基于ANSYS和遗传算法的3D打印桨叶结构优化设计的制作方法

本发明属于3d打印桨叶结构的优化计划领域，具体涉及一种基于ansys和遗传算法的3d打印桨叶结构的优化设计方法。

背景技术

随着计算机的发展，结构优化设计软件的联合运用方法也开始广泛地被采纳。结构优化设计是以数学的最优化理论作为基础，用计算机软件配合迭代，在一定的约束条件下寻求最优解。ansys软件具有很强的结构分析功能，matlab有很多可供选择的遗传算法优化工具箱以及很好的矩阵计算能力。在结构优化设计中，可充分利用二者的优势，实现matlab与ansys的数据传输，对3d桨叶进行结构优化。

ansys可以通过apdl二次开发实现3d打印桨叶的参数化建模设计，但是ansys优化设计模块优化功能有限，设计变量有限制，apdl通过ansys的命令行窗口编译，缺乏强大的调试功能。

技术实现要素：

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于ansys和遗传算法的3d打印桨叶结构的优化设计方法，通过matlab遗传算法与ansys相互的数据传输及调用，大大提高结构优化的效率及精度，程序运行稳定可靠。

技术方案：为实现上述目的，本发明采用的技术方案为：

基于ansys和遗传算法的3d打印桨叶结构优化设计，包括以下步骤：

s1：利用matlab设定遗传算法的运行参数，包括种群规模、染色体长度、最大迭代次数、交叉概率、变异概率，然后设定3d打印桨叶设计变量的参数范围，并在参数范围内随机生成初始值，存入vara.txt文档里；

s2：利用matlab调用ansys在后台自动运行，ansys调用vara.txt文档数据进行建模分析，然后输出相关建模数据，存入result.txt文档里；

s3：采用罚函数法将约束条件与目标函数相结合作为适应度函数(把有约束条件的优化转化为无约束条件的优化)，并利用matlab调用result.txt文档的数据进行适应度计算，然后判断是否满足停止准则即迭代次数；

s4：如果不满足停止准则，则进入循环遗传算法操作，调用遗传算法工具箱，根据适应度计算的结果进行选择、交叉、变异，生成新的设计变量种群，存入vara.txt文档里，重新进入步骤s2、s3；

s5：直至满足程序停止准则，结束循环，输出迭代过程中的最优种群个体，并显示最终优化图形结果。

进一步的，所述3d打印桨叶的设计变量包括梁单元的半径、蒙皮的厚度。

进一步的，所述ansys输出的建模数据包括桨叶的最大应力、最大位移、质量以及频率。

进一步的，所述约束条件包括最大位移小于需用位移、最大应力小于需用应力、质量在设定范围内。

进一步的，所述优化目标函数设为桨叶的低阶频率远离整数倍气动谐波频率。

有益效果：本发明提供的一种基于ansys和遗传算法的3d打印桨叶结构的优化设计方法，相对于现有技术，具有以下优点：

1、把matlab作为主程序，能够同步提供多个设计变量，减轻了工作量；

2、利用matlab直接调用ansys运行，避免了人工繁琐的操作，节约了人力和实践，提高了结构优化的效率；

3、matlab遗传算法工具箱具有很强的优化功能，且操作简单，而ansys又是通用型的有限元分析软件，两者的数据互相传递和调用，增加了程序运行的稳定性，保证了数据的精度和结果的可靠度。

附图说明

图1为利用ansys二次开发对3d打印桨叶的建模分析流程图；

图2为本发明基于ansys和遗传算法对3d打印桨叶结构的优化设计流程图；

图3为本发明中遗传算法程序自动调用ansys的示意图；

图4为本发明实施例中所得到的最终优化图形结果示意图。

具体实施方式

下面结合附图及实施例对本发明作更进一步的说明。

如图1所示为利用ansys二次开发对3d打印桨叶的建模分析流程图，ansys可以通过apdl二次开发实现3d打印桨叶的参数化建模设计，但是ansys优化设计模块优化功能有限，设计变量有限制，apdl通过ansys的命令行窗口编译，缺乏强大的调试功能。

如图2所示为一种基于ansys和遗传算法的3d打印桨叶结构的优化设计方法，包括以下步骤：

s1：利用matlab设定遗传算法的运行参数，包括种群规模、染色体长度、最大迭代次数、交叉概率、变异概率，然后设定3d打印桨叶的梁单元半径、蒙皮厚度等设计变量参数范围，并在参数范围内随机生成初始值，以矩阵形式存入vara.txt文档里；

s2：如图3所示，利用matlab调用ansys在后台自动运行，ansys调用vara.txt文档数据对3d打印桨叶进行参数化建模，包括有限元划分网格及静力学分析，然后提取桨叶模型的最大应力、最大位移、质量、频率等数据，存入result.txt文档里；

s3：通过设置罚函数的方法，把有约束条件的优化转化为无约束条件的优化，其约束条件为最大位移小于需用位移、最大应力小于需用应力、质量在一定的范围内，其优化目标函数是桨叶的低阶频率远离整数倍气动谐波频率，把约束条件和优化目标函数结合设计作为适应度函数来评价染色体个体的好坏；利用matlab调用result.txt文档的数据进行适应度计算，然后判断是否满足停止准则即迭代次数；

s4：如果不满足停止准则，则进入循环遗传算法操作，调用遗传算法工具箱，根据适应度计算的结果进行选择、交叉、变异，生成新的设计变量种群，存入vara.txt文档里，重新进入步骤s2、s3；

s5：直至满足程序停止准则，结束循环，输出迭代过程中的最优种群个体，并显示最终优化图形结果。

下面通过具体测试数据进一步说明本发明的优化性能。

设定：所述种群规模为50，染色体长度为20，最大迭代次数为200，交叉概率为0.7，变异概率为0.2，代沟0.9；所述3d打印桨叶的梁单元半径范围为0.1mm-0.65mm，蒙皮的厚度范围为0.6mm-1.5mm；所述约束条件为最大位移x小于需用位移[x]，即x<1mm，最大应力σ小于需用应力[σ]，即σ<290mpa，质量m的约束为50g<m<70g；优化目标函数为其中kω为气动谐波的整数倍，ω为桨叶的各阶计算频率。通过设置罚函数得到的适应度函数为其中penal为惩罚因子，设置为1000，d1、d2、d3为满足约束条件的权重比。

得到的测试结果为：

最优设计变量：蒙皮厚度0.87mm，桨叶的梁单元半径0.394mm；

适应度函数值最优解：0.6291(在本实施例中，适应度函数值越小，则评价个体的适应度越大)；

得到如图4所示的最终优化图形结果。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。