一种基于强化学习和拓扑优化的横梁多方案生成方法技术

本发明专利技术公开了一种基于强化学习和拓扑优化的横梁多方案生成方法，包括以下步骤：预设横梁初始设计条件，建立横梁截面有限元模型；获取所述横梁截面有限元模型的优化区域，以所述优化区域的单元密度为设计变量，以体积分数响应为约束条件，以最小柔度为目标函数，通过拓扑优化获得横梁拓扑结构的柔度值和灵敏度；基于所述柔度值和灵敏度，采用变密度法和强化学习法对所述设计变量进行迭代更新，直至满足收敛标准，获得优化后的横梁拓扑结构；基于性能指标差异和结构相似度指标对所述优化后的横梁拓扑结构进行评估

【技术实现步骤摘要】
一种基于强化学习和拓扑优化的横梁多方案生成方法


[0001]本专利技术属于加工中心机床
，特别是涉及一种基于强化学习和拓扑优化的横梁多方案生成方法
。

技术介绍

[0002]随着国民经济的高速发展，研制具备较高精度和可靠性的高端加工中心对于我国的装备制造业和航空航天
、
军工
、
汽车
、
能源等行业的振兴以及我国机床行业产品的结构调整都具有重要的战略意义
。
[0003]目前，在机床零部件的结构设计方面
,
依靠经验或类比生成设计方案，制约了设计方案的多样性
、
快速性和高效率，缺少不同方案之间的横向比较
。
设计过程相对粗糙
,
缺少详细的计算和分析
,
往往在零件制造出样件来之后再通过实验验证是否满足要求；若不满足要求则需要修改
,
修改之后再制造样件
。
如此反复的过程严重影响了设计效率
,
不能满足机床行业快速发展的需求
。
由于缺乏轻量化设计理论支撑
,
零件结构设计不合理
,
材料浪费严重
,
结构笨重时有发生
。
对于机床上运动的零件而言
,
需要不断地进行加减速运动
,
笨重的零件结构严重影响了机床的加速性能
,
进而影响了机床的加工效率
。
因此在机床零件的结构设计过程中需要有先进的设计理论和设计方法作指导
。
[0004]综上所述，有必要开发先进的轻量化设计理论和设计方法，解决上述关键技术难题
。

技术实现思路

[0005]本专利技术的目的是提供一种基于强化学习和拓扑优化的横梁多方案生成方法，以得到轻量化和选择更多的横梁二维截面设计方案，解决上述现有技术存在的问题
。
[0006]为实现上述目的，本专利技术提供了一种基于强化学习和拓扑优化的横梁多方案生成方法，包括以下步骤：
[0007]预设横梁初始设计条件，建立横梁截面有限元模型；
[0008]获取所述横梁截面有限元模型的优化区域，以所述优化区域的单元密度为设计变量，以体积分数响应为约束条件，以最小柔度为目标函数，通过拓扑优化获得横梁拓扑结构的柔度值和灵敏度；
[0009]基于所述柔度值和灵敏度，采用变密度法和强化学习法对所述设计变量进行迭代更新，直至满足收敛标准，获得优化后的横梁拓扑结构；
[0010]基于性能指标差异和结构相似度指标对所述优化后的横梁拓扑结构进行评估
。
[0011]可选地，建立横梁截面有限元模型的过程包括：基于多体动力学对加工中心的立柱
、
横梁
、
滑枕及主轴箱进行仿真分析，获得横梁横向截面或者纵向截面在典型工况下的载荷；基于所述载荷对横梁进行有限元分析和拓扑优化，获得横梁的边界条件；基于所述边界条件，建立横梁截面有限元模型
。
[0012]可选地，获取所述横梁截面有限元模型的优化区域之前还包括：对所述横梁截面
有限元模型进行典型工况的静
、
动力学分析，获得横梁的变形点和弱点
。
[0013]可选地，所述目标函数的公式如下所示：
[0014][0015]其中，
C
表示横梁结构的柔度值，
U
表示节点位移量，
K
表示横梁结构总体刚度矩阵，
k
e
表示单元刚度矩阵，
λ
表示参考设计
x
r
与当前设计结果
x
之间的相似程度，
x
e
表示单元元素密度，
u
e
表示单元位移矢量，
N
表示单元个数
。
[0016]可选地，获得灵敏度的过程包括：对所述柔度值进行刚度灵敏度分析
、
密度灵敏度过滤以及平均灵敏度平滑的操作，然后对所述目标函数进行求导，获得位移灵敏度
。
[0017]可选地，对所述设计变量进行迭代更新之前还包括：判断当前迭代更新是否为第一回合，若是则基于变密度法中的优化准则法对所述设计变量进行迭代更新，否则基于强化学习中的蒙特卡洛算法对所述设计变量进行迭代更新
。
[0018]可选地，基于优化准则法对所述设计变量进行迭代更新的过程包括：基于位移灵敏度
、
拉格朗日乘子和当前迭代的总体积，获得尺度因子；基于所述尺度因子
、
设计变量移动限制值以及阻尼系数，对设计变量进行更新，直至满足收敛标准
。
[0019]可选地，基于强化学习对所述设计变量进行迭代更新的过程包括：将优化准则法对所述设计变量进行迭代更新的设计经验作为历史经验，然后在强化学习迭代时，获取每个单元元素的目标函数值和温度系数值，基于所述目标函数值和温度系数值衡量每个单元元素的重要性并排序；基于每个单元元素的重要性，采用
softmax
算法对单元元素进行增删，进而更新每个单元元素的温度系数，如此迭代更新，直至满足收敛标准
。
[0020]可选地，所述目标函数值的获取过程包括：获取柔度灵敏度，基于当前迭代时单元的值函数
、
柔度灵敏度以及所述值函数与柔度灵敏度之间的权重，获得每个单元元素的目标函数值
。
[0021]可选地，对所述优化后的横梁拓扑结构进行评估的过程包括：基于变密度法和强化学习分别生成横梁结构的柔度值，获得性能指标差异；基于变密度法和强化学习分别生成横梁结构的设计图像，获得结构相似度指标；基于所述性能指标差异和结构相似度指标对优化后的横梁拓扑结构进行评估，满足评估标准则输出最终结果
。
[0022]本专利技术的技术效果为：
[0023]本专利技术提供一种基于强化学习和拓扑优化的横梁多方案生成方法，能够有效提高横梁结构刚度，提高材料的利用率，有效减小横梁的体积和重量，达到轻量化的效果；同时，本专利技术能够提供多个可供选择的设计思路，拓展和丰富了设计方案的选择性，提高了设计效率，为工程师在横梁的概念设计时期提供更多可靠的选择
。
附图说明
[0024]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定
。
在附图中：
[0025]图1为本专利技术实施例中的加工中心横梁的优化设计方法流程图；
[0026]图2为本专利技术实施例中的横梁纵向截面设计方案1；
[0027]图3为本专利技术实施例中的横梁纵向截面设计方案2；
[0028]图4为本专利技术实施例中的横梁纵向截面设计方案3；
[0029]图5为本专利技术实施例中的横梁纵向截面设计方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于强化学习和拓扑优化的横梁多方案生成方法，其特征在于，包括以下步骤：预设横梁初始设计条件，建立横梁截面有限元模型；获取所述横梁截面有限元模型的优化区域，以所述优化区域的单元密度为设计变量，以体积分数响应为约束条件，以最小柔度为目标函数，通过拓扑优化获得横梁拓扑结构的柔度值和灵敏度；基于所述柔度值和灵敏度，采用变密度法和强化学习法对所述设计变量进行迭代更新，直至满足收敛标准，获得优化后的横梁拓扑结构；基于性能指标差异和结构相似度指标对所述优化后的横梁拓扑结构进行评估
。2.
根据权利要求1所述的基于强化学习和拓扑优化的横梁多方案生成方法，其特征在于，建立横梁截面有限元模型的过程包括：基于多体动力学对加工中心的立柱
、
横梁
、
滑枕及主轴箱进行仿真分析，获得横梁横向截面或者纵向截面在典型工况下的载荷；基于所述载荷对横梁进行有限元分析和拓扑优化，获得横梁的边界条件；基于所述边界条件，建立横梁截面有限元模型
。3.
根据权利要求1所述的基于强化学习和拓扑优化的横梁多方案生成方法，其特征在于，获取所述横梁截面有限元模型的优化区域之前还包括：对所述横梁截面有限元模型进行典型工况的静
、
动力学分析，获得横梁的变形点和弱点
。4.
根据权利要求1所述的基于强化学习和拓扑优化的横梁多方案生成方法，其特征在于，所述目标函数的公式如下所示：其中，
C
表示横梁结构的柔度值，
U
表示节点位移量，
K
表示横梁结构总体刚度矩阵，
k
e
表示单元刚度矩阵，
λ
表示参考设计
x
r
与当前设计结果
x
之间的相似程度，
x
e
表示单元元素密度，
u
e
表示单元位移矢量，
N
表示单元个数
。5.
根据权利要求1所述的基于强化学习和拓扑优化的横梁多方案生成方法，其特征在于，获得灵敏度的过程包括：对所述柔度值进行刚度灵敏...

【专利技术属性】
技术研发人员：王铮，赵燕伟，任设东，汪磊，张景玲，周建强，
申请(专利权)人：浙大城市学院，
类型：发明
国别省市：