一种基于智能算法结合准均匀三次B样条曲线的优化方法技术

本发明专利技术公开的一种基于智能算法结合准均匀三次B样条曲线的优化方法，属于工程结构优化领域。针对变刚度纤维增强结构的纤维路径优化问题，利用智能算法对准均匀B

【技术实现步骤摘要】
一种基于智能算法结合准均匀三次B样条曲线的优化方法


[0001]本专利技术属于工程结构优化领域，涉及一种基于智能算法结合准均匀三次B样条曲线的优化方法。

技术介绍

[0002]变刚度层合板设计是指在层合复合材料中使用具有不同方向和曲线路径的连续纤维材料，以获得不同工作条件下的最优力学性能。与传统的恒刚度设计相比，变刚度设计具有更高的设计自由度和更好的力学性能。各向异性和非各向同性设计可以通过改变层厚度和纤维取向等参数来实现，从而在各种工程应用中获得最佳设计方案。变刚度设计已广泛应用于航空航天、船舶制造、汽车工业、建筑结构等领域。与恒刚度设计相比，变刚度设计在结构刚度、强度、屈曲和后屈曲承载能力、最大应力集中等方面均有显著改善。

技术实现思路

[0003]本专利技术主要目的是提供一种基于智能算法结合准均匀三次B样条曲线的优化方法，针对变刚度纤维增强结构的纤维路径优化问题，利用智能算法对准均匀B
‑
样条曲线的几个离散数据点进行纤维路径优化，以期望的性能为目标值，不断的优化迭代，直至达到全局最优解，即得到全局最优纤维路径。根据全局最优纤维路径制作层压板，能够显著提高层压板抗拉强度和刚度。
[0004]本专利技术的目的采用如下技术方案实现：
[0005]本专利技术公开的一种基于智能算法结合准均匀三次B样条曲线的优化方法，包括以下步骤：
[0006]第一步，采用遗传算法或模拟退火算法生成控制点(x
i
,y
i
)，根据实际情况设置自变量控制点(x
i
,y
i
)的取值范围。
[0007]第二步，由控制点(x
i
,y
i
)生成准均匀B
‑
样条曲线：
[0008][0009]其中，u是参数，取值范围是(0～1)，b
ij
样条基函数的系数，p
i
是控制点。
[0010]由准均匀B
‑
样条曲线求出切线向量：
[0011][0012]单位向量为：
[0013][0014]根据切线向量以及单位向量得到准均匀B
‑
样条曲线的切线角，即铺层角度为：
[0015][0016]第三步：在有限元软件中建立几何模型，划分网格。以网格为单元，将铺层角度赋予单元。
[0017]第四步：期望的性能为优化目标函数，根据优化目标函数，设置有限元边界条件及初始参数，并计算支反力。所述优化目标包括强度和刚度。
[0018]第五步：读取第四步有限元分析计算的结果，获取目标函数的解并导入遗传算法或模拟退火算法判断是否满足判据要求，不满足则返回第一步，继续循环迭代，直至满足预设判据要求，达到全局最优解，即得到全局最优纤维路径。
[0019]第六步：根据全局最优纤维路径制作层压板，显著提高层压板抗拉强度和刚度。
[0020]有益效果：
[0021]1、本专利技术公开的一种基于智能算法结合准均匀三次B样条曲线的优化方法，用于优化变刚度纤维增强结构的纤维路径，利用智能算法对准均匀B
‑
样条曲线的几个离散数据点进行优化，优化过程充分表征试样制造的情况，从而控制光纤路径，达到全局最优解。根据全局最优纤维路径制作层压板抗拉强度、刚度明显提高。
[0022]2、本专利技术公开的一种基于智能算法结合准均匀三次B样条曲线的优化方法，采用遗传算法或模拟退火算法生成控制点(x
i
,y
i
)，能够根据实际情况设置自变量的取值范围，且能够在关键部位设置密集的优化控制点，提高层压板纤维路径优化结果的精度，对控制点个数也没有严格要求，当控制点的数量较多时，需要相应增加遗传算法的种群数量或者模拟退火算法的内循环次数，保证优化结果的精度。
[0023]3、本专利技术公开的一种基于智能算法结合准均匀三次B样条曲线的优化方法，修改曲线的局部部分，提供更大的灵活性；通过采用均匀或非均匀参数化来控制，不仅适用于等间距等厚度的层压板优化，还可对非等距间距、厚度以及曲面结构进行优化。此外，该方法具有较强的可设计性和灵活的控制变量。可广泛应用于其他结构件。
附图说明
[0024]图1为本专利技术的实施案例流程图；
[0025]图2为准均匀B
‑
样条曲线及正切角示意图；
[0026]图3优化前和优化后的准均匀B
‑
样条曲线图；
[0027]图4优化前和优化后的试件；
[0028]图5优化前和优化后的试件的拉伸实验应力
‑
应变曲线；
[0029]图6具体算法的迭代优化过程及对比。
具体实施方式
[0030]为使本专利技术的技术方案和优点更加清楚，下面结合本专利技术实施案例中的附图，对本专利技术实施例中的技术方案进行清楚完整的描述：
[0031]该实施案例的目标结构以变刚度复合材料层合板为例，优化目的是使变刚度复合材料层合板在0
°
方向的强度和刚度最大化。
[0032]如图1所示，本实施例公开的一种基于智能算法结合准均匀三次B样条曲线的优化方法，具体实现步骤如下：
[0033]优化公式如下：
[0034][0035]其中U是应变能，σ是应力，ε是应变，V是体积，E是弹性模量，A是试件的横截面，Δl是试件的伸长量，l是试件的长度，F
RF
是支反力。边界条件设置为左侧固定，右侧伸长Δl＝0.5mm，获取1/F
RF
为目标值。由公式(1)可知，目标值越大，应变能就越大，弹性模量就越大。
[0036]该方法主要包括以下步骤；
[0037]S1遗传算法或模拟退火算法生成控制点(x
i
,y
i
)，其中，可根据实际情况设置自变量控制点(x
i
,y
i
)的取值范围。
[0038]S2由控制点(x
i
,y
i
)生成准均匀B
‑
样条曲线：
[0039][0040]其中，u是参数，取值范围是(0～1)，b
ij
样条基函数的系数，p
i
是控制点。
[0041]图2准均匀B
‑
样条曲线和铺层角度的求解过程，下面以5个控制点为例说明
[0042]第一段B
‑
样条曲线
[0043][0044]第二段B
‑
样条曲线
[0045][0046]由准均匀B
‑
样条曲线求出切线向量：
[0047][0048]第一段样条曲线的正切向量
[0049][0050]第二段样条曲线的正切向量
[0051][0052]单位向量为：
[0053][0054]根据切线向量以及单位向量得到B
‑
样条曲线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能算法结合准均匀三次B样条曲线的优化方法，其特征在于：包括以下步骤：第一步，采用遗传算法或模拟退火算法生成控制点(x
i
,y
i
)，根据实际情况设置自变量控制点(x
i
,y
i
)的取值范围；第二步，由控制点(x
i
,y
i
)生成准均匀B
‑
样条曲线：其中，u是参数，取值范围是(0～1)，b
ij
样条基函数的系数，p
i
是控制点；由准均匀B
‑
样条曲线求出切线向量：单位向量为：根据切线向量以及...

【专利技术属性】
技术研发人员：赵天，吴振波，贺春旺，廖海涛，赵全月，陈晓萱，吴晗泰，李营，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：