基于CAE仿真技术的多材料智能选材方法、系统及电子设备技术方案

本发明专利技术公开了一种基于CAE仿真技术的多材料智能选材方法、系统及电子设备，该方法包括：嵌入选材对象的初始CAE模型，并从材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集；根据预设优化参数、初始材料集和初始CAE模型构建拓扑优化模型并对模型求解，获得优化结果；根据优化结果构建CAE模型集合，并根据CAE模型集合包含的每个CAE模型中的材料属性构建中间材料集；根据CAE模型集合和中间材料集进行多维度指标评价，获取含标记的目标材料集；根据目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。本发明专利技术实现了智能选材以及选材方案的智能生成，提高了选材效率，以及降低了选材成本。低了选材成本。低了选材成本。

Multi material intelligent material selection method, system and electronic equipment based on CAE simulation technology

【技术实现步骤摘要】
基于CAE仿真技术的多材料智能选材方法、系统及电子设备


[0001]本专利技术属于辅助工程仿真
，尤其涉及到一种CAE仿真技术的多材料智能选材方法、系统及电子设备。

技术介绍

[0002]以工程产品为汽车为例，生产一辆汽车的原材料费用占生产成本的53％，可见材料的合理选择、科学处理和精确设计直接关系到汽车产品的成本与质量。随着技术及相关产品的不断创新和发展，汽车产品的更新换代也更加频繁，结构也越发复杂，由此带来的材料选择也更加频繁和困难。传统选材方法是通过人工经验和实验手段不断的重复、验证和修改，造成较高的时间、能耗以及材料成本，且远远不能满足技术发展的要求。

技术实现思路

[0003]本专利技术的目的在于提供一种基于CAE仿真技术的多材料智能选材方法、系统及电子设备，以解决传统选材方法存在的上述技术问题。
[0004]基于上述目的，第一方面，本专利技术提供一种基于CAE仿真技术的多材料智能选材方法，包括：
[0005]嵌入选材对象的初始CAE模型，并从预设材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集；
[0006]根据预设优化参数、所述初始材料集和所述初始CAE模型构建拓扑优化模型，并对所述拓扑优化模型进行求解获得优化结果；
[0007]根据所述优化结果构建CAE模型集合，并根据所述CAE模型集合包含的每个CAE模型中的材料属性构建中间材料集；
[0008]根据所述CAE模型集合和所述中间材料集进行多维度指标评价，获取含标记的目标材料集；
[0009]根据所述目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。
[0010]优选地，所述预设优化参数包含优化约束和优化目标；所述根据预设优化参数、所述初始材料集和所述初始CAE模型构建拓扑优化模型，并对所述拓扑优化模型进行求解获得优化结果，包括：
[0011]设定优化约束；所述优化约束包括所述选材对象的钢度约束、强度约束；
[0012]设定优化目标；所述优化目标包括所述选材对象的体积最大、重量最轻、材料分布最佳；
[0013]根据所述初始材料集修改所述初始CAE模型中的材料属性，并根据所述优化约束和所述优化目标构建M个拓扑优化模型；
[0014]对各所述拓扑优化模型进行求解，获得对应的优化结果。
[0015]优选地，所述根据所述CAE模型集合和所述中间材料集进行多维度指标评价，获取
含标记的目标材料集，包括：
[0016]构建多维度指标体系；所述多维度指标体系包含性能指标、成型指标、轻量化指标、成本指标、技术成熟度指标和其他指标；
[0017]基于所述CAE模型和所述多维度指标体系，通过预设的指标分析接口对所述中间材料集合中的各所述备选材料进行多维度指标评价，获得对应的权重因子；
[0018]对各维度指标的所述权重因子进行预处理；
[0019]将预处理后的所述权重因子标记至所述中间材料集合中，生成含标记的目标材料集。
[0020]优选地，所述根据所述目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案，包括：
[0021]根据所述目标材料集和各所述维度指标的指标因子构建单目标优化设计模型；
[0022]通过启发式优化算法对所述单目标优化设计模型进行求解，得到所述最优求解结果。
[0023]优选地，所述单目标优化设计模型为：
[0024][0025]其中，ρ(x1,x2,
…
,x
n
)为单目标优化设计模型，β为光滑因子，g(y
i
)(i＝1,2,
…
,m)为设计目标的目标值与当前值的差值的绝对值，g(y
i
)为：
[0026]g(y
i
)＝|V
i
‑
R
i
|，
[0027]其中，V
i
为设计目标的目标值，R
i
为设计目标的当前值。
[0028]优选地，所述启发式优化算法为粒子群优化算法；所述通过启发式优化算法对所述单目标优化设计模型进行求解，得到所述最优求解结果，包括：
[0029]通过粒子群优化算法获取所述单目标优化设计模型中的最佳当前值；
[0030]检测所述最佳当前值对应的选材方案是否为可满足方案；
[0031]若为不满足方案，则获取所有不满足方案中的设计约束和设计目标，并获取最佳目标值；
[0032]判断当前迭代次数是否小于或等于预设迭代阈值；
[0033]若是，返回步骤：通过粒子群优化算法获取所述单目标优化设计模型中的最佳当前值；
[0034]若否，确定无最优求解结果。
[0035]第二方面，本专利技术提供一种基于CAE仿真技术的多材料智能选材系统，包括：
[0036]材料集生成模块，用于嵌入选材对象的初始CAE模型，并从预设材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集；
[0037]拓扑优化模块，用于根据预设优化参数、所述初始材料集和所述初始CAE模型构建拓扑优化模型，并对拓扑优化模型进行求解获得优化结果；
[0038]材料集处理模块，用于根据所述优化结果构建CAE模型集合，并根据所述CAE模型集合包含的每个CAE模型中的材料属性构建中间材料集；
[0039]多维度评价模块，用于根据所述CAE模型集合和所述中间材料集，通过所述CAE模型进行多维度指标评价，获取含标记的目标材料集；
[0040]方案生成模块，用于根据所述目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。
[0041]优选地，所述拓扑优化模块包括：
[0042]约束单元，用于设定优化约束；所述优化约束包括所述选材对象的钢度约束、强度约束；
[0043]目标单元，用于设定优化目标；所述优化目标包括所述选材对象的体积最大、重量最轻、材料分布最佳；
[0044]拓扑优化单元，根据所述初始材料集修改所述初始CAE模型中的材料属性，并根据所述优化约束和所述优化目标构建M个拓扑优化模型；
[0045]拓扑优化求解单元，对各所述拓扑优化模型进行求解，获得对应的优化结果。
[0046]优选地，所述多维度评价模块包括：
[0047]体系构建单元，用于构建多维度指标体系；所述多维度指标体系包含性能指标、成型指标、轻量化指标、成本指标、技术成熟度指标和其他指标；
[0048]评价单元，用于基于所述CAE模型和所述多维度指标体系，通过预设的指标分析接口对所述中间材料集合中的各所述备选材料进行多维度指标评价，获得对应的权重因子；
[0049]预处理单元，用于对各维度指标的所述权重因子进行预处理；
[0050]标记单元，用于将预处理后的所述权重因子标记至所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CAE仿真技术的多材料智能选材方法，其特征在于，包括：嵌入选材对象的初始CAE模型，并从预设材料数据库中获取与目标材料性能参数匹配的备选材料，构建初始材料集；根据预设优化参数、所述初始材料集和所述初始CAE模型构建拓扑优化模型，并对所述拓扑优化模型进行求解获得优化结果；根据所述优化结果构建CAE模型集合，并根据所述CAE模型集合包含的每个CAE模型中的材料属性构建中间材料集；根据所述CAE模型集合和所述中间材料集进行多维度指标评价，获取含标记的目标材料集；根据所述目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案。2.如权利要求1所述的基于CAE仿真技术的多材料智能选材方法，其特征在于，所述预设优化参数包含优化约束和优化目标；所述根据预设优化参数、所述初始材料集和所述初始CAE模型构建拓扑优化模型，并对所述拓扑优化模型进行求解获得优化结果，包括：设定优化约束；所述优化约束包括所述选材对象的钢度约束、强度约束；设定优化目标；所述优化目标包括所述选材对象的体积最大、重量最轻、材料分布最佳；根据所述初始材料集修改所述初始CAE模型中的材料属性，并根据所述优化约束和所述优化目标构建M个拓扑优化模型；对各所述拓扑优化模型进行求解，获得对应的优化结果。3.如权利要求1所述的基于CAE仿真技术的多材料智能选材方法，其特征在于，所述根据所述CAE模型集合和所述中间材料集进行多维度指标评价，获取含标记的目标材料集，包括：构建多维度指标体系；所述多维度指标体系包含性能指标、成型指标、轻量化指标、成本指标、技术成熟度指标和其他指标；基于所述CAE模型和所述多维度指标体系，通过预设的指标分析接口对所述中间材料集合中的各所述备选材料进行多维度指标评价，获得对应的权重因子；对各维度指标的所述权重因子进行预处理；将预处理后的所述权重因子标记至所述中间材料集合中，生成含标记的目标材料集。4.如权利要求3所述的基于CAE仿真技术的多材料智能选材方法，其特征在于，所述根据所述目标材料集构建单目标优化设计模型并对模型求解，根据求解得到的最优求解结果确定选材方案，包括：根据所述目标材料集和各所述维度指标的指标因子构建单目标优化设计模型；通过启发式优化算法对所述单目标优化设计模型进行求解，得到所述最优求解结果。5.如权利要求4所述的基于CAE仿真技术的多材料智能选材方法，其特征在于，所述单目标优化设计模型为：
其中，ρ(x1,x2,
…
,x
n
)为单目标优化设计模型，β为光滑因子，g(y
i
)(i＝1,2,
…
,m)为设计目标的目标值与当前值的差值的绝对值，g(y
i
)为：g(y
i
)＝|V
i
‑
R
i
|，其中，V
...

【专利技术属性】
技术研发人员：徐世伟，蔡勇，
申请(专利权)人：湖南大学，
类型：发明
国别省市：