Isight平臺理論與方法及其在產(chǎn)品結(jié)構(gòu)設(shè)計與優(yōu)化中的應(yīng)用研究

李佳霖，李勁松，李美

（海南大學(xué)機電工程學(xué)院，海南 ?？?570228）

前言

在傳統(tǒng)產(chǎn)品結(jié)構(gòu)設(shè)計和優(yōu)化中，在獲得最終方案之前，通常需要根據(jù)方案參數(shù)的變化進行多次模擬分析和實驗驗證。這是一個典型的循環(huán)，名為“設(shè)計評估重新設(shè)計”的過程[1]。這個周期一直持續(xù)到它得到最佳方案或達到預(yù)定目標(biāo)為止。此外，在每個周期中，變更方案通常是基于經(jīng)驗的，這在一定程度上影響了效率，其結(jié)果的可靠性也受到質(zhì)疑。為了消除人工干預(yù)的瓶頸，必須將仿真、分析和優(yōu)化過程相結(jié)合。計算機科學(xué)的蓬勃發(fā)展和計算機軟件技術(shù)的不斷完善，也為產(chǎn)品結(jié)構(gòu)設(shè)計和優(yōu)化中提供了強大的計算機平臺。例如，Isight平臺是一個數(shù)據(jù)集成的軟件框架，由四個應(yīng)用數(shù)學(xué)算法（測試設(shè)計、近似建模、勘探優(yōu)化和質(zhì)量設(shè)計）有機地組成，是一個計算機自動、智能化、重復(fù)性的設(shè)計過程，以實現(xiàn)更好、更快的生產(chǎn)目標(biāo)。

Isight平臺由于其強大的數(shù)據(jù)集成和數(shù)據(jù)處理功能[2]，主要用于基于正交數(shù)組、拉丁超立方體等方法進行DOE（實驗設(shè)計），分析結(jié)構(gòu)參數(shù)變化對目標(biāo)函數(shù)的影響或使用實現(xiàn)產(chǎn)品結(jié)構(gòu)的多目標(biāo)優(yōu)化設(shè)計，對優(yōu)化算法進行了探討，目前，在Isight平臺的幫助下，陳曉平等人對影響曲軸疲勞強度的關(guān)鍵結(jié)構(gòu)參數(shù)進行了敏感性分析、主要效應(yīng)分析和相互作用分析；程成等人完成了基于DOE方法的螺旋槳敞水性能設(shè)計與優(yōu)化研究，提高了螺旋槳的效率和最小壓力系數(shù)；尹波等人采用兩種遺傳算法對基于MDO方法的三維機翼氣動結(jié)構(gòu)進行了優(yōu)化設(shè)計。

然而，在有關(guān)Isight平臺應(yīng)用的文獻中，缺乏對其基本功能和相關(guān)概念的描述，也缺乏對其強大的數(shù)據(jù)集成和數(shù)據(jù)處理模塊的介紹。此外，由于與Isight平臺相關(guān)的出版書籍較少，用戶很難掌握自己的理論知識和應(yīng)用方法。因此，本文重點介紹了Isight平臺的數(shù)據(jù)集成和數(shù)據(jù)處理功能，并給出了一個工業(yè)實例。

本文的其余部分包括以下幾個部分：第一章節(jié)概述了Isight平臺的數(shù)據(jù)集成；第二章節(jié)介紹了平臺中的數(shù)據(jù)處理方法；第三章節(jié)介紹了產(chǎn)品結(jié)構(gòu)設(shè)計和優(yōu)化的整個過程。最后，第四章節(jié)得出結(jié)論并提出建議。

1 數(shù)據(jù)集成

1.1 集成原理

一般來說，在產(chǎn)品結(jié)構(gòu)設(shè)計和優(yōu)化過程中，通常需要使用一些軟件。因此，對于每組數(shù)據(jù)，計算或分析的過程非常繁瑣。如果數(shù)據(jù)量很大，這個過程將持續(xù)很長時間，這將花費大量的人力和時間。然而，Isight平臺為其他軟件和自編程提供通用集成接口（如simcode、高級解析）和專業(yè)集成接口（如matlab、abaqus、ansys…）。然后，通過命令調(diào)用集成軟件或自編程，實現(xiàn)計算或分析的自動操作[3]。

1.2 集成方法

Isight中的數(shù)據(jù)集成策略是使仿真程序能夠輕松耦合。在Isight平臺中，如圖1所示，有兩種不同的集成方法供用戶選擇。第一種是通用集成接口，第二種是專業(yè)集成接口。由于第一種方法的靈活性和實用性，目前得到了廣泛地應(yīng)用。對于第一種方法，如圖2所示，積分方法主要有3個步驟[4-6]：

圖1 Isight平臺兩種集成方法

（1）對于simcode中的輸入或輸出模塊，應(yīng)集成來自軟件或自編程的輸入或輸出計算文件；

（2）對于simcode中的命令模塊，應(yīng)集成能夠?qū)崿F(xiàn)集成軟件獨立運行的命令；

（3）通過圖形文件解析器從輸入和輸出文件映射特定參數(shù)，如圖2所示的紅色標(biāo)記是輸入?yún)?shù)，所示的綠色標(biāo)記是輸出參數(shù)。

圖2 文件分析器用戶界面

與第一種方法相比，第二種積分方法基本相同，但沒有第二步。

通過文件集成接口實現(xiàn)仿真程序的輸入和輸出映射到Isight后，由Isight驅(qū)動產(chǎn)品設(shè)計和優(yōu)化工作，實現(xiàn)自動化探索。

2 數(shù)據(jù)處理

基于 Isight平臺的產(chǎn)品結(jié)構(gòu)設(shè)計與優(yōu)化，其強大的數(shù)據(jù)處理功能不容忽視。Isight的設(shè)計與優(yōu)化探索工具主要包括DOE技術(shù)、優(yōu)化算法、近似方法等。其中，DOE技術(shù)和優(yōu)化算法使用最廣泛。

2.1 DOE技術(shù)

DOE是指在明確測試目標(biāo)的前提下，對測試因子的具體設(shè)計和安排、各因子的水平和實驗次數(shù)，可以用來確定一個或多個因素對研究問題特征的影響，并對變化效果進行統(tǒng)計評價。DOE中有三個步驟：實驗設(shè)計、執(zhí)行實驗和結(jié)果分析。

對于實驗設(shè)計，Isight平臺提供了七種供用戶選擇的方法[1,7]，如圖3所示。在這七種方法中，每種方法都有其優(yōu)缺點。針對具體問題，用戶應(yīng)根據(jù)效率、準(zhǔn)確性和靈活性的原則選擇方法。

在結(jié)果分析方面，基于集成軟件的實驗分析數(shù)據(jù)，DOE后處理主要提供主效應(yīng)和交互效應(yīng)計算，并對數(shù)據(jù)進行帕累托分析。因此，用戶可以得到主效應(yīng)圖、交互圖和帕累托圖，如圖4所示。此外，DOE后處理還為用戶提供了系數(shù)表、相關(guān)圖和工程數(shù)據(jù)挖掘。

圖3 操作界面和實驗方法介紹

“主效應(yīng)”只考慮一個自變量對因變量的影響，而不考慮其他自變量?！敖换バ?yīng)”提供了幾個自變量對因變量的協(xié)同效應(yīng)?！芭晾弁蟹治觥盵8]表示影響結(jié)果的自變量百分比（貢獻率）；在pareto圖中，藍色條表示相應(yīng)的效果為正，紅色表示負。

圖4 后處理的主要圖表

2.2 MDO的數(shù)據(jù)處理

圖5 16種優(yōu)化算法

在Isight平臺中，由于其強大的數(shù)據(jù)集成和處理能力，最廣泛使用的功能除了DOE就是MDO，其主要是對多個子目標(biāo)實現(xiàn)綜合性優(yōu)化，稱為多目標(biāo)優(yōu)化。然而，目標(biāo)可能相互沖突，因此優(yōu)化過程必須受到影響。因此，Isight平臺中有16種可用的優(yōu)化算法，供用戶選擇更好的算法和更合適的算法，以便通過標(biāo)量或非標(biāo)量方法實現(xiàn)產(chǎn)品結(jié)構(gòu)的優(yōu)化。如圖5所示，為16種優(yōu)化算法[9-10]。

3 案例研究

本節(jié)介紹基于Isight平臺的數(shù)據(jù)集成和數(shù)據(jù)處理實現(xiàn)汽車橫向穩(wěn)定桿優(yōu)化的工業(yè)實例。

3.1 結(jié)構(gòu)參數(shù)

如圖6所示，汽車水平穩(wěn)定的具體參數(shù)如下：lt為760mm；l1為278mm；d為30mm；d為14mm；r為20mm；結(jié)構(gòu)截面為空心圓柱，D為截面外徑，d為截面內(nèi)徑，l1為杠桿臂長[11]。

圖6 汽車橫向穩(wěn)定桿

3.2 輸入和輸出參數(shù)

根據(jù)汽車水平穩(wěn)定結(jié)構(gòu)輕量化和應(yīng)力最小化的優(yōu)化原理，本例中有三個輸入?yún)?shù)和三個輸出參數(shù)，如表1所示。對于輸出參數(shù)，Smax和Umax是結(jié)構(gòu)在工作狀態(tài)下的最大應(yīng)力和最大位移，v是汽車水平穩(wěn)定的體積。

表1 輸入和輸出參數(shù)

3.3 數(shù)據(jù)集成

圖7 集成流程圖

本案例利用Isight平臺的通用集成接口，將CATIA軟件和ABAQUS軟件集成在一起，實現(xiàn)了汽車橫向穩(wěn)定的DOE和MDO。綜合流程圖如圖7所示。首先在CATIA中建立實體模型，對輸入?yún)?shù)進行參數(shù)化后，得到.macro文件。然后將實體模型導(dǎo)入到ABAQUS軟件中，進行有限元分析，得到模型工作狀態(tài)下的相關(guān)輸出參數(shù)以及.py文件。最后，基于平臺操作界面進行了文件集成操作[12]。

3.4 數(shù)據(jù)處理

3.4.1 DOE數(shù)據(jù)處理

本案例采用最優(yōu)拉丁超立方體設(shè)計方法來實現(xiàn)DOE。在設(shè)置輸入?yún)?shù)范圍和測試方案后，如圖8所示，DOE自動計算，并根據(jù)結(jié)果生成帕累托圖[13]。其中，本案例的測試方案自動生成20組，滿足測試需求的最少數(shù)量。

圖8 DOE的預(yù)處理界面

根據(jù)圖9中S、U和V的帕累托圖，可以得知輸入?yún)?shù)對輸出參數(shù)的貢獻率。例如，輸入?yún)?shù)d對v有正作用，對s和u有負作用，借助于帕累托圖，它們也可以指導(dǎo)我們進行產(chǎn)品優(yōu)化研究。

圖9 DOE試驗的帕累托圖

3.4.2 MDO數(shù)據(jù)處理

本案例使用NCGA的方法來執(zhí)行MDO[19,20]。在設(shè)置輸入?yún)?shù)、輸出參數(shù)和測試方案的范圍后，如圖10所示，MDO自動計算，并根據(jù)結(jié)果生成Pareto集。在遺傳算法的設(shè)置中，初始種群數(shù)為8，代數(shù)為15。結(jié)果表明，MDO有120種不同的方案。

圖10 MDO預(yù)處理界面

從MDO的帕累托解集中，如圖11所示，可以得到更好的優(yōu)化，或者用戶可以根據(jù)實際情況選擇最佳的方案。在這種情況下，第三十九個方案是最終的優(yōu)化方案，優(yōu)化前后汽車水平穩(wěn)定性的數(shù)據(jù)比較如表2所示。

圖11 MDO帕累托解集

表2 優(yōu)化前后數(shù)據(jù)對比

相比之下，該方案的smax、umax和v值都有不同程度地降低，優(yōu)化后的方案達到了預(yù)期的目標(biāo)。優(yōu)化前后的位移云圖和應(yīng)力云圖如圖12和圖13所示。

圖12 位移云圖

圖13 應(yīng)力云圖

4 結(jié)論

本文彌補了Isight軟件基礎(chǔ)知識在學(xué)術(shù)領(lǐng)域的空白，為那些想利用Isight軟件進行產(chǎn)品設(shè)計和優(yōu)化研究的研究者提供了最基本的概念和方法，也為同類研究提供了一種思考和參考的方法。筆者相信，基于Isight平臺強大的功能，它將得到越來越廣泛的應(yīng)用。