu)化可以明確的表示優(yōu)化邏輯關(guān)系、互動關(guān)系以及關(guān)聯(lián)特征方面進行表述和描述。特征建模優(yōu)化能夠在CAD環(huán)境中建立高層次的產(chǎn)品功能要素，對優(yōu)化的信息進行聯(lián)動管理，體現(xiàn)設(shè)計優(yōu)化中，對形狀、結(jié)構(gòu)等復(fù)雜產(chǎn)品優(yōu)化建模是思想，將產(chǎn)品的多特征進行特征分解，根據(jù)分解的特征相互建立優(yōu)化途徑，通過特征之間的運算達到優(yōu)化整個設(shè)計的目的。
3 具備知識庫智能CAD在機械優(yōu)化設(shè)計中的發(fā)展
優(yōu)化設(shè)計是一個高度智慧的創(chuàng)新的活動。CAD技術(shù)系統(tǒng)引入知識庫，產(chǎn)生智能的計算機輔助設(shè)計系統(tǒng)，這成為ACD機械優(yōu)化設(shè)計的發(fā)展方向之一。知識庫智能CAD能夠在信息優(yōu)化、知識優(yōu)化的基礎(chǔ)上建立基于優(yōu)化思維的知識庫。它能夠及時對優(yōu)化設(shè)計的方向進行評估，利用知識庫的評價機制，實現(xiàn)信息的交換和共享，解決優(yōu)化設(shè)計中對信息和知識和需求。機械設(shè)計問題是模糊的，而優(yōu)化的方式和途徑也多樣，對復(fù)雜產(chǎn)品進行優(yōu)化，建立知識庫信息獲取、組織和表達。因此具備知識庫智能CAD快速發(fā)展，為CAD在機械優(yōu)化設(shè)計領(lǐng)域提供了新的途徑。在機械優(yōu)化設(shè)計中，設(shè)計不僅具有創(chuàng)意，而且優(yōu)化應(yīng)具備整體性和科學(xué)性。優(yōu)化設(shè)計可以根據(jù)優(yōu)化的途徑分為優(yōu)化搜索和優(yōu)化創(chuàng)新。優(yōu)化搜索可以根據(jù)各種方案選擇一種最好的組合達到優(yōu)化目的。在知識庫智能CAD中具備的專家系統(tǒng)，采用參數(shù)匹配、信息匹配、結(jié)構(gòu)匹配的方法將優(yōu)化的產(chǎn)品進行搜索，選擇最優(yōu)的設(shè)計方案，遍歷知識庫中相似結(jié)構(gòu)的模型。如果知識庫建立的足夠大，足夠科學(xué)則搜索優(yōu)化的優(yōu)化度更高；優(yōu)化創(chuàng)新是直接通過知識庫得到最佳的優(yōu)化結(jié)果。這種優(yōu)化方法可以通過CAD的知識庫，將設(shè)計的參數(shù)、模型、結(jié)構(gòu)導(dǎo)入直接產(chǎn)生優(yōu)化結(jié)果。但是不論是那種優(yōu)化方法都要依據(jù)設(shè)計的原始信息，根據(jù)實際情況綜合分析智能CAD優(yōu)化結(jié)果，得出優(yōu)化設(shè)計的方案。
4 神經(jīng)網(wǎng)絡(luò)智能CAD在機械優(yōu)化設(shè)計中的發(fā)展
在優(yōu)化設(shè)計中如果將優(yōu)化的任務(wù)進行分解，形成各階段優(yōu)化的方案過多，而后面的的優(yōu)化組成數(shù)量也迅速增加，這樣就容易形成優(yōu)化組合爆炸。在優(yōu)化設(shè)計中面臨如此大的優(yōu)化結(jié)構(gòu)時，往往需要更高層次的歸納和綜合，對綜合的信息進行少量分析即可找到優(yōu)化的決策。一般CAD的優(yōu)化只能在參數(shù)、簡單結(jié)構(gòu)等方面進行優(yōu)化，而在如此復(fù)雜的框架優(yōu)化、整體優(yōu)化中顯然不能滿足優(yōu)化要求。因此具備神經(jīng)網(wǎng)絡(luò)的智能CAD能夠?qū)⒃O(shè)計的信息通過人工網(wǎng)絡(luò)結(jié)構(gòu)進行優(yōu)化決策方式進行模擬。將優(yōu)化的各層次和任務(wù)進行網(wǎng)絡(luò)串聯(lián)，共同完成階段的優(yōu)化工作。
5 結(jié)論
計算機輔助設(shè)計是機械優(yōu)化設(shè)計的必要的工具。在知識庫研究、神經(jīng)網(wǎng)絡(luò)研究、以及模糊控制研究方面已經(jīng)取得了很多經(jīng)驗并發(fā)揮了巨大的經(jīng)濟效益。在優(yōu)化設(shè)計中需要借助CAD這個途徑將這些研究的思維移植并實現(xiàn)將大大提高CAD機械優(yōu)化設(shè)計的效率，產(chǎn)生很大的經(jīng)濟效益。
參考文獻
關(guān)鍵詞：機械設(shè)計；ANSYS軟件；結(jié)構(gòu)優(yōu)化設(shè)計；機械設(shè)備結(jié)構(gòu)設(shè)計；建筑工程設(shè)計
1概述
優(yōu)化設(shè)計指的是在設(shè)計過程中尋找最完善的設(shè)計方案，從而滿足所有的設(shè)計要求?，F(xiàn)如今，科學(xué)技術(shù)發(fā)展迅速，有限元分析技術(shù)也日漸完善，并逐漸被應(yīng)用于機械產(chǎn)品的結(jié)構(gòu)優(yōu)化設(shè)計過程中，不僅能夠為機械結(jié)構(gòu)優(yōu)化設(shè)計提供便利，而且能夠有效提高數(shù)據(jù)的準(zhǔn)確性，應(yīng)用優(yōu)勢十分明顯，因此對有限元分析軟件及其應(yīng)用方式進行詳細探究具有十分重要的現(xiàn)實意義。
2ANSYS有限元分析軟件概述
ANSYS有限元分析軟件是由多個模塊所組成的，包括分析計算模塊、前后處理模塊等，現(xiàn)如今已經(jīng)被廣泛應(yīng)用于大型機械結(jié)構(gòu)設(shè)計過程中。在ANSYS有限元分析軟件的前處理模塊中，有Pro/E、UG等建模工具，在對機械結(jié)構(gòu)進行設(shè)計過程中，可以結(jié)合實際情況選用具體的制圖軟件對機械構(gòu)件進行建模設(shè)計。在對計算模塊進行分析過程中，可以模擬出不同種類的物理介質(zhì)的相互作用，因此分析靈敏度比較高，而且分析能力比較高。另外，通過應(yīng)用ANSYS有限元分析軟件的后處理模塊，可以彩色等值線、圖表以及圖像等形式顯示出計算結(jié)果。在對機械構(gòu)件模型進行有限元模型分析過程中，需要不斷進行修改和優(yōu)化設(shè)計分析，但是通過應(yīng)用ANSYS有限元分析軟件，只需要根據(jù)設(shè)計參數(shù)語言，對機械構(gòu)件的參數(shù)進行調(diào)整，就可以完善機械構(gòu)件的設(shè)計和分析過程，在最大程度上縮短機械構(gòu)件優(yōu)化設(shè)計所需時間，減少設(shè)計人員的工作量。
3ANSYS結(jié)構(gòu)優(yōu)化設(shè)計
3.1建立結(jié)構(gòu)優(yōu)化設(shè)計模型
在機械設(shè)計優(yōu)化過程中，最為關(guān)鍵的是建立數(shù)學(xué)模型，而在建立數(shù)學(xué)模型時需要結(jié)合實際情況選用合適的設(shè)計變量，在一定的約束條件下，通過目標(biāo)函數(shù)計算獲得設(shè)計最優(yōu)的設(shè)計變量。與傳統(tǒng)的機械優(yōu)化設(shè)計不同，在ANSIS有限元分析軟件的實際應(yīng)用中，只需要設(shè)定一定的參數(shù)，就可以表示出數(shù)學(xué)模型的構(gòu)建要素，包括目標(biāo)函數(shù)、約束條件以及設(shè)計變量。
3.2ANSIS優(yōu)化設(shè)計分析方法
在ANSIS有限元分析軟件的實際應(yīng)用中，由于不同用戶對于ANSIS有限元軟件的掌握程度是不同的，對此ANSIS可以提供批處理和圖形交互兩種分析方法。其中批處理主要適用于能夠熟練掌握ANSIS分析軟件各項命令的專業(yè)技術(shù)人員，在復(fù)雜程度比較高的機械設(shè)計過程中可以采用批處理方式，這樣能夠有效提高有限元分析效率。另外，對于ANSIS有限元分析軟件的一般用戶，可以采用圖形交互方式，操作更加直觀便捷。還需要注意的是，ANSIS有限元分析軟件可以為軟件用戶提供很多種優(yōu)化設(shè)計辦法和優(yōu)化設(shè)計工具，ANSIS用戶在對不同的問題進行優(yōu)化設(shè)計時，可以有針對性地選用相應(yīng)的優(yōu)化設(shè)計工具或者辦法，從而簡化分析過程，提供優(yōu)化設(shè)計結(jié)果的精準(zhǔn)性。
4ANSYS結(jié)構(gòu)優(yōu)化設(shè)計實例
4.1問題描述
某機械設(shè)備是由5節(jié)箱型同步伸縮臂所構(gòu)成的，所有的伸縮臂展開后，整個機械設(shè)備的長度約為27.0m，通過ANSYS結(jié)構(gòu)優(yōu)化設(shè)計，能夠有效滿足機械設(shè)備的強度要求和剛度要求，這樣不僅能夠有效降低機械設(shè)備自重，而且還能夠有效降低設(shè)備造價。4.2有限元分析4.2.1建立模型。以機械設(shè)備的初始結(jié)構(gòu)、尺寸以及工況要求，采用ANSYS有限元分析軟件，從底部至上建模，在建模過程中，首先確定關(guān)鍵點，然后依次建立線、面、體，最終形成實體模型。在網(wǎng)格劃分方面，可以綜合應(yīng)用自由網(wǎng)格劃分以及人工設(shè)置網(wǎng)格尺寸的方式完成。4.2.2約束及載荷處理。在該機械設(shè)備設(shè)計過程中，其約束點主要位于變幅油缸支座的鉸接位置以及基本臂根鉸點位置，在各個約束點上需要約束三個方向的平動自由度以及兩個轉(zhuǎn)動自由度，并且注意釋放銷軸中心位置的互轉(zhuǎn)自由度，對于該設(shè)備伸縮臂與滑塊之間的接觸點位置，可以采用節(jié)點自由度耦合進行模擬。在ANSYS有限元分析軟件的處理模塊中，輸入機械設(shè)備制造所需材料的密度以及重力加速度，程序即可將單元載荷因子數(shù)據(jù)直接計入總載荷中并進行自重計算。另外，對于該機械設(shè)備伸縮臂上的所有附屬裝置，都可以將其質(zhì)量作為集中荷載，并使其作用于相應(yīng)的位置。4.2.3有限元分析結(jié)果。通過對這一機械設(shè)備進行ANSYS有限元分析，當(dāng)該設(shè)備在水平位置全部展開時，其應(yīng)力以及端部的位移量能夠達到最大值，而各個節(jié)臂位置的大部分區(qū)域的應(yīng)力則比較小，最大應(yīng)力主要分布于各個節(jié)臂以及滑塊的接觸位置，根據(jù)ANSYS有限元軟件分析計算，應(yīng)力值在132～277MPa之間，局部最大應(yīng)力達到385MPa。另外，在臂端變幅平面中，最大變形量為0.55m。
4.3優(yōu)化設(shè)計數(shù)學(xué)模型的建立
4.3.1設(shè)計變量。在該機械設(shè)備的ANSYS優(yōu)化設(shè)計過程中，由于其各個節(jié)臂的長度是在優(yōu)化設(shè)計前根據(jù)作業(yè)范圍來確定的，因此在優(yōu)化設(shè)計過程中不可以改變。另外，基本臂與各個伸縮臂的截面尺寸可以根據(jù)幾何關(guān)系逐步調(diào)整，對此，可以將基本臂的壁厚Ti、寬度B以及高度H作為本次優(yōu)化設(shè)計變量，其中對于Ti可以根據(jù)連續(xù)變量進行考慮。4.3.2目標(biāo)函數(shù)。在本次優(yōu)化設(shè)計過程中，最為主要的目標(biāo)在于保障設(shè)備正常使用功能的基礎(chǔ)上盡量減小設(shè)備體積和自重，材料體積越大，則設(shè)備質(zhì)量越大，因此可以將各節(jié)臂總體積WVOLU作為本次優(yōu)化設(shè)計的目標(biāo)函數(shù)。4.3.3狀態(tài)變量。在本次優(yōu)化設(shè)計過程中，狀態(tài)變量有兩種，分別為部件作業(yè)工況下的應(yīng)力值STRESS以及前端變幅平面的位移量DY。在本次優(yōu)化設(shè)計過程中，為了保證設(shè)計剛度和強度能夠滿足實際需要，應(yīng)該加強應(yīng)力和位移的控制。4.3.4約束條件。（1）剛度約束條件：為了保證設(shè)備的剛度能夠滿足實際需要，可以將變幅平面最大變形量作為約束條件。在ANSYS優(yōu)化設(shè)計過程中，為了簡化模型的計算時間，提高建模進度和經(jīng)濟性，不需要考慮風(fēng)載荷的影響。但是，在ANSYS優(yōu)化設(shè)計完成后，還是需要加載風(fēng)載荷，對探測臂進行校核，確保其能夠滿足剛度需要；（2）強度約束條件：通過ANSYS有限元分析，綜合考慮設(shè)備材料的力學(xué)性能，在本工程中，將應(yīng)力值STRESS控制在375MPa以內(nèi)；（3）尺寸約束條件：綜合考慮初始結(jié)構(gòu)尺寸與各個節(jié)臂尺寸之間的關(guān)系，以及伸縮臂內(nèi)部油缸的外形尺寸的限制條件，指定高度H、寬度B以及基本臂壁厚Ti的最值，根據(jù)本次研究分析，高度H在0.19～0.44m之間，寬度B在0.19～0.31m之間，基本臂壁厚Ti在0.002～0.006m之間，其中i＝1，2，3，4，5。
4.4優(yōu)化過程及結(jié)果分析
4.4.1部件各節(jié)臂厚度的優(yōu)化。在對各個節(jié)臂厚度進行優(yōu)化設(shè)計時，需要對鋼板厚度及其他設(shè)計變量進行優(yōu)化設(shè)計，同時還需要注意將目標(biāo)函數(shù)的允許誤差控制在1%以內(nèi)，加上初始數(shù)據(jù)，通過16次優(yōu)化循環(huán)，總共得到17組數(shù)據(jù)。其中T1取值4.0916mm、T2取值4.5119mm、T3取值3.0563mm、T4取值2.6187mm、T5取值2.509mm。綜合考慮機械設(shè)備的焊接要求，最終，T1取值4.0mm、T2取值4.5mm、T3取值3.2mm、T4取值3.0mm、T5取值3.0mm。4.4.2工作裝置截面尺寸的優(yōu)化。確定壁厚尺寸后，對于各個部件的截面尺寸，可以采用一階方法進行優(yōu)化設(shè)計，設(shè)計變量為高度H以及寬度B，目標(biāo)函數(shù)允許誤差應(yīng)該控制在初始體積的1%以內(nèi)，總共需要進行6次優(yōu)化循環(huán)，再加上初始值，總共獲得7組數(shù)據(jù)，并采用隨機搜索的方式進行驗證，確保計算結(jié)果的一致性。4.4.3結(jié)果分析。通過對該機械設(shè)備進行優(yōu)化設(shè)計，所得結(jié)果如表1所示，由此可見，部件總體積在優(yōu)化前為0.143m3，優(yōu)化后為0.105m3，體積減少26.4%。由此可見，在本次ANSYS優(yōu)化設(shè)計過程中，在保證設(shè)備剛度和強度符合設(shè)計要求的基礎(chǔ)上，盡量減少設(shè)備材料體積，能夠達到很好的優(yōu)化結(jié)果。5結(jié)語綜上所述，對于機械結(jié)構(gòu)進行優(yōu)化設(shè)計，能夠獲得最優(yōu)設(shè)計方案。通過應(yīng)用ANSYS有限元分析軟件進行優(yōu)化設(shè)計，能夠簡化計算過程，有效提高機械設(shè)備的優(yōu)化設(shè)計效率，因此值得推廣和應(yīng)用。
參考文獻
[1]王春華，黃楊，孟凡林，等．基于ANSYS液壓支架托梁結(jié)構(gòu)改進及強度分析[J]．機械設(shè)計，2013，30（1）.
[2]吳佳燕，李郝林．基于Ansys的主軸系統(tǒng)有限元模型結(jié)構(gòu)優(yōu)化[J]．機械設(shè)計與研究，2010，26（6）.
