行為建模技術(shù)(1)

1、行為建模技術(shù)行為建模技術(shù) 1 行為建模概述行為建模概述行為建模技術(shù)是在設(shè)計產(chǎn)品時，綜合考慮產(chǎn)品所要求的功能行為、設(shè)計背景和幾何圖形，采用知識捕捉和迭代求解的一種智能化設(shè)計方法。通過這種方法，設(shè)計者可以面對不斷變化的要求，追求高度創(chuàng)新的、能滿足行為和完善性要求的設(shè)計。行為建模包括: 定義行為特征。這些特征可以用于推動設(shè)計本身的進展。例如，捕獲想得到的重量或體積的行為特征，可以用于設(shè)計剪草機油箱的大小?；蛘?，可以在一個用于設(shè)計表面曲率的行為特征中，測量和獲取表面的反射角。另外，也可以對能夠方便地獲取這些復(fù)雜或定制的尺寸的行為特征進行分組，并將它們保存在庫中，以供設(shè)計小組成員再用或訪問。 評估模型的

2、可行性、靈敏性或優(yōu)化程度，并理解更改設(shè)計目標(biāo)所帶來的效果。行為建模技術(shù)能讓工程師通過設(shè)計研究來評估設(shè)計的行為，設(shè)計研究可以提供對更改如何影響模型的深入了解。另外，它還可以確定想要進行的更改是否可行。通過實時設(shè)計更新和易讀的圖形結(jié)果. 其中包括圖表和彩色框圖. 可以傳遞這一數(shù)據(jù)。另外，工程師還可以研究通過交互式拖曳和用戶定義的運動來制作部件動畫的動態(tài)效果。而且，獲取離散測量的行為特征可以用于優(yōu)化設(shè)計。這樣建立的設(shè)計更多地考慮了環(huán)境因素。 設(shè)計研究。設(shè)計模型一旦建立，行為建模技術(shù)就根據(jù)那些模型的特定目標(biāo)和標(biāo)準(zhǔn)來改進設(shè)計。換句話說，行為建模技術(shù)可以自動完成工程師不得不用手工進行的所有的設(shè)計反復(fù)。例如

3、，為了獲得最佳的引擎性能，工程師可以把入口管道的恒定流量指定為一個目標(biāo)，行為建模技術(shù)將根據(jù)這一目標(biāo)，自動建立一組研究設(shè)計空間的設(shè)計。 2 行為建模器行為建模器 行為建模器Behavioral Modeling是一種分析工具，在特定的設(shè)計意圖、設(shè)計約束前提下，經(jīng)一系列測試參數(shù)迭代運算后，可使工程師能獲取最佳的設(shè)計建議。 行為建模器的運作過程包括三項特性： l）Smart Models 聰穎模型，內(nèi)含工程智能。利用全新的特征基礎(chǔ)的建模技術(shù)，能夠捕捉幾何、規(guī)格、設(shè)計意圖等知識進行設(shè)計。 2）ObjectiveDriven Design 目標(biāo)驅(qū)動設(shè)計，即使面臨許多的設(shè)計變量、限制條件與設(shè)計準(zhǔn)則，工程師

4、仍可獲得最佳化的解決方案。 3）Open Extensible Environment 開放型的延伸環(huán)境，能輕易與外部應(yīng)用軟件達成雙向溝通，確保設(shè)計模型自動反映出結(jié)果。 1）行為建模器的特性行為建模聰穎模型目標(biāo)驅(qū)動設(shè)計開放型的延伸環(huán)境關(guān)聯(lián)性特征基礎(chǔ)參數(shù)化2）行為建模器的組成 行為建模器是一種分析工具，需要建立分析特征（Analysis Feature），利用分析特征對模型進行若干的物理性質(zhì)、曲線性質(zhì)、曲面性質(zhì)、運動情況等測量，由于特征參數(shù)（Feature Parameter）的產(chǎn)生，清楚定義設(shè)計變量與設(shè)計目標(biāo)后，系統(tǒng)會尋找出合理的參考解答。 另一種分析特征為用戶自定義分析User-Define

5、d Analysis，簡稱：UDA。這是由數(shù)個特征（如基準(zhǔn)、曲面或?qū)嶓w特征）組成局部群組，可再配合域點（Field Point），形成適合特定情況的分析特征。 分析特征建立后，依設(shè)計需求有四種解析模式供選擇： （1）靈敏度分析Sensitivity Analysis （2）可行性研究Feasibility （3）最優(yōu)化分析Optimization （4）多目標(biāo)設(shè)計研究一一MultiObjective Design Study設(shè)計實例1 礦泉水容器設(shè)計容積設(shè)計問題是常遇到的問題，其容積是抽殼前、后的體積差，但要保證指定體積（如容積為5公升）卻很困難，而用行為建模方法卻較簡單。 3. 行為建模應(yīng)用

6、1）單目標(biāo)設(shè)計 基本過程：（1）設(shè)計礦泉水容器 （2）建立分析特征（在抽殼前）（3）建立另一分析特征（在抽殼后）（4）建立一分析特征（建立抽殼前后體積關(guān)系）最后再建立一個分析特征inner_volume，類型為“關(guān)系”，給出抽殼前后體積關(guān)系，即礦泉水瓶的內(nèi)部容積等于抽殼前的實體體積減去抽殼后的實體體積。關(guān)系式的名稱 = 參數(shù)名稱：fid_特征名稱-參數(shù)名稱：fid_特征名稱寫成式子為：inner_volume=one_side_vol:fid_solid_volume-one_side_vol:fid_shell_volume抽殼前的實體體積 抽殼后的實體體積 inner_volume=one

7、_side_vol:FID_SOLID_VOLUME-one_side_vol:FID_SHELL_VOLUME/* inner_volume關(guān)系變量/* one_side_vol該分析特征的參數(shù)名稱/* FID_SOLID_VOLUME分析特征名稱/*/* one_side_vol該分析特征的參數(shù)名稱/* FID_SHELL_VOLUME分析特征名稱（5）進行靈敏度分析此處進行靈敏度分析，即考察礦泉水瓶的內(nèi)部容積inner_volume與礦泉水瓶高度尺寸d96的關(guān)系和礦泉水瓶的內(nèi)部容積inner_volume與礦泉水瓶下方直徑d0的關(guān)系。 （6）進行可行性分析 通過上面的靈敏度分析，確定出能

8、滿足容積設(shè)計要求的設(shè)計變量為礦泉水瓶下方直徑尺寸d0，故使用可行性分析來確定滿足要求的設(shè)計變量d0的具體尺寸。 計算結(jié)果d0為170.66mm，設(shè)計前后礦泉水瓶如圖所示。設(shè)計實例2 曲柄軸設(shè)計 在設(shè)計曲柄軸時，曲柄必須符合靜態(tài)平衡，即在曲柄軸不轉(zhuǎn)動的時候，以手動方式可旋轉(zhuǎn)至任意位置都回停止，不會因為重力而發(fā)生旋轉(zhuǎn)。所以要求曲柄軸的重心要與軸的旋轉(zhuǎn)中心重合。 具體求解過程如下： （1）設(shè)計出的曲柄軸如圖所示（2）建立分析特征csys_cog,，類型為“模型分析”，以此求出零件的質(zhì)量屬性數(shù)據(jù)，并確定重心坐標(biāo)。 （3）建立“測量”分析特征（4）靈敏度分析通過靈敏度分析，確定可滿足目標(biāo)的參數(shù)。 (5)

9、 可行性分析由以上分析可知，通過改變變量來達到設(shè)計目標(biāo)是可行的，故優(yōu)化過程如下：選取可行性/優(yōu)化性條目，研究類型選擇優(yōu)化、可行性均可，如選擇可行性，設(shè)計參數(shù)選擇名稱為cog_axis_的距離參數(shù)為設(shè)計目標(biāo)，設(shè)計變量選擇d7和d31。這樣可求出一組可行方案：R49.83和64.89，此時質(zhì)量重心與回轉(zhuǎn)軸間的距離為6.735e-16mm。 2）多目標(biāo)設(shè)計研究）多目標(biāo)設(shè)計研究（1）引言）引言多目標(biāo)設(shè)計研究一一Multi-Objective Design Study是專門用來處理因大量的設(shè)計變量與設(shè)計約束潛在矛盾，產(chǎn)生眾多設(shè)計目標(biāo)的情況，能夠?qū)ふ页鰹閿?shù)不少的解決方案，尚可避免使用可行性最佳化分析所發(fā)生

10、的局部解。 通過多目標(biāo)設(shè)計研究功能，利用建立清單（ Table）方式列舉可能出現(xiàn)的解答，再經(jīng)由過濾（Filter）程序，篩選出滿足某些設(shè)計約束下有用的解決方案。 多目標(biāo)設(shè)計研究能夠幫助尋找滿足多個設(shè)計準(zhǔn)則（設(shè)計目標(biāo)）的最佳化解決方案，可以提供下列幫助： 幫助尋找最適合搜尋優(yōu)化解決方案的設(shè)計變量的優(yōu)化范圍。尋找實際上可能是相矛盾的多設(shè)計目標(biāo)的解決方案。如果存在多個優(yōu)化解決方案，那么研究會提供出結(jié)果以便選擇首選解決方案?？梢哉归_取樣設(shè)計目標(biāo)的范圍，或者使用不同方法分析試驗中得到的數(shù)據(jù)來縮小這個范圍。（2）關(guān)于在多目標(biāo)設(shè)計研究中使用的術(shù)語）關(guān)于在多目標(biāo)設(shè)計研究中使用的術(shù)語“多目標(biāo)設(shè)計”研究使用下列術(shù)

11、語：試驗試驗 - 一個取樣事件，其目的是要達到設(shè)計變量特殊組合的設(shè)計目標(biāo)。主表主表 - 設(shè)計變量（尺寸）指定范圍內(nèi)所引導(dǎo)的所有試驗記錄所在的表。試驗的數(shù)量取決于試驗開始和結(jié)束的數(shù)量。衍生表衍生表 - 為了選取能滿足一定條件的試驗，而用特殊方法從父表中衍生出的表。約束方法約束方法 - 通過指定每一個選定設(shè)計目標(biāo)的最小值與最大值而創(chuàng)建衍生表的方法。系統(tǒng)檢查父表來查找滿足條件的試驗。Pareto方法方法 - 通過選取要優(yōu)化（最小化或最大化）的設(shè)計目標(biāo)來創(chuàng)建衍生表的方法。系統(tǒng)檢查父表來查找其結(jié)果在優(yōu)化范圍內(nèi)的試驗。這種方法可以給出多種優(yōu)化解決方案：當(dāng)一個解決方案給出一個目標(biāo)的最好結(jié)果時，另一個解決方案

12、為另一個目標(biāo)的生成更好的結(jié)果。因為每一個Pareto解決方案都是最好的，所以系統(tǒng)會讓您決定哪一個方案更可取。（3）多目標(biāo)設(shè)計研究的流程）多目標(biāo)設(shè)計研究的流程 多目標(biāo)設(shè)計研究由 Master Table（主表）和 Derived Table（衍生表）按其分層順序組成。設(shè)計研究初期，指定 Design Goals（設(shè)計目標(biāo)）、 Design Variables（設(shè)計變量），給定 Experiment（實驗）次數(shù)，系統(tǒng)開始進行實驗且寫人記錄至 Master Table（主表）中。 結(jié)果不理想多重目標(biāo)設(shè)計研究設(shè)計目標(biāo)設(shè)計變量實驗次數(shù)建立主表建立衍生表完成（4）多重目標(biāo)設(shè)計實例）多重目標(biāo)設(shè)計實例本實例是

13、處理兩支靠近的風(fēng)管的設(shè)計情況，目的是使風(fēng)管長度最短、彎曲半徑最佳與最短距離指定下，在數(shù)個設(shè)計變量沖突下，找出最佳的設(shè)計參數(shù)。原始設(shè)計如圖所示，兩風(fēng)管管壁間有一條最短距離線，表示兩支風(fēng)管管壁距離，如圖所示。 本模型已建立了五個分析特征如表所示特征名稱參數(shù)名稱參數(shù)值意義V_LENGTHV_LENGTH146.098曲線長度(垂直管)H_LENGTHH_LENGTH136.997曲線長度(水平管)V_MINRV_MINR47.656曲線最小曲率半徑(垂直管)H_MINRH_MINR19.309曲線最小曲率半徑(水平管)DIST_V_HDIST_V_H9.904兩管壁間最短距離求解過程如下：（1）建立

14、一個多目標(biāo)設(shè)計研究 （2）生成主表、選取設(shè)計目標(biāo)與設(shè)計變量（3）建立實驗次數(shù)并計算主表本設(shè)計實例設(shè)定實驗數(shù)目400個，計算結(jié)果如圖所示。 （4）設(shè)定條件，過濾主表數(shù)據(jù)由于上述實驗數(shù)據(jù)過多，不便于分析，故要對主表進行篩選。在衍生表中的“約束”環(huán)境下，選取目標(biāo)變量DIST_V_H，設(shè)定最小值為6，最大值為12；選取目標(biāo)變量V_MINR，最小值不變，最大值為40；選取目標(biāo)變量H_MINR，設(shè)定最小值為14，最大值為22；其它目標(biāo)變量保持不變，如圖所示。在該條件下，對主表進行篩選，篩選結(jié)果形成衍生表MIN_D_R。 （5）過濾衍生表數(shù)據(jù)如圖所示，對主表篩選的結(jié)果，產(chǎn)生了滿足目標(biāo)條件、含有33個記錄的新

15、衍生表，故仍需進一步篩選。在該衍生表中的“與平行”環(huán)境下，選取目標(biāo)變量V_LENGTH為最小化，目標(biāo)變量H_LENGTH為最小化，其它目標(biāo)變量保持不變，如圖所示。在該條件下，對衍生表進行篩選，篩選結(jié)果形成衍生表MIN_LENGTH。 （6）查看結(jié)果 通過對衍生表的篩選，滿足目標(biāo)條件的新生成的衍生表MIN_LENGTH只剩下3個記錄（16#、84#、115#）。對這些記錄一一顯示模型并旋轉(zhuǎn)模型，發(fā)現(xiàn)16#、84#模型中，兩管發(fā)生干涉，115#模型滿足要求，如圖所示。該記錄模型數(shù)據(jù)與原始模型數(shù)據(jù)比較情形如表所示。目標(biāo)變量原始數(shù)據(jù)篩選數(shù)據(jù)意義V_LENGTH146.098148.050曲線長度(垂直管)H_LENGTH136.997130.875曲線長度(水平管)V_MINR47.65633.522曲線最小曲率半徑(垂直管)H_MINR19.3092