本發明屬于3D打印槳葉結構的優化計劃領域，具體涉及一種基于ANSYS和遺傳算法的3D打印槳葉結構的優化設計方法。

背景技術：

隨著計算機的發展，結構優化設計軟件的聯合運用方法也開始廣泛地被采納。結構優化設計是以數學的最優化理論作為基礎，用計算機軟件配合迭代，在一定的約束條件下尋求最優解。ANSYS軟件具有很強的結構分析功能，Matlab有很多可供選擇的遺傳算法優化工具箱以及很好的矩陣計算能力。在結構優化設計中，可充分利用二者的優勢，實現Matlab與ANSYS的數據傳輸，對3D槳葉進行結構優化。

ANSYS可以通過APDL二次開發實現3D打印槳葉的參數化建模設計，但是ANSYS優化設計模塊優化功能有限，設計變量有限制，APDL通過ANSYS的命令行窗口編譯，缺乏強大的調試功能。

技術實現要素：

發明目的：為了克服現有技術中存在的不足，本發明提供一種基于ANSYS和遺傳算法的3D打印槳葉結構的優化設計方法，通過Matlab遺傳算法與ANSYS相互的數據傳輸及調用，大大提高結構優化的效率及精度，程序運行穩定可靠。

技術方案：為實現上述目的，本發明采用的技術方案為：

基于ANSYS和遺傳算法的3D打印槳葉結構優化設計，包括以下步驟：

S1：利用MATLAB設定遺傳算法的運行參數，包括種群規模、染色體長度、最大迭代次數、交叉概率、變異概率，然后設定3D打印槳葉設計變量的參數范圍，并在參數范圍內隨機生成初始值，存入vara.txt文檔里；

S2：利用MATLAB調用ANSYS在后臺自動運行，ANSYS調用vara.txt文檔數據進行建模分析，然后輸出相關建模數據，存入result.txt文檔里；

S3：采用罰函數法將約束條件與目標函數相結合作為適應度函數(把有約束條件的優化轉化為無約束條件的優化)，并利用MATLAB調用result.txt文檔的數據進行適應度計算，然后判斷是否滿足停止準則即迭代次數；

S4：如果不滿足停止準則，則進入循環遺傳算法操作，調用遺傳算法工具箱，根據適應度計算的結果進行選擇、交叉、變異，生成新的設計變量種群，存入vara.txt文檔里，重新進入步驟S2、S3；

S5：直至滿足程序停止準則，結束循環，輸出迭代過程中的最優種群個體，并顯示最終優化圖形結果。

進一步的，所述3D打印槳葉的設計變量包括梁單元的半徑、蒙皮的厚度。

進一步的，所述ANSYS輸出的建模數據包括槳葉的最大應力、最大位移、質量以及頻率。

進一步的，所述約束條件包括最大位移小于需用位移、最大應力小于需用應力、質量在設定范圍內。

進一步的，所述優化目標函數設為槳葉的低階頻率遠離整數倍氣動諧波頻率。

有益效果：本發明提供的一種基于ANSYS和遺傳算法的3D打印槳葉結構的優化設計方法，相對于現有技術，具有以下優點：

1、把MATLAB作為主程序，能夠同步提供多個設計變量，減輕了工作量；

2、利用MATLAB直接調用ANSYS運行，避免了人工繁瑣的操作，節約了人力和實踐，提高了結構優化的效率；

3、MATLAB遺傳算法工具箱具有很強的優化功能，且操作簡單，而ANSYS又是通用型的有限元分析軟件，兩者的數據互相傳遞和調用，增加了程序運行的穩定性，保證了數據的精度和結果的可靠度。

附圖說明

圖1為利用ANSYS二次開發對3D打印槳葉的建模分析流程圖；

圖2為本發明基于ANSYS和遺傳算法對3D打印槳葉結構的優化設計流程圖；

圖3為本發明中遺傳算法程序自動調用ANSYS的示意圖；

圖4為本發明實施例中所得到的最終優化圖形結果示意圖。

具體實施方式

下面結合附圖及實施例對本發明作更進一步的說明。

如圖1所示為利用ANSYS二次開發對3D打印槳葉的建模分析流程圖，ANSYS可以通過APDL二次開發實現3D打印槳葉的參數化建模設計，但是ANSYS優化設計模塊優化功能有限，設計變量有限制，APDL通過ANSYS的命令行窗口編譯，缺乏強大的調試功能。

如圖2所示為一種基于ANSYS和遺傳算法的3D打印槳葉結構的優化設計方法，包括以下步驟：

S1：利用MATLAB設定遺傳算法的運行參數，包括種群規模、染色體長度、最大迭代次數、交叉概率、變異概率，然后設定3D打印槳葉的梁單元半徑、蒙皮厚度等設計變量參數范圍，并在參數范圍內隨機生成初始值，以矩陣形式存入vara.txt文檔里；

S2：如圖3所示，利用MATLAB調用ANSYS在后臺自動運行，ANSYS調用vara.txt文檔數據對3D打印槳葉進行參數化建模，包括有限元劃分網格及靜力學分析，然后提取槳葉模型的最大應力、最大位移、質量、頻率等數據，存入result.txt文檔里；

S3：通過設置罰函數的方法，把有約束條件的優化轉化為無約束條件的優化，其約束條件為最大位移小于需用位移、最大應力小于需用應力、質量在一定的范圍內，其優化目標函數是槳葉的低階頻率遠離整數倍氣動諧波頻率，把約束條件和優化目標函數結合設計作為適應度函數來評價染色體個體的好壞；利用MATLAB調用result.txt文檔的數據進行適應度計算，然后判斷是否滿足停止準則即迭代次數；

S4：如果不滿足停止準則，則進入循環遺傳算法操作，調用遺傳算法工具箱，根據適應度計算的結果進行選擇、交叉、變異，生成新的設計變量種群，存入vara.txt文檔里，重新進入步驟S2、S3；

S5：直至滿足程序停止準則，結束循環，輸出迭代過程中的最優種群個體，并顯示最終優化圖形結果。

下面通過具體測試數據進一步說明本發明的優化性能。

設定：所述種群規模為50，染色體長度為20，最大迭代次數為200，交叉概率為0.7，變異概率為0.2，代溝0.9；所述3D打印槳葉的梁單元半徑范圍為0.1mm-0.65mm，蒙皮的厚度范圍為0.6mm-1.5mm；所述約束條件為最大位移x小于需用位移[x]，即x<1mm，最大應力σ小于需用應力[σ]，即σ<290Mpa，質量m的約束為50g<m<70g；優化目標函數為其中kΩ為氣動諧波的整數倍，ω為槳葉的各階計算頻率。通過設置罰函數得到的適應度函數為其中penal為懲罰因子，設置為1000，d1、d2、d3為滿足約束條件的權重比。

得到的測試結果為：

最優設計變量：蒙皮厚度0.87mm，槳葉的梁單元半徑0.394mm；

適應度函數值最優解：0.6291(在本實施例中，適應度函數值越小，則評價個體的適應度越大)；

得到如圖4所示的最終優化圖形結果。

以上所述僅是本發明的優選實施方式，應當指出：對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護范圍。

總結

以上是生活随笔為你收集整理的福彩3D Matlab统计分析,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...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。