數字化制造

設計仿真 | CAEfatigue助力產品穩健性設計提升

轉載 :  zaoche168.com   2023年06月19日

不確定性在工程結構和產品中普遍存在,幾乎所有的系統都有自然的隨機變化的屬性。比如設計和建造工程結構或產品,會受到各種參數不確定性因素的影響。如材料的屬性參數會在一定范圍內變化,零部件的形狀、尺寸由于制造公差將在一定范圍內隨機分布,零件的裝配存在位置公差等。制造過程有隨機的制造缺陷,產品的服役環境,如承受的載荷、結構的邊界條件、初始條件等都在一定范圍內存在不確定性。不確定性的存在意味著我們不能指望去預測響應,只能運用統計學的方法來估計響應。

 

考慮不確定性的CAE仿真,稱為CAE隨機仿真,隨機仿真在模擬仿真中會涉及概率。隨機意味著:

? 工程結構意想不到的結果可能是由各種系統參數的不確定性(變異性)組合而造成的,這些變異性可能導致風險和最終的失敗

? 不可能任意精確地預測事件,人們只能在存在不確定性的情況下進行估計。

 

如何考慮仿真中的不確定性?

對于具有不確定性的CAE仿真,其輸入參數(變量)需要以下三個方面的信息:

? 均值(名義值)

? 變化范圍 (容差)

? 概率分布形式(概率密度函數PDF

1 CAE隨機仿真

 

輸出是響應(計算結果)的分布規律以及響應和輸入變量之間的關聯關系。通過CAE隨機仿真,可以觀察所有輸入變量同時變化時對響應的影響。

 

通過CAE隨機仿真,可以進行產品穩健性設計。隨機仿真具有如下優勢:

? 提高可信度:在有限元模型中考慮參數的公差和分散性顯著提高了模型的真實性,提高了計算結果的可信度

? 減少物理測試:由于模型可信度高,可以充滿信心地使用隨機仿真來減少物理測試的數量

? 降低成本:通過隨機仿真,確定出對目標響應影響不大的部件,可放寬這些部件的設計和制造公差

? 評估風險:可使用隨機模型評估產品設計的穩健性和風險

 

CAEfatigue穩健性設計功能和案例

CAEfatigue的穩健性設計功能可以和MSC Nastran聯合使用,用戶從MSC Nastran BDF/DAT文件中選擇多個輸入變量,這些變量按用戶指定的分布規律產生變化,使用變化后的參數在MSC Nastran中進行新的計算,最終可得到表示輸入變量和輸出響應之間關聯強度的相關性數據,通過相關性數據可以決定如何改變設計以獲得所需結果。

 

要進行CAEfatigue穩健性設計分析,首先從菜單中選擇“Robust Design”。然后CAEfatigue將打開“Robust Design”分析模板,從中可以選擇要在分析中使用的MSC Nastran BDF/DAT文件。所選擇的MSC Nastran BDF/DAT文件最初由CAEfatigue讀取解析,并顯示所有支持的變量。然后選擇要考察的輸入變量以便在隨后的MSC Nastran運行中進行修改。有關CAEfatigue穩健性設計的設置和輸出如下面的圖所示:

2 CAEfatigue穩健性設計菜單界面

 

3 MSC Nastran輸入參數選擇和輸出選項

穩健性設計分析案例:一個簡化的汽車車身模型,包含車門和車窗。兩種材料,車窗是玻璃(材料2),其余結構是鋼(材料1)。穩健性設計分析輸入變量是材料的彈性模量和密度,以及11種板厚。輸出響應是車身的質量以及車身前4階柔性體模態頻率。所有輸入變量均為正態分布,參數變異系數取5%。輸入變量設置和輸出響應的統計結果如下圖所示:

4 車身穩健性分析輸入變量和輸出響應設置

輸出響應的統計結果

輸入變量和輸出響應的相關性如下圖。在決策圖中,略去了小于0.05的相關性。其中藍色點的大小代表了對應的輸入變量和輸出響應之間的相關性的大小。從圖中可看出:直徑最大的藍色點表示輸出響應1(車身質量)和輸入變量2(材料1的密度)有很強的關聯性。對于輸出響應2,即車身模型第一階柔性體模態(第7階模態),和輸入變量1(材料1的彈性模量)以及輸入變量2(材料1的密度)都有較強的相關性。下圖右上方的餅形圖顯示了各輸入變量對第7階模態的影響程度,其中材料1的密度影響最大,占29.6%,材料1的彈性模量影響次之,占28.53%,影響第三的是9號屬性板的厚度,占15.95%,第四是2號屬性板的厚度,占13.92%,其它輸入變量對第7階模態影響很小。這表明:如果要改變第7階模態,改變材料1的參數和9號屬性板以及2號屬性板的厚度是比較有效的方法。在材料選定的情況下,從制造角度來說,為保證模態7的頻率,要嚴格控制9號屬性板和2號屬性板的厚度公差,其它板的厚度可放大公差,以減少加工成本。點擊決策圖中紅色圈內的藍色點,則會給出下圖右下角的蟻丘圖,該圖展示了模態7的頻率隨9號屬性板厚度變化的分布規律以及模態79號屬性板厚度之間的相關性系數。

6 輸入變量和輸出響應的相關性結果

CAEfatigue同時提供了隨機設計改進功能,可以在給定的響應目標條件下確定輸入變量合適的取值。本例中,保持材料不變,各輸入變量分布形式不變,限定車身的質量不大于0.235,模態7的頻率不低于17.5Hz,對車身板厚進行改進設計。通過分析計算,得到各板厚的名義尺寸和最終車身質量和模態7的頻率如下:

7 車身板厚的設計改進

改進前后板厚、車身質量以及模態7的頻率對比如下表:

CAEfatigue助力產品穩健性設計提升

CAEfatigue提供了強大的穩健性設計分析功能和隨機設計改進能力。通過穩健性設計分析,觀察模型輸出響應的分散性,檢驗產品的設計質量;工程師可以改變對輸出響應影響最大的變量參數,提高產品設計達到預期目標的潛力。

隨機設計改進是一種快速有效的改進產品設計的能力,通過將輸出響應移動到更接近一個或多個目標來幫助用戶改進設計,從而使產品設計最可能出現的性能達到或接近指定的目標值。

標簽:CAEfatigue 工業軟件 數字化制造 我要反饋 
品牌導航
專題報道
【更多】
2023025期周報
2023025期周報

10月26日,Stellantis N.V.(下稱“Stellantis集團”)和浙江零跑科技股份有限公司(下...

国产精品艾草在线观看|欧美一区二区精品性色|锦绣民国下载久久小说网|自拍偷自拍亚洲精品被多人伦好爽