一种基于3D打印的车架结构优化方法与流程

本发明涉及3d打印制造技术领域，特别是一种基于3d打印的车架结构优化方法。

背景技术：

近年来，快速制造成型技术迅速发展，其中以3d打印为代表的新型成型技术在全球范围内都得到广泛关注。该技术的核心工艺是在数控设备的辅助下，将金属材料以球状粉末或丝材的形式通过高能束流（包括激光或电子束等）进行逐层的熔化丝材或粉材，进而沉积形成大型结构件。与传统的“去除”式的切削加工方式不同，该技术以“生长”式的理念进行逐层沉积，极大地提升了原材料的利用率和新产品的艺术性。同时由于避免了大量模具的设计和加工过程，极大地缩短了构件的制备周期和节约勒大量的投入成本。作为金属材料传统成形方法的有益补充，3d打印成型解决了许多通过热变形制备技术无法攻克的难题。

上述提及的3d打印具有许多技术优点，在实际运用过程中也还有许多亟待解决的问题。如：使用3d打印进行车架的设计制造时，需要对3d打印的结构进行优化处理才能打印满足相应的打印要求，但目前如何高效便捷地实现车架3d打印的结构优化成为业界难题。

技术实现要素：

本发明的目的在于，提供一种基于3d打印的车架结构优化方法。本发明具有减少打印材料用量、成本低和结构强度好的特点。

本发明的技术方案：一种基于3d打印的车架结构优化方法，按下述步骤进行：

a.根据设计需求输入车架的受力和材料属性信息，采用生成式设计构建车架初始模型；

b.使用基于二次误差作为度量代价的边收缩算法对车架初始模型进行减面优化，得到车架简化模型；

c.在车架简化模型的腔体内分布点集，将点集中各点相互连接，之后基于多目标优化算法计算并保留点集中分布方式和连接方式效率最高的点，再删除多余的点，得到车架优化模型；

d.输入成管半径，把车架优化模型中的结构从线变成体，生成车架3d打印模型。

前述的基于3d打印的车架结构优化方法所述的步骤c中，在车架简化模型的腔体内分布点集的方法是：创建车架简化模型的包围盒,在包围盒内随机均匀创建点，随后保留车架简化模型的腔体内的点，删除外部的点。

前述的基于3d打印的车架结构优化方法所述的步骤c中，使用多目标优化算法优化时，

优化的决策变量为：点的最长连接距离、点的最短连接距离、点的最多连接次数、分布点的随机种子；

优化的目标为：结构总长度最短、应变能最小。

前述的基于3d打印的车架结构优化方法所述的步骤c中，得到车架优化模型后，对车架优化模型进行结构分析，得到车架优化模型进行结构的最大结构节点位移量和应变能；当最大结构节点位移量与应变能未达到设计要求时，利用随机择优选择在车架简化模型的腔体内创建新的点集，再次基于多目标优化算法计算并保留该点集中分布方式和连接方式效率最高的点，直至最终得到的车架优化模型结构中的最大结构节点位移量与应变能设计要求。

有益效果

与现有技术相比，本发明采用生成式设计构建车架的初始模型；通过该方法，使得车架模型的设计构造能够依赖于强大的云端计算能力，在短时间内生成数以千计的设计方案；该方法不仅缩短了建模时间、提高了建模效率，而且依靠云端计算能对所构建的车架模型的结构及强度进行更加精确、全面的计算，使得所构建的车架模型相对于传统方法构建的车架模型，在构造及强度方面能达到更优。

本发明在对车架模型优化时，基于复杂车架模型生成点集，并相互连接；之后采用的多目标优化算法能够模拟自然界中黏菌的觅食行为进行多目标优化，优化时保留点集中的高效连接方式，进而满足机械臂3d打印的要求，减少材料用量，降低制造成本。

申请人在使用渐进结构优化法(eso)优化车架模型时发现，得到的车架简化模型在某些部位结构太薄、太细；如果直接使用该模型进行3d打印，那么这些部位的强度满足不了设计要求，而且存在一些不必要且难以制造的细节。为了解决该问题，申请人进行了多番摸索实践，并从自然界中的黏菌觅食行为得到灵感，最后终于找到了解决该技术问题的方法，即是：在车架简化模型的腔体内分布点集，将点集中各点相互连接，之后基于多目标优化算法计算并保留点集中分布方式和连接方式效率最高的点(在进行多目标优化时，通过对决策变量和优化目标的选择确认，多目标优化算法能够——搜索到高效的连接路径，该方式与黏菌的觅食行为相似)；该方法，通过对点集中各点相互连接的结构强度关系的计算，最终得到点集中各点相互连接的最优解，进而得到车架的最优模型；通过该方法，使得最终得到的车架优化模型，不仅整体结构强度高，而且得到的车架优化模型结构最为精简，满足3d打印制造的同时，最大限度地节省了材料，提升了3d打印效率。

综上，本发明具有减少打印材料用量、成本低和结构强度好的特点。

附图说明

图1是本发明的流程图；

图2是生成式设计构建车架初始模型示意图；

图3是车架简化模型示意图；

图4是点集计算得到车架优化模型示意图；

图5是最终生成的车架3d打印模型示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。

实施例1。一种基于3d打印的车架结构优化方法,参见图1，按下述步骤进行：

a.根据设计需求输入车架的受力和材料属性信息，采用生成式设计构建车架初始模型；参见图2；具体地，采用基于渐进结构优化法的生成式设计软件构建车架初始模型；通过生成式设计，逐渐去除传统车架结构中的低应力材料，使余下的结构最终进化为最优的车架形态；该设计方法设计出的车架力学性能更加合理，同时节省了材料消耗。但是，由于该设计方法设计出的车架结构还是比较复杂，无法直接进行3d打印制造，因此还需要对构建得到的车架初始模型进行优化；

b.使用基于二次误差作为度量代价的边收缩算法对车架初始模型进行减面优化，得到车架简化模型，参见图3；通过对车架初始模型进行减面优化，能够降低后续工序的计算复杂度，提高计算效率；且本发明通过基于二次误差作为度量代价的边收缩算法对车架初始模型进行减面优化，不仅计算速度快、计算效率高，而且能够保证减面后车架模型的结构性能不便，进而使得减面后模型的整体性能质量更高；

具体地，将车架初始模型导入rhino建模软件使用reducemesh命令，即能进行步骤b所述的的减面优化；

c.在车架简化模型的腔体内分布点集，将点集中各点相互连接，之后基于多目标优化算法计算并保留点集中分布方式和连接方式效率最高的点，再删除多余的点，得到车架优化模型，参见图4；所述的效率最高是指，在满足结构变形量的前提下，保持最少的材料消耗；

d.输入成管半径，把车架优化模型中的结构从线变成体，生成车架3d打印模型，参见图5。

具体地，前述的步骤c中，在车架简化模型的腔体内分布点集的方法是：创建车架简化模型的包围盒,在包围盒内随机均匀创建点，随后保留车架简化模型的腔体内的点，删除外部的点。

具体地，前述的步骤c中，多目标优化算法的计算具体是，通过多目标优化算法车架简化模型的结构进行多目标优化；优化中，

优化的决策变量为：点的最长连接距离、点的最短连接距离、点的最多连接次数、分布点的随机种子；

优化的目标为：结构总长度最短、应变能最小。结构总长度最短，表明生产材料消耗最少；应变能最小，表明其结构稳定性最好。

具体地，前述的步骤c中，得到车架优化模型后，对车架优化模型进行结构分析(可采用有限元分析)，得到车架优化模型进行结构的最大结构节点位移量（即结构受力后的最大形变量）和应变能；当最大结构节点位移量与应变能未达到设计要求时(如设计要求中要求最大节点位移不超过20mm)，利用随机择优选择在车架简化模型的腔体内创建新的点集，再次基于多目标优化算法计算并保留该点集中分布方式和连接方式效率最高的点，直至最终得到的车架优化模型结构中的最大结构节点位移量与应变能设计要求。具体地，使用随机择优选择创建新的点集，首先需要创建新的参数，如：连接线段的长度范围和每个点连接的数量；之后再改变点集分布的随机种子即能创建新的点集。