車身有限元模型保征變體設計中若干問題研究.pdf_第1頁
已閱讀1頁,還剩139頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、以CAD/CAE集成為核心的“分析驅動設計”方法在工業(yè)產品設計中發(fā)揮著越來越重要的作用。作為最有代表性的復雜工業(yè)產品之一,汽車產品的設計更是融合了以CAD/CAE為核心的數字化設計技術且反過來又會極大地促進其發(fā)展。隨著全球汽車產業(yè)競爭的日益加劇,如何快速設計出符合客戶預期的新產品,提升代表汽車工業(yè)核心技術水平的車身研發(fā)能力成為汽車行業(yè)面臨的共同問題。為縮短工業(yè)產品的研發(fā)周期和降低研發(fā)成本,亟需開展以CAD/CAE集成為核心支持產品快速設

2、計的數據重用技術的自主研發(fā)工作。鑒于此,本文以具有復雜幾何和結構約束的車身有限元模型為研究對象,以構建面向CAE的產品快速設計系統(tǒng)為研究的核心目的,對CAD/CAE集成在車身有限元模型快速設計及數據重用中的部分關鍵技術進行了深入的研究,主要內容包括:
  (1)針對車身有限元模型的快速設計及數據重用問題,提出了一種基于等參自由變體的設計方法。結合模型的由六面體、五面體和四面體單元構成的組合控制參數體,在傳統(tǒng)自由變體技術中引入基于等

3、參變換的基函數實現(xiàn)變體設計的快速計算。利用等參變換及其逆變換關系,避免了以往變體技術中涉及到的點坐標局部參數化費時問題。結合基于圖像驅動的自由變體框架,可實現(xiàn)車身產品的快速概念設計及迅速驗證造型師的設計意圖。在軟件開發(fā)平臺KMAS COMX上實現(xiàn)了基于上述算法的DCiP-MeshMorpher軟件模塊,可方便地實現(xiàn)對已有數據的重用。數值實驗展示了該方法的工業(yè)應用價值。
  (2)針對對有限元模型進行各種操作引起的網格質量降低,影響

4、后續(xù)應用的問題,提出了一種基于主導四邊形網格重構的網格優(yōu)化方法。該方法采用具有最近似等距(isometric)性質的局部/全局參數化方法轉化初始問題為相應的平面網格重構問題來進行處理。在網格重構過程中,能夠保持初始模型中的幾何或結構線約束特征以保證重構后模型的精度。同時,對影響有限元分析精度的邊界或特征區(qū)域采用offset技術保證生成規(guī)則的全四邊形單元。通過對優(yōu)化結果的數據分析,驗證了該方法具有較好的效果。
  (3)為提升一步逆

5、成形的仿真效率,提出了一種基于網格自適應技術的優(yōu)化方法。該方法綜合考慮模型的幾何特征信息(曲率等)及一步逆成形仿真得到的物理場(厚度、應力和應變等)分布,借助于黎曼度量建立反映上述各種場分布的網格單元尺寸場,生成自適應優(yōu)化網格模型。同時,在網格優(yōu)化過程中,能夠保持初始模型中的諸如焊點、加強筋、成型線和內部洞邊界等幾何或結構線特征,保證優(yōu)化后模型的精度。實驗證明該方法能夠在保持有限元仿真分析精度的前提下減少網格模型的自由度,提升分析效率。

6、
  (4)針對曲面上曲線(curves on surfaces)的刻畫和表示問題,提出了一種特征敏感度量意義下的曲面上B-spline曲線自適應保征擬合方法。該方法通過評估點集的幾何特征(法曲率)從中選取出一組主導點,基于此進行相應B-spline曲線的節(jié)點向量配置和最小二乘意義下的曲線擬合重構。此外,可根據擬合重構誤差累進地增選主導點對初始重構曲線進行迭代優(yōu)化從而實現(xiàn)曲線的自適應擬合重構。實驗表明,該方法具有較好的性能。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論