发布时间：2023-06-14 16:21:03
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的基于模型的优化设计样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
关键词：无线射频识别；无线传感器网络；融合模型；优化设计
中图分类号：TP212；TP391.4 文献标识码：A 文章编号：2095-1302（2017）01-00-03
0 引 言
微电子技术、通信技术的迅速发展以及物联网技术的兴起，极大地促进了无线传感器网络（WSN）和无线射频识别（RFID）这两项关键技术的研究和应用。RFID技术已经在工业上得到了广泛应用，WSN技术也在各种环境下发挥重要的作用，两者在延续各自独立的发展和研究路径的同时，逐渐开始进行融合技术的探索。
RFID技术可以在短距离内自动快速确定对象的关键信息，主要用于对象的跟踪与管理，但在很多应用领域中，管理对象对环境具有敏感性，需要通过远程观察获取周围的物理环境信息[1]，传统的RFID技术无法解决这个问题。例如在一个使用RFID的资产管理系统中，仅采用射频识别可以追踪一个特定资产的当前位置，却不能获取温湿度等相关环境信息。WSN由若干小型节点组成，这些节点具有感知、计算和无线通信的能力。无线传感器网络可以收集、聚合以及分析环境信息，用于火灾探测、污染监测等领域，但它却无法检索具有物体关键信息的标识以及位置。在这种情况下，通过对RFID与WSN的融合，我们可以构建一个具备丰富环境信息的对象跟踪和管理系统[2]，将两种技术相辅相成，最大化提升两者的效率，为更加广泛的应用提供新视角。
文中主要归纳总结出了目前主流的四种融合模型，对模型进行分析、优化，并基于优化的模型设计出一套新型RFID-WSN融合系统。
1 四种融合模型
目前国内外提出了诸多基于RFID与WSN融合的理论和应用，Lei Zhang等人较全面地总结了三种融合技术，即RFID阅读器与WSN基站的融合、分布式智能节点、智能传感标签[3]。Ashwini W. Nagpurkar等人首次将RFID标签与传感器的融合总结为有限通信能力（Limited Communication Capability）和扩展通信能力（Extended Communication Capability）[4]。通过对近年来相关研究的分析和总结，将目前主要的融合技术归纳为传感器-标签融合模型、WSN-标签融合模型、WSN-阅读器融合模型、WSN-RFID系统融合模型四种。四种RFID与WSN融合模型如图1所示。
1.1 传感器-标签融合模型
传感器-标签融合模型如图1（a）所示。将RFID标签与传感器集成，使RFID标签配备环境感知能力，使标签可以通过传感器采集环境信息，并直接作为识别信息被RFID阅读器快速读取。Ferrer-Vidal等人设计的搭载传感器的超低功耗纸基RFID标签[5]与Cho等人设计的搭载传感器5.1 W功率的超高频RFID标签[6]即基于此种模型。
1.2 WSN-标签融合模型
WSN-标签融合模型如图1（b）所示。在WSN节点上集成RFID标签，集成方式分为两种。一是在WSN节点Flash上存储RFID标准格式的识别信息；另一种是直接在硬件上连接RFID标签。这种类型的传感器节点标签不仅能够实现标签信息的识别和追踪，还能感知环境并互相传递信息。文献[1]和[7]提出的SIWR模型和RSN模型便是在此模型基A上将节点分为汇聚节点、路由节点和感知节点。汇聚节点负责信息管理，路由节点负责信息转发，只有感知节点融合了RFID标签，负责感知和识别。
1.3 WSN-阅读器融合模型
WSN-阅读器融合模型如图1（c）所示。通过WSN节点与RFID阅读器的集成，将WSN与RFID连接在一起。RFID通过WSN远程交换数据，扩大了识别范围。Omar M.Q.等人设计的基于RFID与WSN的机器状态检测系统[8]、C.Salvatore等人设计的工厂安全系统[9]就是这种模型的应用实例。该模型还可以与传感器-标签融合模型共存，如Pablo GARCíA ANSOLA等人设计的ZigID模型[10]。
1.4 WSN-RFID系统融合模型
WSN-RFID系统融合模型如图1（d）所示。保持WSN和RFID的原有架构，引入智能基站进行系统集成。智能基站是搭载了融合框架的集成服务器，其主要任务是控制WSN和RFID进行协同工作，采集WSN与RFID的信息，通过融合框架进行数据融合，呈现出更加综合和智能的信息。Jaekyu Cho等人提出的WSN与RFID融合框架SARIF[2]正是该融合模型的实例。
2 融合模型的优化
四种模型从不同的角度对RFID与WSN做了融合，相比融合之前都丰富了功能或提升了性能，但仍存在一些问题，因此需要对模型进行优化。
2.1 存在的问题
传感器-标签融合模型并没有融合WSN的无线通信能力，所以系统的覆盖范围过小是最显著的问题。
WSN-标签融合模型将WSN-标签作为WSN节点，需要遵循入网、分配地址、握手通信、退网等网络协议，导致标签丧失了RFID快速识别的特性，其数量和流动性也受到网络负载能力的制约。
在WSN-阅读器融合模型中，WSN-阅读器是模型上层WSN与下层RFID连接的唯一枢纽，数据交换负载量大，一旦失效，便会导致融合系统瘫痪，所以模型存在负载均衡和鲁棒性的问题。
在WSN-RFID系统融合模型中，WSN与RFID在硬件上相互独立，部署成本是两者之和，且单纯依靠软件层面进行数据分析和系统协作来实现融合，也需要更高性能和成本的基站服务器。
2.2 优化模型
针对上述四种模型存在的问题，结合WSN-标签融合模型和WSN-阅读器融合模型，提出了图2所示的优化融合模型。
该优化模型保留WSN节点的同时引入了WSN-标签和WSN-阅读器两种融合节点，这是一种复合型融合架构。模型中的每个节点都基于WSN节点，具有环境感知和无线通信能力；WSN-阅读器节点和WSN-标签节点可以进行无线射频识别，即节点之间既可以按照WSN架构构建，进行远程采集传输，也可以按照RFID架构构建，进行对象信息快速识别，抑或同时进行。此举解决了WSN-标签融合模型无法支持大量标签快速识别的问题，相比WSN-阅读器融合模型提升了负载均衡和鲁棒性。
3 新型融合系统的设计
优化的融合模型能否发挥其优势，关键在于如何设计出高效的融合节点以及节点之间如何构建来满足应用需求。
3.1 新型融合节点
针对优化模型中定义的三种节点，文中将设计一种集WSN节点、RFID阅读器、RFID标签于一体的新型融合节点，该新型节点既可以按WSN节点工作，又可以按WSN-阅读器工作，也可以切换成WSN-标签工作，既节约了硬件成本，又提高了系统的灵活性，能够充分发挥优化模型的特点和优势。新型融合节点架构如图3所示。
该架构在WSN五层网络模型的基础上集成了RFID角色层（包括RFID阅读器和RFID标签）和RFID应用层。WSN与RFID共用物理层和数据链路层，这样使得融合节点的硬件成本得到控制。原始数据在数据链路层被分发，WSN数据继续向上层传递，RFID数据直接发送至RFID角色层，实现RFID的快速识别。由于RFID角色层支持RFID阅读器和RFID标签两种角色，所以融合节点可以根据RFID应用层的设置，来进行WSN节点、WSN-阅读器与WSN-标签三种角色的动态切换。RFID应用层与WSN应用层既可以相互独立运行应用，也可以配合执行任务。
3.2 动态构建机制
由于这种新型融合节点具有动态切换角色的能力，相应的，融合系统也可以动态变换其架构，所以需要建立相应的动态构建机制，才能使系统体现出对不同环境的适应性，提高工作效率。
3.2.1 初始化构建
首先要在基站建立和维护节点角色表，按照RFID标识信息将节点角色分别定义为WSN节点、WSN-阅读器或WSN-标签。系统启动后，所有节点先以WSN节点角色组网，并上传自己的RFID标识信息。然后系统根据节点角色表向每个节点发送相应的角色配置命令，使节点切换为特定角色。
3.2.2 将WSN切换为RFID
当需要把某个区域的WSN切换为RFID时，向该区域的汇聚节点发送“WSN-阅读器启动”命令，此节点通过RFID应用层启动RFID阅读器功能，向其所有子节点广播“WSN-标签启动”命令，使子节点启动RFID标签功能。最后删除所有子节点，并禁止WSN接收入网，此时所有子节点离开WSN网络并进行RFID快速识别。
3.2.3 将RFID切换为WSN
当需要把某个RFID系统切换为WSN时，向该RFID的阅读器发送“WSN-阅读器停止”命令，此节点关闭RFID阅读器功能，并启用WSN的接收入网功能，此时附近所有WSN-标签将连为它的子节点。最后向子节点广播发送“WSN-标签停止”命令，关闭其RFID标签功能。
3.2.4 自适应构建
当某个WSN节点负载过重，其子节点数量超过系统阈值设定时，将自动执行WSN切换RFID操作来减轻该节点的网络负载；当某个WSN-阅读器在连续时间内识别到某个WSN-标签的次数高于系统阈值设定值时，将对此WSN-标签发送“WSN-标签停止”命令，并将其连为WSN-阅读器的子点，以减轻WSN-阅读器的负载并避免与其他标签碰撞。
3.3 优缺点分析
首先，新型融合系统实现了RFID与WSN融合的基本目的，即远程环境信息采集和对象识别管理。其次，对比优化前的四种融合模型，新型融合系统同时解决了它们的问题。最后，新型融合系统扩大了识别范围、支持大量标签的快速识别、提高了负载均衡性和鲁棒性，很好的控制了成本。
但系统不支持被动式RFID标签，因为系统使用的新型融合节点工作在WSN的物理层上，无法支持被动式RFID标签的读写。因此系统的应用领域受到了一定限制。
4 结 语
本研究总结了四种典型的RFID与WSN融合模型，并针对这些模型存在的问题，提出了针对融合模型的优化，并基于优化模型设计了一套新型RFID-WSN融合系统。
本研究提出的融合系统由一种新型融合节点组成，该节点的架构设计基于WSN网络模型与RFID协议的集成，在不增加硬件成本的情况下，通过软件将WSN节点、RFID标签和RFID阅读器三种角色融于一体。通过设计动态构建机制来组织管理这些节点，融合系统实现了WSN与RFID的动态切换和自适应构建。
最后根据优缺点分析发现，本研究提出的新型融合模型及系统在主动式RFID的使用领域中具有更优的特性和更灵活的应用。
参考文献
[1] Al-Turjman F M， Al-Fagih A E， Hassanein H S. A novel cost-effective architecture and deployment strategy for integrated RFID and WSN systems[C].Computing， Networking and Communications （ICNC）， 2012 International Conference on. IEEE， 2012： 835-839.
[2] Cho J， Shim Y， Kwon T， et al. SARIF： A novel framework for integrating wireless sensor and RFID networks[J].IEEE Wireless Communications， 2007， 14（6）： 50-56.
[3] Zhang L， Wang Z. Integration of RFID into wireless sensor networks： architectures， opportunities and challenging problems[C]. 2006 Fifth international conference on grid and cooperative computing workshops. IEEE， 2006： 463-469.
[4] Nagpurkar A W， Jaiswal S K. An overview of WSN and RFID network integration[C]. Electronics and Communication Systems （ICECS）， 2015 2nd International Conference on. IEEE， 2015： 497-502.
[5] Ferrer-Vidal A， Rida A， Basat S， et al. Integration of sensors and RFID's on ultra-low-cost paper-based substrates for wireless sensor networks applications[C]. 2006 2nd IEEE Workshop on Wireless Mesh Networks. IEEE， 2006： 126-128.
[6] Cho N， Song S J， Kim S， et al. A 5.1-μW UHF RFID tag chip integrated with sensors for wireless environmental monitoring[C]. Proceedings of the 31st European Solid-State Circuits Conference， 2005. ESSCIRC 2005. IEEE， 2005： 279-282.
[7] Abahsain A， Al-Fagih A E， Oteafy S M A， et al. Selective context fusion utilizing an integrated rfid-wsn architecture[C]. 2013 IEEE 10th Consumer Communications and Networking Conference （CCNC）. IEEE， 2013： 317-322.
[8] Omar M Q， Widad I， Mokhtar M， et al. Embedded active RFID with WSN for machine condition monitoring[C]. Wireless Sensor （ICWISE）， 2013 IEEE Conference on. IEEE， 2013： 42-46.
[9] Salvatore C， Bocchino S， Petracca M， et al. WSN and RFID integrated
（下D第页）
（上接第页）
论文关键词：南京地铁，可靠性，模块化，修程优化
0 引言
目前，南京地铁设备维修模式同国内大多同行类似，均依照大铁路的维修经验对设备进行定期的预防性维修和“事后维修”，定期预防修如三月检、定修，维修作业内容复繁杂，特别是对地铁关键设备，维修内容冗余程度较大，且存在着维修针对性不强，维修效益不高甚至造成破坏性维修，导致设备维护成本高、可靠性不足等情况。因此，有必要对南京地铁关键设备维修规程进行优化研究。
1 可靠性维修优化理论
1.1 RCM分析法
以可靠性为中心的维修(RCM：ReliabilityCentered Maintenance.)是用于确定设备在其运行环境下维修需求的方法[1]，其核心思想是通过对设备进行功能与故障分析,明确设备各故障的后果，用规范化的逻辑决断方法，确定各故障的预防性维修对策。在实施RCM维修优化分析时，基本流程可按照以下的七步作业法进行，如图1所示。
图1 实施RCM的七步作业法
1.2 修程模块化
模块化设计是近几年比较流行的设计方法之一。模块化大约是20 世纪中期发展起来的一种标准化形式，维修模块化设计是处理复杂维修系统的一种直观简化方法[2]，以模块为基础，将各个维修内容所需要的维修工器具、备品备件材料、维修作业人力资源以及相关制度规范等包络在各个修程模块中模块化，，形成较小的维修模块以便于保证作业的灵活性和管理控制有效性，通过维修模块的分工合作，实现高效保质维修操作。
在确定关键设备维修模块时，可以设备维修部件为单元模块进行划分。考虑到不同维修模块之间有着多种联系和约束的，因此，需要通过数据收集与集中调研，确定相应的维修维修模块信息，包括：模块编号、作业内容、相应维修作业标准、模块作业所需人员数量、人员应具备技能、必备工器具名称及其数量、消耗维修备件名称和数量、作业所需时间、特殊维修条件要求、作业流程顺序要求、模块维修风险程度及其维修周期要求等，如下表1、2所示。只有充分掌握各个模块的基本信息，才能更好的为维修模块优化奠定数据基础。
表1 维修模块基本信息
表2 维修模块故障数据信息
2 基于可靠性的维修优化技术
结合以上所述的RCM可靠性分析方法及模块化理论，设计基于可靠性的地铁关键设备维修修程优化方法，具体实施步骤如下：
首先，对关键设备技术状态进行分析，确定实际维修需求，指导维修修程的更新，这是维修模块化设计的前提，模块化首先要保证模块所覆盖的维修内容是全面的合理的，因此，需要借助科学的手段更新现有的维修修程。在本文中，依托上述的RCM可靠性分析法，对地铁的关键设备进行分析，确定相应的实际维修需求更新原有维修内容。
其次，划分维修模块，模块的划分可以大到整个设备的维护保养，也可以小到螺帽电容等更换，模块范围定义得大了起不到模块化应有的作用，而划分得越细，维修管理的模块也越多，管理起来也越繁琐，因此，需要找到合理的模块界定范围，划分出合理的维修模块。
第三，调查收集模块附属信息，包括模块名称，模块内容，相应维修作业标准，模块作业所需人员数量，人员应具备技能模块化，必备工器具名称及其数量，消耗维修备件名称和数量，作业所需时间，特殊维修条件要求，模块维修风险程度，模块维修方式及其维修周期要求等。对于不能明确的模块，需要根据需要进行跟踪调查。
第四，模块化维修修程重组优化，在由可靠性分析确定各个维修模块最佳维修周期基础上，以追求模块化维修效益最高、可靠性最大为目标，优化重组关键设备的维修模块，包括维修模块的组合以及维修时机等。
第五，积累各个维修模块相关历史故障数据，为闭环反馈和持续进行可靠性维修修程优化做好数据支持。
3 结论
通过RCM分析，剔除不增值的冗余维修环节，更新维修作业内容，不仅使设备维修更具有针对性，也保障设备可靠性，在RCM可靠性分析基础上进行模块化维修修程优化，使得在保障关键设备技术可靠的前提下实现维修管理与维修质量的最佳平衡，进一步提升设备维修价值。对实现维修可靠性、经济性的维修大纲优化具有指导意义。
参考文献：
[1]莫布雷.以可靠性为中心的维修[M].北京，机械工业出版社，1995：7-8.
[2]陆良，杨殿阁，顾铮珉等.采用模块化思想的汽车电器智能化设计方法[J]. 西安交通大学学报,2010, 44(5):111-115.
关键词：模拟集成电路；基于方程的优化方法；基于仿真的优化方法；误差增量模型
中图分类号：TP393 文献标识码：A 文章编号：2095-1302（2017）05-0-02
0 引 言
模拟集成电路设计通常分为三个步骤[1-3]：首先根据电路性能要求选择合适的电路拓扑结构，然后设计电路参数，最后设计版图并验证。而最为重要的是前两步。在选好一个电路拓扑结构后，如何完成电路的参数设计，即根据预期的电路性能参数来确定电路中器件尺寸、电阻、电容等参数的取值非常重要。传统的设计方法首先根据电路设计指标列出方程，从方程中计算尺寸并进行仿真。如果所得结果不符合要求，则需更改方程得到新的器件尺寸继续调试，不断重复直至符合电路要求。这一过程繁琐、冗长且难以保证结果，是模拟电路设计效率难以提高的主要原因。
目前，电路领域提高电路设计效率的方法主要是基于优化的方法。基于优化的方法是将电路性能指标作为优化的目标函数，利用函数优化的方法来完成电路设计。一般优化设计方法有两种，即基于方程的优化和基于仿真的优化。基于方程的优化中目标函数由解析公式计算而得，虽然优化速度快但精度低。基于仿真的优化中目标函数通过电路仿真获得，虽然精度高，但计算量大，优化速度慢。
如何获得精度与基于仿真方法相当的准确解，又使计算量不致过大，是近年来电路优化研究领域备受关注的课题。人们虽采用多种方法尝试，但最常见的是先构造电路性能指标的宏模型，再进行优化。宏模型的计算相当于一个解析式的计算，因此可较快完成，只要宏模型构造得当，精度可达到与仿真接近的程度。需要研究的主要问题是宏模型的形式，如简单多项式、统计回归、神经网络与模糊逻辑、SVM等，及宏模型的构造算法。
本文采取的方法是一种基于方程与误差增量模型的混合优化方法，可大幅减少仿真器的调用次数，降低计算成本，同时又具备与基于仿真方法几乎相同的精度。方法的主要思想是以基于方程的优化结果作为出发点，通过构造电路性能准确值与解析近似之间的差值增量模型，求解一系列误差不断减小的近似优化问题，通过迭代逐步获得问题的准确解；每一次迭代在上一次优化解附近构造新的差值增量模型再调用优化算法，相当于采用基于方程的方法求解，因此速度很快；电路仿真只在构建误差增量模型时需要，而一次迭代解附近的误差增量模型一般用二次多项式近似即可，因此所需仿真次数不多。整体上可达到既减少仿真次数，又不影响精度的目的。我们称这种方法为基于误差增量模型的优化方法。
1 基于误差增量模型的优化
电路性能指标的解析表达虽然存在误差，但大致反映了性能随设计变量的变化情况。将其准确值表达为：
f（x）=fa（x）+fd（x） （1）
其中，fa（x）是性能的近似解析表达，fd（x）=f（x）-fa（x）是误差增量。基于这一表达，本文提出的基于方程与基于仿真的混合优化方法如下：
（1）用基于方程的方法进行一次初始优化，即求解：
（2）
获得一个近似最优解x0作为初始点；
（2）在点xk附近构造电路性能准确值与解析近似之间的误差增量模型，包括目标函数：
（3）
与约束函数：
（4）
由于只需在一点附近的增量误差近似，因此通常用二次插值即可构造这一模型[4]。
（3）求出如下题的最优解：
（5）
这一步的优化目标与约束函数均是解析计算，因此可以很快完成。
（4）重复步骤（2）、（3），直至该过程收敛。
这种混合优化方法的基本思想从基于方程的近似最优解出发，通过迭代逐步消除误差，与一般非线性问题的迭代求解类似。该方法的特点在于充分利用了电路的性能解析表达式。解析表达虽有误差，但包含了目标与约束函数的基本特性，反映了函数变化的总体趋势，降低了每次迭代时误差增量函数的复杂性，可用较简单的函数形式近似，也有利于设计者更好地理解优化过程。该方法既改善了电路性能解析表达式精度不高的问题，又可大幅减少仿真器调用次数，提高优化效率。
2 两级运放设计实例
以一个带米勒补偿的两级运放为例，说明利用该方法进行优化设计的过程。电路采用TSMC 0.35 μm工艺，其中CL=3 pF，VDD=2.5 V，VSS=-2.5 V，电路要求的性能指标见表3所列，考虑到的性能指标有功耗（Power），单位增益（Av），单位增益带宽（UGB），摆率（SR）以及相位裕度（PM）。CMOS两级运算放大器电路如图1所示。两级运放性能指标见表1。
图1 CMOS两级运算放大器电路
表1 两级运放性能指标
性能
指标 Av PM UGB Power SR Area
设计
要求 >70 dB >65° >10 MHz 10 V/μs
对该电路，性能的近似表达式为[5-8]：
SR=I5/Cc
Power=（VDD-VSS）・（I5+I7+IBias）
AV=gM1・gM6/（（gds1+gds3）・（gds6+gds7）） （6）
Area=2・W1・L1+2・W3・L3+W5・L5+W6・L6+W7・L7+W8・L8
UGB=ωc/2π
PM=180°-tan-1（ωc/p1）-tan-1（ωc/p2）-tan-1（ωc/z1）
f3db=p1/2π
Ω玫缏方行优化设计，采用Matlab工具箱中的约束优化工具fmincon，将功耗作为目标函数，表1中的其他性能指标作为约束条件，做基于方程的优化。为保证电路正常工作，需要对电路中的晶体管添加约束。对于NMOS管，有：
Vds≥Vgs-VT>0 （7）
对于PMOS管：
-Vds>VT-Vgs>0 （8）
除此之外晶体管需满足工艺库对器件尺寸的要求：
Wi≥1 μm， i=1，2，…，8
Wi≤195 μm， i=1，2，…，8
之后，利用误差增量模型进行优化设计，并以一次基于仿真的优化设计作为比较。基于方程的优化设计见表2所列，方程和误差增量模型的混合优化设计见表3所列，基于仿真的优化设计见表4所列。
表2 基于方程的优化设计
电路性能 参数 器件尺寸 参数（μm）
UGB 9.66 MHz W1 2.94
Power 0.40 mW W3 5.30
PM 63.32° W5 5.52
Av 72.58 dB W6 66.79
SR 10.00 V/μs W7 46.59
Area 146.40 μm2 W8 6.06
表3 方程和误差增量模型的混合优化设计
电路性能 参数 器件尺寸 参数（μm）
UGB 10.00 MHz W1 2.81
Power 0.43 mW W3 8.73
PM 65.00° W5 5.53
Av 72.89 dB W6 131.28
SR 10.00 V/μs W7 57.12
Area 223.10 μm2 W8 6.06
表4 基于仿真的优化设计
电路性能 参数 器件尺寸 参数（μm）
UGB 10.00 MHz W1 2.80
Power 0.44 mW W3 8.84
PM 65.00° W5 5.53
Av 72.89 dB W6 132.73
SR 10.00 V/μs W7 57.14
Area 224.78 μm2 W8 6.06
可见，利用基于仿真和方程的混合优化方法可以得到和完全基于仿真方法相近的结果。且通过表5可以看出，混合优化方法减少了仿真器的调用次数，提高了优化效率。
表5 混合设计和基于仿真设计的F-count比较
混合优化设计方法 基于仿真优化设计方法
F-count 136 335
3 结 语
本文提出了一种基于方程和误差增量模型的混合优化方法，即通过对性能误差建立二阶模型来建立新的性能方程。再采用Matlab的优化工具箱进行基于方程的优化。本文通过运算放大电路优化实例来验证该方法的有效性，且相较于基于仿真的优化方法减少了调用Hspice的次数，节约了时间。
参考文献
[1] B.Razavi. Design of analog CMOS integrated circuits[M]. McGraw-Hill Comp.， 2001.
[2]代扬.模拟集成电路自动化设计方法的研究[D].长沙：湖南大学，2004.
[3]陈晓.工作点驱动的模拟集成电路优化设计方法研究[D].杭州：杭州电子科技大学，2015.
[4] RM Biernacki，JW Bandler，J Song，et al. Efficient quadratic approximation for statistical design[J].IEEE Transactions On Circuits And Systems，1989，36（11）：1449-1454.
[5] Metha Jeeradit.Mixed Equation-Simulation Circuit Optimization[D].For The Degree Of Doctor Of Philosophy，2011.
[6] V Gewin. Space Mapping：The State of the Art[D]. IEEE Transactions On Microwave Theory And Techniques，2012，22（6）：639-651.
关键词：轻量化；拓扑优化；尺寸优化；结构优化
中图分类号：U462.3 文献标志码：A 文章编号：2095-2945（2017）19-0087-02
引言
随着社会的快速发展，汽车保有量越来越多。汽车在带来方便快捷的同时，其油耗排放等问题也越来越引起大家的重视。汽车车身质量约占汽车总重的40%，空载情况下油耗约占整车油耗的70%[1]。其轻量化的目标在于尽可能降低汽车的整备质量，从而提高汽车的动力性，减少燃料消耗和排放，并且提高操稳性以及碰撞安全性。本文通过总结车身轻量化优化方法，介绍不同的优化步骤，并对车身轻量化优化设计进行展望。
1 汽车车身轻量化研究背景
汽车自1886年诞生至今有一百多年的历史，汽车车身的研究起步相对较晚，但是其作为汽车的重要组成部分，在整车结构中占据重要地位。研究表明，汽车车身质量每减轻1%，相应油耗降低0.7%[2]。
轻量化研究，是在满足安全性、耐撞性、抗震性以及舒适性的前提下，尽可能降低车身质量，以实现减重、降耗、环保、安全的综合目标[3]。轻量化的实现不仅满足了汽车的基本性能要求，且缓解了能源危机和环境污染的压力，也没有提高汽车设计制造成本，故汽车车身轻量化的研究引起了越来越多的关注。
2 轻量化结构优化方法
目前，以汽车车身轻量化为目标的优化设计方法主要包括拓扑优化、尺寸优化和结构优化。优化设计通常由目标函数、设计变量、约束条件三个因素组成。拓扑优化是在整体优化之前，设计空间确定后对材料布置格局进行优化，但是拓扑优化是从宏观出发，在某些细节方面可能并没有达到最优，因此在拓扑优化之后需要进行尺寸和形状优化。
2.1 拓扑优化
拓扑优化是在给定的空间范围内，通过不停地迭代，重新规划材料的分布和连接方式；是在工程师经验的基础上，明确目标区域和目标函数，确定变量以及约束条件，使车身结构最终既满足性能要求又减轻了质量[4]。拓扑优化通常将有限元分析和数学算法结合起来。
2.1.1 拓扑优化的数学模型
拓扑优化通常以车身质量为目标函数，结构参数和材料厚度为变量，模态和刚度为约束条件。其数学模型为：
minf（X）=f（x1，x2…xn）；
s.t.g（X）>0；
ai
其中，x1，x2…xn为设计变量。
2.1.2 拓扑优化的基本步E和实例
在进行拓扑优化之前首先需要确定设计区域，设计变量和约束条件。然后通常进行有限元模态分析和灵敏度分析，使灵敏度小的部分不参与优化。在此基础上利用软件进行计算，因为在每次的计算中都有参数的改变，所以需要经过较多次的迭代，最终使其分布最优。在软件进行拓扑优化的过程中，用户对于每一次的迭代均可以实时监控。
目前拓扑优化中用到的数学优化算法包括优化准则法、移动渐近线法、数学规划法、遗传算法、进化算法等。使用较多的是优化准则法和移动渐近线法，优化准则法适于求解少约束问题，后者偏重于多约束问题[5][6]。
周定陆等[7]建立参数化模型，不仅将下车体质量减少了23kg，而且模态和刚度在原有的性能上略有上升。王登峰等[8]基于拓扑优化使大客车车身骨架质量减少约11%，且刚度强度等性能满足设计要求。
2.2 尺寸优化
尺寸优化是在结构参数、材料分布确定的前提下，对各桁架结构寻找梁最合适的横截面积、几何尺寸，使得车身质量最小且满足刚度等要求的优化方法。相对来说，尺寸优化建立数学模型较容易，计算简单，在实际工程中可以较快取得最优
解[9]。也可以说，尺寸优化是拓扑优化的进一步完善和发展。
2.2.1 尺寸优化的数学模型
尺寸优化以车身质量最小为目标，几何尺寸为设计变量，刚度以及各变量尺寸限制作为约束条件。
2.2.2 尺寸优化的基本步骤和实例
利用有限元分析划分单元，再进行灵敏度分析，排除不参与优化的单元。为了减少计算量，通常采用近似模型，然后对近似模型进行求解。刘开勇[10]利用超拉丁实验设计方法，采集车身的刚度和模态数据，在此基础上建立一阶响应面模型。潘锋[11]通过建立组合近似模型，减少优化过程的计算量，提高效率。
常用的近似模型有响应面模型、人工神经网络、径向基函数模型、kriging和支持向量回归模型等[10][12]。通过对一阶近似模型进行分析，计算不同的权系数并进行加权叠加构成的组合模型在满足模态和刚度要求的前提下，又兼顾了汽车碰撞安全性、NVH和疲劳等性能影响，且精度更高，因此组合近似模型在多目标多学科优化方面更胜一筹。
张伟[13]等采用遗传算法，结合拓扑优化和车身尺寸优化，不仅将质量降低35%，而且使刚度提高了80%以上。康元春等[14]采用DOE及极差分析和方差分析，确定车身骨架梁截面最优尺寸方案，使车身骨架质量减轻了123.5kg。
2.3 形状优化
形状优化是优化结构的几何形状，通常包括桁架结构梁节点位置的优化；结构内部孔的形状、尺寸的优化以及连续体边界尺寸的优化[15]。早期，与尺寸优化相比，形状优化模型建立比较困难，建立的模型质量通常比较差，影响后期模型的优化求解，尺寸优化的发展受到了限制。后来，网格变形技术的发展简化了形状优化模型的建立[16]。形状优化的过程与尺寸优化相似，通常也需要建立近似模型。
3 结束语
（1）拓扑优化计算量大，应用受到一定限制。尺寸、形状优化在多数软件中都有专门的模块，应用较多。为了解决计算困难问题，优化算法有待突破，算法的突破也是车身结构优化进一步发展的重要前提。
（2）有限元分析方法在车身结构优化中起重要作用，建模、分析软件在车身结构优化方面应用越来越多。
（3）本文所提优化方法没有充分考虑安全性、操稳性、NVH等因素，多学科多目标优化方法是目前车身结构优化的热点。
参考文献：
[1]黄磊.以轻量化为目标的汽车车身优化设计[D].武汉理工大学，2013.
[2]迟汉之.世界汽车轻量化及轻质材料应用趋势[J].轻型汽车技术，2001（4）：54-56.
[3]韩宁，乔广明.汽车车身材料的轻量化[J].林业机械与木工设备，2010，38（1）：50-52.
[4]崔建磊，曹学涛.拓扑优化技术在汽车设计中的应用[J].山东工业技术，2016（6）：254.
[5]周克民，李俊峰，李霞.结构拓扑优化研究方法综述[J].力学进展，2005，35（1）：69-76.
[6]葛文杰，黄杰，杨方.拓扑优化技术及其在汽车设计中的应用[J].机床与液压，2007，35（8）：11-14.
[7]周定陆，高岩，蔡华国.基于车身结构拓扑优化的车身轻量化研究[C]//2010中国汽车工程学会年会论文集，2010.
[8]王登峰，毛爱华，牛妍妍，等.基于拓扑优化的纯电动大客车车身骨架轻量化多目标优化设计[J].中国公路学报，2017，30（2）.
[9]王赢利.新能源汽车白车身结构拓扑及尺寸优化设计[D].大连理工大学，2012.
[10]刘开勇.基于响应面模型的白车身轻量化优化方法[D].湖南大学，2016.
[11]潘锋.组合近似模型方法研究及其在轿车车身轻量化设计的应用[D].上海交通大学，2011.
[12]韩鼎，郑建荣.工程优化设计中的近似模型技术[J].华东理工大学学报：自然科学版，2012，38（6）：762-768.
[13]张伟，侯文彬，.基于拓扑优化的电动汽车白车身优化设计[J].湖南大学学报（自科版），2014（10）：42-48.
[14]康元春，李@，高永正.基于DOE方法的客车车身骨架尺寸优化[J].重庆交通大学学报（自然科学版），2014，33（4）：160-163.
中图分类号：TH49文献标识码： A 文章编号：
引言
1优化设计基本原理
优化设计是近年来发展起来的一门新的学科，它在解决复杂问题时，能定量地从众多的设计方案中找到尽可能完美的或最适宜的设计方案，故在工程实际中的应用越来越广泛。优化设计是数学规划和计算机技术相结合的产物，是一种将设计变量表示为产品性能指标、结构指标或运动参数指标的函数，称为目标函数；然后在产品规定的性态、几何和运动等其它条件的限制范围内，称为约束条件；寻找一个或多个目标函数最大或最小的设计变量组合的数学方法。进行优化设计时，首先要把实际设计问题转化为优化设计的数学模型。在明确设计变量、约束条件、目标函数之后，优化设计问题数学模型的一般形式为：
求设计变量x＝［x1x2…xn］T使目标函数f（x）的值最小minf（x）且满足约束条件gj（x）≤0，j＝1，2，…，mhk（x）≤0，k＝1，2，…，phl（x）＝0，l＝1，2，…，q式中：n－设计变量的个数；m－性能约束条件的个数；p－几何约束条件的个数；q－设计变量之间的约束条件个数。
2有限元法进行优化设计的基本过程
利用大型通用有限元分析软件ANSYS进行优化设计，可按照以下4个步骤进行：（1）建立参数化的有限元分析文件有限元分析文件的建立在整个优化设计中具有重要的意义，分析文件建立的正确与否会影响最终的优化设计结果。该文件的建立可采用两种方法：一种是直接编辑法，另一种是基于ANSYS的交互式方法。建立参数化的有限元分析文件包括以下内容：单元类型的选择、实常数的输入、材料特性参数的选择、实体模型的建立、对实体模型的网格划分即有限元模型的建立、分析类型的选择、约束条件及载荷的确定、求解以及对分析结果中相关数据的提取。（2）根据求解问题，在ANSYS数据库中建立与分析文件中的变量相对应的设计参数。（3）执行优化计算执行优化设计计算时，首先进入ANSYS优化设计的模块，指定已经建立的分析文件；然后声明优化设计变量及其取值范围、状态变量及其取值范围，并选择目标函数，即确定有限元优化设计的数学模型；接着选择优化设计工具或优化设计方法、指定优化循环的控制方式；最后进行优化求解。（4）查看、选取并检验优化设计结果通过有限元优化设计会得到一系列可行的和不可行的设计方案，设计者需要从这些方案中选出最好的设计方案，同时检验优化设计结果的合理性。
3压力容器的有限元优化设计
3.1问题描述
图1所示为一用20#钢制造的压力容器，根据工厂生产的要求，该压力容器的最大内压为pmax＝15MPa，选用钢板的厚度为h＝3mm，压力容器的几何尺寸R和H满足下列关系：H－R≥30mm，材料的屈服极限为245MPa，弹性模量E＝206GPa，泊松比μ＝0.3。要求：在钢板厚度不变的情况下，确定压力容器具有最大体积时所对应的几何尺寸R和H的大小。
图1压力容器结构图
3.2压力容器优化设计数学模型的建立
根据上述问题描述，选取几何尺寸R和H作为设计变量，以压力容器的最大体积作为目标函数。结合压力容器结构特点，可得目标函数的表达式如下：Vmax＝43πR3＋2πR2（H －R）该压力容器结构及载荷满足对称性要求，为提高后续有限元优化设计计算的效率，取压力容器的四分之一进行有限元优化设计。同时，利用ANSYS软件进行有限元优化设计时，一般是求解目标函数的最小值，与上述目标函数求解压力容器的最大体积不相符，需要把求解目标函数的最大值转化为求解目标函数的最小值。根据优化设计理论，有两种转化方式：一种是对原目标函数取倒数，另一种是对原目标函数取负值。文中对原目标函数取负值，把求解目标函数的最大值转化为求解目标函数的最小值。得到压力容器优化设计目标函数的表达式为：
设定设计变量的取值范围，考虑性能约束条件及给定条件，最终建立的压力容器优化设计的数学模型如下：
3.3压力容器有限元模型的建立及其分析
首先，考虑到后续进行优化设计时设计变量随优化结果的变化而处于动态变化中，对压力容器半径R、容器高度相关尺寸H、容器的体积V在ANSYS软件中建立参数，初步取
R＝30，H＝80。其次，针对压力容器的薄壁结构及结构和受力具有轴对称 的特点，按壳体结 构建立 参数化 的实体模型。第三，在ANSYS软件中先建立1／4圆柱面，再建立1／8球面，两者经布尔运算得到压力容器的1／8。
3．4压力容器的有限元优化设计
根据上述有限元模型建立、分析、求解及有限元应力分析结果的提取过程，建立压力容器有限元优化设计的分析文件，并指定分析文件。依据R和H的初始数值，初步选择设计变量R
和H的取值范围，且先设置参数R的取值范围，然后再设置参数H的取值范围。设置状态变量即最大应力的取值范围，选择体积V为目标函数，取一阶优化设计方法，设定循环控制方式，对其进行优化分析分析第一次优化设计的结果发现，设计变量R和H的取值范围比较接近上限值，且最大应力比许用应力小，为使压力容器的体积最大，还需进一步优化。
结合工程实际需要，对优化后压力容器的结构尺寸进行圆整，可取R＝55mm，H＝100mm，此时压力容器的最大体积为Vmax＝15.5144×105mm3。从有限元优化设计的结果，可获知整个优化设计的过程中设计变量、目标函数随迭代序列的变化，刚开始迭代计算时，设计变量变化范围较大，对应的目标函数值也有较大变化，随着迭代次数的增加，设计变量的变化趋于平稳，目标函数也随之趋于平稳，迭代进行到第29次，得到压力容器体积的最小值，即优化设计问题的最优解。
通过对压力容器的有限元分析及优化设计可得如下结论：（1）在设计变量的取值范围不易确定的情况下，可根据初步的优化设计结果进行估算，然后逐步缩小设计变量的取值范围，进行多次优化计算，可进一步提高优化设计的精度，使设计方案更符合实际的需要。（2）优化设计变量的初始值选择不同，会影响设计变量、目标函数随迭代序列的变化曲线，但不影响最终的优化设计结果。（3）由最终设计序列中设计变量的变化关系，可发现在优化设计中压力容器半径R的变化对体积的变化明显，与目标函数表达式中的关系相一致。（4）在有限元优化设计中，设计变量、约束条件容差选择不同，对最终的设计结果有一定的影响。（5）各设计变量、目标函数随迭代次数的增加均向最优解逼近，说明了有限元分析法在优化设计中的应用价值。
4结论
针对传统设计中压力容器的材料浪费问题，提出基于有限元分析的压力容器的优化设计方法。该方法首先利用有限元法对压力容器进行分析并提取分析结果中的相关参数，然后利用优化设计方法进行定量计算，最终得到既满足性能指标又满足设计指标的设计参数。实际结果表明，基于有限元分析的优化设计方法，在工程实际应用中可有效发挥作用。
参考文献：
1． 引言
电子设计自动化（EDA）是以电子系统设计软件为工具，借助于计算机来完成数据处理、模拟评价、设计验证等工序，以实现电子系统或电子产品的整个或大部分设计过程的技术。它具有设计周期短、设计费用低、设计质量高、数据处理能力强，设计资源可以共享等特点。电路通用分析软件OrCAD/PSpice9以其良好的人机交互性能，完善的电路模拟、仿真、设计等功能，已成为微机级EDA的标准系列软件之一。本文基于OrCAD/PSpice9的电路优化设计方法，通过实例分析了有源滤波器的优化设计过程。
2． OrCAD/PSpice9软件的特点
OrCAD/PSpice9是美国OrCAD INC.公司研制的一种电路模拟及仿真的自动化设计软件，它不仅可以对模拟电路、数字电路、数/模混合电路等进行直流、交流、瞬态等基本电路特性的分析，而且可以进行蒙托卡诺（Monte Carlo）统计分析，最坏情况（Worst Case）分析、优化设计等复杂的电路特性分析。相比PSpice8.0及以前版本，具有如下新的特点：
· 改变了批处理运行模式。可以在WINDOWS环境下，以人机交互方式运行。绘制好电路图，即可直接进行电路模拟，无需用户编制繁杂的输入文件。在模拟过程中，可以随时分析模拟结果，从电路图上修改设计。
· 以OrCAD/Capture作为前端模块。除可以利用Capture的电路图输入这一基本功能外，还可实现OrCAD中设计项目统一管理，具有新的元器件属性编辑工具和其他多种高效省时的功能。
· 将电路模拟结果和波形显示分析两大模块集成在一起。Probe只是作为其中的一个窗口，这样可以启动多个电路模拟过程，随时修改电路特性分析的参数设置，并可在重新进行模拟后继续显示、分析新的模拟结果。
· 引入了模拟类型分组的概念。每个模拟类型分组均有各自的名称，分析结果数据单独存放在一个文件中，同一个电路可建立多个模拟类型分组，不同分组也可以针对同一种特性分析类型，只是分析参数不同。
· 扩展了模型参数生成软件的功能。模型参数生成软件ModelED可以统一处理以文本和修改规范两种形式提取模型参数；新增了达林顿器件的模型参数提取；完成模型参数提取后，自动在图形符号库中增添该器件符号。
· 增加了亚微米MOS器件模型EKV2-6。EKV2-6是一种基于器件物理特性的模型，适用于采用亚微米工艺技术的低压、小电流模拟电路和数/模混合电路的模拟分析。
3． 电路优化设计
所谓电路优化设计，是指在电路的性能已经基本满足设计功能和指标的基础上，为了使得电路的某些性能更为理想，在一定的约束条件下，对电路的某些参数进行调整，直到电路的性能达到要求为止。OrCAD/PSpice9软件中采用PSpice Optimizer模块对电路进行优化设计，可以同时调整电路中8个元器件的参数，以满足最多8个目标参数和约束条件的要求。可以根据给定的模型和一组晶体管特性数据，优化提取晶体管模型参数。
3.1 电路优化基本条件
调用PSpice Optimizer模块对电路进行优化设计的基本条件如下：
· 电路已经通过了PSpice的模拟，相当于电路除了某些性能不够理想外，已经具备了所要求的基本功能，没有其他大的问题。
· 电路中至少有一个元器件为可变的值，并且其值的变化与优化设计的目标性能有关。在优化时，一定要将约束条件（如功耗）和目标参数（如延迟时间）用节点电压和支路电流信号表示。
· 存在一定的算法，使得优化设计的性能能够成为以电路中的某些参数为变量的函数，这样PSpice才能够通过对参数变化进行分析来达到衡量性能好坏的目的。
3.2 电路优化设计步骤
调用PSpice Optimizer进行电路优化设计，一般按以下4个步骤：
(1) 新建设计项目，完成电路原理图设计。这一歩的关键是在电路中放置OPTPARAM符号，用于设置电路优化设计过程中需要调整的元器件名称及有关参数值；
(2) 根据待优化的特性参数类别调用PSpice A/D进行电路模拟检验，确保电路设计能正常工作，基本满足功能和特性要求；
(3) 调用PSpice Optimizer模块，设置可调整的电路元器件参数、待优化的目标参数和约束条件等与优化有关的参数。这一歩是优化设计的关键。优化参数设置是否合适将决定能否取得满意的优化结果；
(4) 启动优化迭代过程，输出优化结果。
电路优化设计的过程框图如图1所示。
3.3 电路优化设计实例
滤波器电路如图2所示。优化目标要求中心频率（Fc）为10Hz；3dB带宽(BW)为1Hz，容差为10%；增益（G）为10，容差为10%。
在图2中，滤波器电路共有三个可调电位器R
gain、Rfc和Rbw，用来调整中心频率、带宽以及增益，且这种调整是相互影响的。三个可变电阻的阻值是由滑动触点的位置SET确定的，显然SET值的范围为0～1，所以将三个电位器的位置参数分别设置为aG、aBW和aFc。
由于对滤波器的优化设计是交流小信号分析，因此应将分析类型“Analysis type”设置为“AC Sweep/Noise”；扫描类型“AC Sweep Type”设置为“Logarithmic”;“Points/Decade”设置为100；起始频率“Start”和终止频率“End”分别设置为1Hz和100Hz。
为了进行优化设计，在电路图绘制好后，应放置OPTPARAM符号并设置待优化的元器件参数。本例中参数属性设置值如表1所示。
设置好待调整的元器件参数以后，调用PSpice Optimizer模块并在优化窗口中设置增益（G）、中心频率（Fc）和带宽(BW)三个优化指标。并利用PSpice中提供的特征值函数定义这三个优化指标，具体设置见表2。
调用PSpice A/D进行模拟计算，在相应窗口中显示中心频率的值为8.3222，带宽为0.712187，增益为14.8106。显然这与要求的设计指标有差距，需要通过优化设计达到目标。
在优化窗口中选择执行Tune/Auto/Start子命令，即可开始优化过程。优化结束后，优化窗口中给出最终优化结果，如图3所示。
由图3可见，系统共进行了三次迭代，自动调用了9次电路模拟程序。当3个待调整的元器件参数分别取aG=0.476062；aFc=0.457928；aBW=0.702911时，可以使3个设计指标达到G=10.3499，Fc=9.98953，BW=1.00777。
可见，对电路进行优化设计后，电路指标均能满足设计要求。另外，完成优化设计后，还可以从不同角度显示和分析优化结果。
4. 结束语
关键词：机械优化设计 智能CAD 优化模型
中图分类号：TH122 文献标识码：A 文章编号：1672-3791（2012）12（c）-0013-01
在机械优化设计中需要对参数模型进行求解和优化，特别是在大型的复杂的设计项目中，需要重复建模、重复优化模型。除了遗传算法等数学方法使用外，CAD技术应用对复杂的机械设计优化问题取得了较好的效果并产生了很好的经济效果。
1 机械优化设计中的CAD技术
单体机械机构的优化对象主要是零件的结构优化，涉及的学科少、优化的功能单一，优化的过程只限于结构设计和机构构成之间的关系。对于复杂的机械设计，优化的对象对体现整体优化思维，即整体优化大于局部优化。在这个过程中就需要采用合理的手段和方法优化的范围综合起来。计算机辅助手段日臻完善，在优化设计中把原理方案、功能，结构方案、总体参数以及结构性状的全部设计包含在内，真正的做到全局优化。
复杂的结构设计计算复杂、方法多变，涉及多学科多目标，而优化更要在这些方法找到更有效的方案更为困难。因此单一的方法来解决整体的优化问题肯定不行，但是采用CAD进行整体的优化和分解协调优化，通过模型建立，减少计算缩短优化时间。在结构优化中器件多，耦合度高，利用CAD技术可以在结构优化中应用网状分解的方法，将其分解，这种分解方法除了提高CAD利用效率之外还可以解决优化过程中的交叉学科问题，例如利用CAD机械设计的协同优化。在整体优化中目前的CAD技术还没有形成普遍使用的分解方法，因此分解的正确性并不是可以控制的，这成为CAD的在机械优化设计中应用的瓶颈。但是优化设计分层优化取得比较好的效果，由此建立起来的CAD优化发展。
2 CAD机械优化设计建模应用
机械产品设计优化技术就是设计者借助CAD技术将设计形体可视化、模拟化、可修改、可分析优化，进一步通过计算机辅助优化实体模型。产品的优化可以在CAD中进行三维几何重现，优化设计通过三维虚拟优化，采用几何模型描述对象的位置、结构、大小和性状，并寻求最高效的组合途径，通过优化的赋值可以将对象的颜色、纹理等信息进行详细描述，优化产品的原型，在这个过程中CAD的建模优化是最常见的优化方法。
2.1 参数建模优化
这种优化是通过工程关系以及几何方法在CAD中给予产品的性状特征，从而可以在产品功能上和设计方法上寻求类似的模型，通过模型的优化达到设计优化。在CAD中建立产品与参数之间的关系，而参数作为变量形成变量集合。在优化过程中通过参数的变化影响设计对象的变化，参数优化模型采用修改和定义的几何建模。参数建模优化包含工程优化、拓补结构优化、尺寸优化等，这些都是CAD参数建模优化中需要考虑的因素。
2.2 特征建模优化
这种优化是在CAD环境下从整个设计的各个阶段来优化设计，可表述为集成优化。进行集成优化需要在CAD条件下建立系统的、完整的、全面的描述需要优化的信息，使得各种特征能够从设计中显现优化的策略。特征建模优化可以明确的表示优化逻辑关系、互动关系以及关联特征方面进行表述和描述。特征建模优化能够在CAD环境中建立高层次的产品功能要素，对优化的信息进行联动管理，体现设计优化中，对形状、结构等复杂产品优化建模是思想，将产品的多特征进行特征分解，根据分解的特征相互建立优化途径，通过特征之间的运算达到优化整个设计的目的。
3 具备知识库智能CAD在机械优化设计中的发展
优化设计是一个高度智慧的创新的活动。CAD技术系统引入知识库，产生智能的计算机辅助设计系统，这成为ACD机械优化设计的发展方向之一。知识库智能CAD能够在信息优化、知识优化的基础上建立基于优化思维的知识库。它能够及时对优化设计的方向进行评估，利用知识库的评价机制，实现信息的交换和共享，解决优化设计中对信息和知识和需求。机械设计问题是模糊的，而优化的方式和途径也多样，对复杂产品进行优化，建立知识库信息获取、组织和表达。因此具备知识库智能CAD快速发展，为CAD在机械优化设计领域提供了新的途径。在机械优化设计中，设计不仅具有创意，而且优化应具备整体性和科学性。优化设计可以根据优化的途径分为优化搜索和优化创新。优化搜索可以根据各种方案选择一种最好的组合达到优化目的。在知识库智能CAD中具备的专家系统，采用参数匹配、信息匹配、结构匹配的方法将优化的产品进行搜索，选择最优的设计方案，遍历知识库中相似结构的模型。如果知识库建立的足够大，足够科学则搜索优化的优化度更高；优化创新是直接通过知识库得到最佳的优化结果。这种优化方法可以通过CAD的知识库，将设计的参数、模型、结构导入直接产生优化结果。但是不论是那种优化方法都要依据设计的原始信息，根据实际情况综合分析智能CAD优化结果，得出优化设计的方案。
4 神经网络智能CAD在机械优化设计中的发展
在优化设计中如果将优化的任务进行分解，形成各阶段优化的方案过多，而后面的的优化组成数量也迅速增加，这样就容易形成优化组合爆炸。在优化设计中面临如此大的优化结构时，往往需要更高层次的归纳和综合，对综合的信息进行少量分析即可找到优化的决策。一般CAD的优化只能在参数、简单结构等方面进行优化，而在如此复杂的框架优化、整体优化中显然不能满足优化要求。因此具备神经网络的智能CAD能够将设计的信息通过人工网络结构进行优化决策方式进行模拟。将优化的各层次和任务进行网络串联，共同完成阶段的优化工作。
5 结论
计算机辅助设计是机械优化设计的必要的工具。在知识库研究、神经网络研究、以及模糊控制研究方面已经取得了很多经验并发挥了巨大的经济效益。在优化设计中需要借助CAD这个途径将这些研究的思维移植并实现将大大提高CAD机械优化设计的效率，产生很大的经济效益。
参考文献
关键词：机械设计；ANSYS软件；结构优化设计；机械设备结构设计；建筑工程设计
1概述
优化设计指的是在设计过程中寻找最完善的设计方案，从而满足所有的设计要求。现如今，科学技术发展迅速，有限元分析技术也日渐完善，并逐渐被应用于机械产品的结构优化设计过程中，不仅能够为机械结构优化设计提供便利，而且能够有效提高数据的准确性，应用优势十分明显，因此对有限元分析软件及其应用方式进行详细探究具有十分重要的现实意义。
2ANSYS有限元分析软件概述
ANSYS有限元分析软件是由多个模块所组成的，包括分析计算模块、前后处理模块等，现如今已经被广泛应用于大型机械结构设计过程中。在ANSYS有限元分析软件的前处理模块中，有Pro/E、UG等建模工具，在对机械结构进行设计过程中，可以结合实际情况选用具体的制图软件对机械构件进行建模设计。在对计算模块进行分析过程中，可以模拟出不同种类的物理介质的相互作用，因此分析灵敏度比较高，而且分析能力比较高。另外，通过应用ANSYS有限元分析软件的后处理模块，可以彩色等值线、图表以及图像等形式显示出计算结果。在对机械构件模型进行有限元模型分析过程中，需要不断进行修改和优化设计分析，但是通过应用ANSYS有限元分析软件，只需要根据设计参数语言，对机械构件的参数进行调整，就可以完善机械构件的设计和分析过程，在最大程度上缩短机械构件优化设计所需时间，减少设计人员的工作量。
3ANSYS结构优化设计
3.1建立结构优化设计模型
在机械设计优化过程中，最为关键的是建立数学模型，而在建立数学模型时需要结合实际情况选用合适的设计变量，在一定的约束条件下，通过目标函数计算获得设计最优的设计变量。与传统的机械优化设计不同，在ANSIS有限元分析软件的实际应用中，只需要设定一定的参数，就可以表示出数学模型的构建要素，包括目标函数、约束条件以及设计变量。
3.2ANSIS优化设计分析方法
在ANSIS有限元分析软件的实际应用中，由于不同用户对于ANSIS有限元软件的掌握程度是不同的，对此ANSIS可以提供批处理和图形交互两种分析方法。其中批处理主要适用于能够熟练掌握ANSIS分析软件各项命令的专业技术人员，在复杂程度比较高的机械设计过程中可以采用批处理方式，这样能够有效提高有限元分析效率。另外，对于ANSIS有限元分析软件的一般用户，可以采用图形交互方式，操作更加直观便捷。还需要注意的是，ANSIS有限元分析软件可以为软件用户提供很多种优化设计办法和优化设计工具，ANSIS用户在对不同的问题进行优化设计时，可以有针对性地选用相应的优化设计工具或者办法，从而简化分析过程，提供优化设计结果的精准性。
4ANSYS结构优化设计实例
4.1问题描述
某机械设备是由5节箱型同步伸缩臂所构成的，所有的伸缩臂展开后，整个机械设备的长度约为27.0m，通过ANSYS结构优化设计，能够有效满足机械设备的强度要求和刚度要求，这样不仅能够有效降低机械设备自重，而且还能够有效降低设备造价。4.2有限元分析4.2.1建立模型。以机械设备的初始结构、尺寸以及工况要求，采用ANSYS有限元分析软件，从底部至上建模，在建模过程中，首先确定关键点，然后依次建立线、面、体，最终形成实体模型。在网格划分方面，可以综合应用自由网格划分以及人工设置网格尺寸的方式完成。4.2.2约束及载荷处理。在该机械设备设计过程中，其约束点主要位于变幅油缸支座的铰接位置以及基本臂根铰点位置，在各个约束点上需要约束三个方向的平动自由度以及两个转动自由度，并且注意释放销轴中心位置的互转自由度，对于该设备伸缩臂与滑块之间的接触点位置，可以采用节点自由度耦合进行模拟。在ANSYS有限元分析软件的处理模块中，输入机械设备制造所需材料的密度以及重力加速度，程序即可将单元载荷因子数据直接计入总载荷中并进行自重计算。另外，对于该机械设备伸缩臂上的所有附属装置，都可以将其质量作为集中荷载，并使其作用于相应的位置。4.2.3有限元分析结果。通过对这一机械设备进行ANSYS有限元分析，当该设备在水平位置全部展开时，其应力以及端部的位移量能够达到最大值，而各个节臂位置的大部分区域的应力则比较小，最大应力主要分布于各个节臂以及滑块的接触位置，根据ANSYS有限元软件分析计算，应力值在132～277MPa之间，局部最大应力达到385MPa。另外，在臂端变幅平面中，最大变形量为0.55m。
4.3优化设计数学模型的建立
4.3.1设计变量。在该机械设备的ANSYS优化设计过程中，由于其各个节臂的长度是在优化设计前根据作业范围来确定的，因此在优化设计过程中不可以改变。另外，基本臂与各个伸缩臂的截面尺寸可以根据几何关系逐步调整，对此，可以将基本臂的壁厚Ti、宽度B以及高度H作为本次优化设计变量，其中对于Ti可以根据连续变量进行考虑。4.3.2目标函数。在本次优化设计过程中，最为主要的目标在于保障设备正常使用功能的基础上尽量减小设备体积和自重，材料体积越大，则设备质量越大，因此可以将各节臂总体积WVOLU作为本次优化设计的目标函数。4.3.3状态变量。在本次优化设计过程中，状态变量有两种，分别为部件作业工况下的应力值STRESS以及前端变幅平面的位移量DY。在本次优化设计过程中，为了保证设计刚度和强度能够满足实际需要，应该加强应力和位移的控制。4.3.4约束条件。（1）刚度约束条件：为了保证设备的刚度能够满足实际需要，可以将变幅平面最大变形量作为约束条件。在ANSYS优化设计过程中，为了简化模型的计算时间，提高建模进度和经济性，不需要考虑风载荷的影响。但是，在ANSYS优化设计完成后，还是需要加载风载荷，对探测臂进行校核，确保其能够满足刚度需要；（2）强度约束条件：通过ANSYS有限元分析，综合考虑设备材料的力学性能，在本工程中，将应力值STRESS控制在375MPa以内；（3）尺寸约束条件：综合考虑初始结构尺寸与各个节臂尺寸之间的关系，以及伸缩臂内部油缸的外形尺寸的限制条件，指定高度H、宽度B以及基本臂壁厚Ti的最值，根据本次研究分析，高度H在0.19～0.44m之间，宽度B在0.19～0.31m之间，基本臂壁厚Ti在0.002～0.006m之间，其中i＝1，2，3，4，5。
4.4优化过程及结果分析
4.4.1部件各节臂厚度的优化。在对各个节臂厚度进行优化设计时，需要对钢板厚度及其他设计变量进行优化设计，同时还需要注意将目标函数的允许误差控制在1%以内，加上初始数据，通过16次优化循环，总共得到17组数据。其中T1取值4.0916mm、T2取值4.5119mm、T3取值3.0563mm、T4取值2.6187mm、T5取值2.509mm。综合考虑机械设备的焊接要求，最终，T1取值4.0mm、T2取值4.5mm、T3取值3.2mm、T4取值3.0mm、T5取值3.0mm。4.4.2工作装置截面尺寸的优化。确定壁厚尺寸后，对于各个部件的截面尺寸，可以采用一阶方法进行优化设计，设计变量为高度H以及宽度B，目标函数允许误差应该控制在初始体积的1%以内，总共需要进行6次优化循环，再加上初始值，总共获得7组数据，并采用随机搜索的方式进行验证，确保计算结果的一致性。4.4.3结果分析。通过对该机械设备进行优化设计，所得结果如表1所示，由此可见，部件总体积在优化前为0.143m3，优化后为0.105m3，体积减少26.4%。由此可见，在本次ANSYS优化设计过程中，在保证设备刚度和强度符合设计要求的基础上，尽量减少设备材料体积，能够达到很好的优化结果。5结语综上所述，对于机械结构进行优化设计，能够获得最优设计方案。通过应用ANSYS有限元分析软件进行优化设计，能够简化计算过程，有效提高机械设备的优化设计效率，因此值得推广和应用。
参考文献
[1]王春华，黄杨，孟凡林，等．基于ANSYS液压支架托梁结构改进及强度分析[J]．机械设计，2013，30（1）.
[2]吴佳燕，李郝林．基于Ansys的主轴系统有限元模型结构优化[J]．机械设计与研究，2010，26（6）.
