房占鵬, 張孟珂, 李宏偉
(1.鄭州輕工業(yè)大學(xué) 機電工程學(xué)院,河南 鄭州 450002; 2.倫敦瑪麗女王大學(xué) 電子工程與計算機科學(xué)學(xué)院,英國 倫敦 E1 4NS)
約束阻尼結(jié)構(gòu)具有結(jié)構(gòu)簡單、布置方便、占用空間少和在寬頻帶范圍內(nèi)具有很好減振降噪效果等特點[1],在工程的減振降噪領(lǐng)域得到了廣泛應(yīng)用。對約束阻尼材料的布局進行優(yōu)化,獲得約束阻尼材料的優(yōu)化構(gòu)型,使約束阻尼材料粘貼在最佳的位置是嚴(yán)格控制附加質(zhì)量、提高約束阻尼材料使用效率有效的方法。
當(dāng)前,很多學(xué)者以模態(tài)損耗因子最大化為優(yōu)化目標(biāo)對約束阻尼材料的布局進行優(yōu)化,使優(yōu)化的構(gòu)型能夠提高結(jié)構(gòu)的模態(tài)損耗因子,有效抑制結(jié)構(gòu)的振動響應(yīng)[2-5]。此外,以約束阻尼薄壁件的聲輻射最小化為優(yōu)化目標(biāo)對阻尼材料的布局優(yōu)化,優(yōu)化結(jié)果對聲輻射有很好的抑制效果[6-7]。
基于頻率響應(yīng)的拓?fù)鋬?yōu)化能夠直接反映結(jié)構(gòu)的動力學(xué)響應(yīng),具有良好的工程應(yīng)用性和設(shè)計針對性[8-12]。結(jié)構(gòu)往往經(jīng)受復(fù)雜的振動激勵,特別是隨機激勵,會引起設(shè)備適應(yīng)性與人員舒適性以及結(jié)構(gòu)振動疲勞等問題[13]。約束阻尼結(jié)構(gòu)具有非比例阻尼特性, 結(jié)構(gòu)隨機響應(yīng)的靈敏度計算成本很高,因此,提出高效的靈敏度分析方法是隨機激勵下約束阻尼結(jié)構(gòu)布局優(yōu)化亟待解決的問題。
采用拓?fù)鋬?yōu)化方法對平穩(wěn)隨機激勵下約束阻尼結(jié)構(gòu)的布局進行優(yōu)化。以平穩(wěn)隨機激勵下約束阻尼結(jié)構(gòu)位移響應(yīng)的均方根值為優(yōu)化目標(biāo)建立拓?fù)鋬?yōu)化模型。提出復(fù)模態(tài)疊加法和伴隨法相結(jié)合的靈敏度分析方法,有效提高靈敏度計算效率。采用移動漸近線法(MMA)對建立的拓?fù)鋬?yōu)化模型求解,得到優(yōu)化的約束阻尼結(jié)構(gòu)布局,提高約束阻尼結(jié)構(gòu)的減振降噪特性。
采用復(fù)模量對黏彈性阻尼材料進行表征,建立平穩(wěn)隨機激勵下約束阻尼結(jié)構(gòu)的動力學(xué)方程為:
(1)
當(dāng)前,對隨機激勵下結(jié)構(gòu)振動響應(yīng)分析常用的方法有完全二次法(CQC)、平方和開平方法(SRSS)以及虛擬激勵法(PEM)[14]。虛擬激勵法將平穩(wěn)隨機振動分析轉(zhuǎn)變?yōu)楹喼C振動分析,在保持計算精度的前提下,可有效提高計算效率。構(gòu)造虛擬激勵和其對應(yīng)的響應(yīng)為:
(2)
將式(2)代入式(1)可得:
(3)
采用復(fù)模態(tài)疊加法對式(3)求解可得:
(4)
式中:φr為第r階復(fù)模態(tài)振型向量;ωr為第r階復(fù)圓頻率。
平穩(wěn)隨機激勵下約束阻尼結(jié)構(gòu)第i個自由度位移響應(yīng)的功率譜密度Sxixi和均方根值νxixi為:
(5)
(6)
式中:[ωα,ωβ]為隨機激勵的頻率區(qū)間。
平穩(wěn)隨機激勵下,以約束阻尼結(jié)構(gòu)位移響應(yīng)均方根值最小化為優(yōu)化目標(biāo)和約束阻尼材料體積為約束條件,建立其拓?fù)鋬?yōu)化模型為:
(7)
式中:ρe為設(shè)計變量e的密度值,取值為(0,1];ρmin為設(shè)計變量密度值的最小值,本文取值為0.000 1;n為設(shè)計變量總數(shù);Ve為設(shè)計變量密度值ρe=1時的約束阻尼材料的體積;V*為約束阻尼材料的體積分?jǐn)?shù)。
優(yōu)化目標(biāo)關(guān)于設(shè)計變量e的靈敏度為:
(8)
式(5)兩邊關(guān)于設(shè)計變量密度值的偏導(dǎo)為:
(9)
由于激勵力與結(jié)構(gòu)無關(guān),因而式(3)兩邊關(guān)于設(shè)計變量密度值ρe的偏導(dǎo)為:
(10)
引入向量:
αi=[0,0,…,1,0,…,0]T,
(11)
式中除了優(yōu)化目標(biāo)自由度i所對應(yīng)的第i個元素的值為1,其他元素值均為0。則
(12)
引入復(fù)伴隨向量:
Λ=ΛR+jΛI。
(13)
將式(10)兩邊左乘于ΛT并加上式(12),可得
(14)
使復(fù)伴隨向量滿足以下方程:
αi-ΛT(KR+jKI-Mω2)=0。
(15)
式(15)即為伴隨方程,采用復(fù)模態(tài)疊加法對式(15)求解即可得到伴隨向量,則
(16)
根據(jù)SIMP的插值模型,約束阻尼結(jié)構(gòu)的質(zhì)量矩陣和剛度矩陣可表示為:
(17)
約束阻尼結(jié)構(gòu)的質(zhì)量矩陣和剛度矩陣關(guān)于設(shè)計變量的靈敏度為:
(18)
采用MMA對設(shè)計變量更新,最終獲得約束阻尼結(jié)構(gòu)的優(yōu)化構(gòu)型,優(yōu)化流程如圖1所示。
圖1 優(yōu)化流程Figure 1 Block diagram of the optimization procedure
懸臂的矩形約束阻尼板的尺寸為:200 mm×100 mm,黏彈性阻尼層的彈性模量、密度、泊松比和損耗因子分別為:12 MPa、1 200 kg/m3、0.495和0.5,厚度為0.1 mm?;鶎雍图s束層均為鋁,其彈性模量、密度和泊松比分別為:70 GPa、2 700 kg/m3和0.3,其厚度分別為2 mm和0.2 mm。約束阻尼板的左邊約束,右邊自由,如圖2所示。
圖2 懸臂的約束阻尼板Figure 2 The cantilever plate/CLD system
平穩(wěn)隨機激勵作用于自由端中間,其功率譜密度矩陣為Sff=1 N2/Hz。以激勵點處的垂向位移響應(yīng)的均方根值最小為優(yōu)化目標(biāo)。約束阻尼材料的體積分?jǐn)?shù)為0.5。對約束阻尼結(jié)構(gòu)優(yōu)化的兩個隨機激勵的頻率區(qū)間分別為:f1=[0,100] Hz和f2=[100, 1 000] Hz。
首先對提出的靈敏度計算方法和直接法的計算效率進行對比分析,頻率區(qū)間為f1=[0,100] Hz時,筆者提出的靈敏度計算方法對優(yōu)化目標(biāo)的靈敏度計算時間為27.56 s,而直接法的計算時間為124.25 s??梢钥闯?,筆者提出的靈敏度計算方法的計算效率遠高于直接法。
優(yōu)化的約束阻尼材料的布局分別如圖3和圖4所示,圖中黑色部分為約束阻尼材料的布置區(qū)域,從圖中可以看出當(dāng)優(yōu)化的頻率區(qū)間不同時,約束阻尼材料的優(yōu)化布局不同。優(yōu)化前后目標(biāo)值的對比如表1所示。圖5和圖6分別為優(yōu)化前后各優(yōu)化頻段內(nèi)優(yōu)化目標(biāo)位置處位移響應(yīng)的功率譜密度,從圖5、6中可以看出,在各個優(yōu)化頻段內(nèi)結(jié)構(gòu)的振動得到了有效抑制。
圖3 優(yōu)化構(gòu)型(f1=[0,100] Hz)Figure 3 The optimal layouts of CLD treatment (f1=[0,100] Hz)
圖4 優(yōu)化構(gòu)型(f2=[100,1 000] Hz)Figure 4 The optimal layouts of CLD treatment (f2=[100,1 000] Hz)
表1 優(yōu)化前后優(yōu)化目標(biāo)值對比Table 1 The comparison of the values of objective function before and after optimization
圖5 優(yōu)化前后功率譜密度對比圖(f1=[0,100] Hz)Figure 5 PSD curves of the initial and optimal design of CLD treatment (f1=[0,100] Hz)
圖6 優(yōu)化前后功率譜密度對比圖(f2=[100,1 000] Hz)Figure 6 PSD curves of the initial and optimal design of CLD treatment (f2=[100,1 000] Hz)
約束阻尼矩形板的尺寸為:400 mm×200 mm,其他尺寸和物理參數(shù)與算例1相同,兩短邊固定,兩長邊自由。平穩(wěn)隨機激勵作用于約束阻尼板的中心,其功率譜密度矩陣為Sff=1 N2/Hz。仍然以激勵點處的垂向位移響應(yīng)的均方根值最小為優(yōu)化目標(biāo)。約束阻尼材料的體積分?jǐn)?shù)分別為0.5和0.75。對約束阻尼結(jié)構(gòu)優(yōu)化的隨機激勵的頻率區(qū)間為:f=[0,1 000] Hz。
優(yōu)化的約束阻尼材料的布局分別如圖7和圖8,計算結(jié)果表明:體積分?jǐn)?shù)分別為0.5和0.75的優(yōu)化結(jié)構(gòu)的優(yōu)化目標(biāo)比初始結(jié)構(gòu)的優(yōu)化目標(biāo)分別減小了32.26%和40.78%。圖9為優(yōu)化前后目標(biāo)位置處位移響應(yīng)的功率譜密度,從圖中可以看出,兩個體積分?jǐn)?shù)的優(yōu)化結(jié)構(gòu)在優(yōu)化目標(biāo)位置處的位移響應(yīng)功率譜密度都比初始結(jié)構(gòu)有明顯減小。
圖7 優(yōu)化構(gòu)型 (V*=0.5)Figure 7 The optimal layouts of CLD treatment (V*=0.5)
圖8 優(yōu)化構(gòu)型 (V*=0.75)Figure 8 The optimal layouts of CLD treatment (V*=0.75)
圖9 優(yōu)化前后功率譜密度對比圖Figure 9 PSD curves of the initial and optimal design of CLD treatment
(1) 以約束阻尼結(jié)構(gòu)位移響應(yīng)均方根值最小化為優(yōu)化目標(biāo),約束阻尼材料體積為約束條件,約束阻尼單元為設(shè)計變量,建立平穩(wěn)隨機激勵下約束阻尼結(jié)構(gòu)的拓?fù)鋬?yōu)化模型。
(2) 針對拓?fù)鋬?yōu)化屬于優(yōu)化目標(biāo)少、設(shè)計變量多的情況,提出了復(fù)模態(tài)疊加法和伴隨法相結(jié)合的靈敏度分析方法,有效提高靈敏度計算效率。
(3) 采用MMA算法對建立的約束阻尼結(jié)構(gòu)優(yōu)化模型進行求解,對平穩(wěn)隨機激勵下的約束阻尼結(jié)構(gòu)進行優(yōu)化,得到優(yōu)化的約束阻尼結(jié)構(gòu)比初始結(jié)構(gòu)的振動響應(yīng)明顯減小,驗證了筆者提出的優(yōu)化算法的正確性和有效性。