發布時間：2023-06-14 16:21:03
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的基于模型的優化設計樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
關鍵詞：無線射頻識別；無線傳感器網絡；融合模型；優化設計
中圖分類號：TP212；TP391.4 文獻標識碼：A 文章編號：2095-1302（2017）01-00-03
0 引 言
微電子技術、通信技術的迅速發展以及物聯網技術的興起，極大地促進了無線傳感器網絡（WSN）和無線射頻識別（RFID）這兩項關鍵技術的研究和應用。RFID技術已經在工業上得到了廣泛應用，WSN技術也在各種環境下發揮重要的作用，兩者在延續各自獨立的發展和研究路徑的同時，逐漸開始進行融合技術的探索。
RFID技術可以在短距離內自動快速確定對象的關鍵信息，主要用于對象的跟蹤與管理，但在很多應用領域中，管理對象對環境具有敏感性，需要通過遠程觀察獲取周圍的物理環境信息[1]，傳統的RFID技術無法解決這個問題。例如在一個使用RFID的資產管理系統中，僅采用射頻識別可以追蹤一個特定資產的當前位置，卻不能獲取溫濕度等相關環境信息。WSN由若干小型節點組成，這些節點具有感知、計算和無線通信的能力。無線傳感器網絡可以收集、聚合以及分析環境信息，用于火災探測、污染監測等領域，但它卻無法檢索具有物體關鍵信息的標識以及位置。在這種情況下，通過對RFID與WSN的融合，我們可以構建一個具備豐富環境信息的對象跟蹤和管理系統[2]，將兩種技術相輔相成，最大化提升兩者的效率，為更加廣泛的應用提供新視角。
文中主要歸納總結出了目前主流的四種融合模型，對模型進行分析、優化，并基于優化的模型設計出一套新型RFID-WSN融合系統。
1 四種融合模型
目前國內外提出了諸多基于RFID與WSN融合的理論和應用，Lei Zhang等人較全面地總結了三種融合技術，即RFID閱讀器與WSN基站的融合、分布式智能節點、智能傳感標簽[3]。Ashwini W. Nagpurkar等人首次將RFID標簽與傳感器的融合總結為有限通信能力（Limited Communication Capability）和擴展通信能力（Extended Communication Capability）[4]。通過對近年來相關研究的分析和總結，將目前主要的融合技術歸納為傳感器-標簽融合模型、WSN-標簽融合模型、WSN-閱讀器融合模型、WSN-RFID系統融合模型四種。四種RFID與WSN融合模型如圖1所示。
1.1 傳感器-標簽融合模型
傳感器-標簽融合模型如圖1（a）所示。將RFID標簽與傳感器集成，使RFID標簽配備環境感知能力，使標簽可以通過傳感器采集環境信息，并直接作為識別信息被RFID閱讀器快速讀取。Ferrer-Vidal等人設計的搭載傳感器的超低功耗紙基RFID標簽[5]與Cho等人設計的搭載傳感器5.1 W功率的超高頻RFID標簽[6]即基于此種模型。
1.2 WSN-標簽融合模型
WSN-標簽融合模型如圖1（b）所示。在WSN節點上集成RFID標簽，集成方式分為兩種。一是在WSN節點Flash上存儲RFID標準格式的識別信息；另一種是直接在硬件上連接RFID標簽。這種類型的傳感器節點標簽不僅能夠實現標簽信息的識別和追蹤，還能感知環境并互相傳遞信息。文獻[1]和[7]提出的SIWR模型和RSN模型便是在此模型基A上將節點分為匯聚節點、路由節點和感知節點。匯聚節點負責信息管理，路由節點負責信息轉發，只有感知節點融合了RFID標簽，負責感知和識別。
1.3 WSN-閱讀器融合模型
WSN-閱讀器融合模型如圖1（c）所示。通過WSN節點與RFID閱讀器的集成，將WSN與RFID連接在一起。RFID通過WSN遠程交換數據，擴大了識別范圍。Omar M.Q.等人設計的基于RFID與WSN的機器狀態檢測系統[8]、C.Salvatore等人設計的工廠安全系統[9]就是這種模型的應用實例。該模型還可以與傳感器-標簽融合模型共存，如Pablo GARCíA ANSOLA等人設計的ZigID模型[10]。
1.4 WSN-RFID系統融合模型
WSN-RFID系統融合模型如圖1（d）所示。保持WSN和RFID的原有架構，引入智能基站進行系統集成。智能基站是搭載了融合框架的集成服務器，其主要任務是控制WSN和RFID進行協同工作，采集WSN與RFID的信息，通過融合框架進行數據融合，呈現出更加綜合和智能的信息。Jaekyu Cho等人提出的WSN與RFID融合框架SARIF[2]正是該融合模型的實例。
2 融合模型的優化
四種模型從不同的角度對RFID與WSN做了融合，相比融合之前都豐富了功能或提升了性能，但仍存在一些問題，因此需要對模型進行優化。
2.1 存在的問題
傳感器-標簽融合模型并沒有融合WSN的無線通信能力，所以系統的覆蓋范圍過小是最顯著的問題。
WSN-標簽融合模型將WSN-標簽作為WSN節點，需要遵循入網、分配地址、握手通信、退網等網絡協議，導致標簽喪失了RFID快速識別的特性，其數量和流動性也受到網絡負載能力的制約。
在WSN-閱讀器融合模型中，WSN-閱讀器是模型上層WSN與下層RFID連接的唯一樞紐，數據交換負載量大，一旦失效，便會導致融合系統癱瘓，所以模型存在負載均衡和魯棒性的問題。
在WSN-RFID系統融合模型中，WSN與RFID在硬件上相互獨立，部署成本是兩者之和，且單純依靠軟件層面進行數據分析和系統協作來實現融合，也需要更高性能和成本的基站服務器。
2.2 優化模型
針對上述四種模型存在的問題，結合WSN-標簽融合模型和WSN-閱讀器融合模型，提出了圖2所示的優化融合模型。
該優化模型保留WSN節點的同時引入了WSN-標簽和WSN-閱讀器兩種融合節點，這是一種復合型融合架構。模型中的每個節點都基于WSN節點，具有環境感知和無線通信能力；WSN-閱讀器節點和WSN-標簽節點可以進行無線射頻識別，即節點之間既可以按照WSN架構構建，進行遠程采集傳輸，也可以按照RFID架構構建，進行對象信息快速識別，抑或同時進行。此舉解決了WSN-標簽融合模型無法支持大量標簽快速識別的問題，相比WSN-閱讀器融合模型提升了負載均衡和魯棒性。
3 新型融合系統的設計
優化的融合模型能否發揮其優勢，關鍵在于如何設計出高效的融合節點以及節點之間如何構建來滿足應用需求。
3.1 新型融合節點
針對優化模型中定義的三種節點，文中將設計一種集WSN節點、RFID閱讀器、RFID標簽于一體的新型融合節點，該新型節點既可以按WSN節點工作，又可以按WSN-閱讀器工作，也可以切換成WSN-標簽工作，既節約了硬件成本，又提高了系統的靈活性，能夠充分發揮優化模型的特點和優勢。新型融合節點架構如圖3所示。
該架構在WSN五層網絡模型的基礎上集成了RFID角色層（包括RFID閱讀器和RFID標簽）和RFID應用層。WSN與RFID共用物理層和數據鏈路層，這樣使得融合節點的硬件成本得到控制。原始數據在數據鏈路層被分發，WSN數據繼續向上層傳遞，RFID數據直接發送至RFID角色層，實現RFID的快速識別。由于RFID角色層支持RFID閱讀器和RFID標簽兩種角色，所以融合節點可以根據RFID應用層的設置，來進行WSN節點、WSN-閱讀器與WSN-標簽三種角色的動態切換。RFID應用層與WSN應用層既可以相互獨立運行應用，也可以配合執行任務。
3.2 動態構建機制
由于這種新型融合節點具有動態切換角色的能力，相應的，融合系統也可以動態變換其架構，所以需要建立相應的動態構建機制，才能使系統體現出對不同環境的適應性，提高工作效率。
3.2.1 初始化構建
首先要在基站建立和維護節點角色表，按照RFID標識信息將節點角色分別定義為WSN節點、WSN-閱讀器或WSN-標簽。系統啟動后，所有節點先以WSN節點角色組網，并上傳自己的RFID標識信息。然后系統根據節點角色表向每個節點發送相應的角色配置命令，使節點切換為特定角色。
3.2.2 將WSN切換為RFID
當需要把某個區域的WSN切換為RFID時，向該區域的匯聚節點發送“WSN-閱讀器啟動”命令，此節點通過RFID應用層啟動RFID閱讀器功能，向其所有子節點廣播“WSN-標簽啟動”命令，使子節點啟動RFID標簽功能。最后刪除所有子節點，并禁止WSN接收入網，此時所有子節點離開WSN網絡并進行RFID快速識別。
3.2.3 將RFID切換為WSN
當需要把某個RFID系統切換為WSN時，向該RFID的閱讀器發送“WSN-閱讀器停止”命令，此節點關閉RFID閱讀器功能，并啟用WSN的接收入網功能，此時附近所有WSN-標簽將連為它的子節點。最后向子節點廣播發送“WSN-標簽停止”命令，關閉其RFID標簽功能。
3.2.4 自適應構建
當某個WSN節點負載過重，其子節點數量超過系統閾值設定時，將自動執行WSN切換RFID操作來減輕該節點的網絡負載；當某個WSN-閱讀器在連續時間內識別到某個WSN-標簽的次數高于系統閾值設定值時，將對此WSN-標簽發送“WSN-標簽停止”命令，并將其連為WSN-閱讀器的子點，以減輕WSN-閱讀器的負載并避免與其他標簽碰撞。
3.3 優缺點分析
首先，新型融合系統實現了RFID與WSN融合的基本目的，即遠程環境信息采集和對象識別管理。其次，對比優化前的四種融合模型，新型融合系統同時解決了它們的問題。最后，新型融合系統擴大了識別范圍、支持大量標簽的快速識別、提高了負載均衡性和魯棒性，很好的控制了成本。
但系統不支持被動式RFID標簽，因為系統使用的新型融合節點工作在WSN的物理層上，無法支持被動式RFID標簽的讀寫。因此系統的應用領域受到了一定限制。
4 結 語
本研究總結了四種典型的RFID與WSN融合模型，并針對這些模型存在的問題，提出了針對融合模型的優化，并基于優化模型設計了一套新型RFID-WSN融合系統。
本研究提出的融合系統由一種新型融合節點組成，該節點的架構設計基于WSN網絡模型與RFID協議的集成，在不增加硬件成本的情況下，通過軟件將WSN節點、RFID標簽和RFID閱讀器三種角色融于一體。通過設計動態構建機制來組織管理這些節點，融合系統實現了WSN與RFID的動態切換和自適應構建。
最后根據優缺點分析發現，本研究提出的新型融合模型及系統在主動式RFID的使用領域中具有更優的特性和更靈活的應用。
參考文獻
[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第頁）
（上接第頁）
論文關鍵詞：南京地鐵，可靠性，模塊化，修程優化
0 引言
目前，南京地鐵設備維修模式同國內大多同行類似，均依照大鐵路的維修經驗對設備進行定期的預防性維修和“事后維修”，定期預防修如三月檢、定修，維修作業內容復繁雜，特別是對地鐵關鍵設備，維修內容冗余程度較大，且存在著維修針對性不強，維修效益不高甚至造成破壞性維修，導致設備維護成本高、可靠性不足等情況。因此，有必要對南京地鐵關鍵設備維修規程進行優化研究。
1 可靠性維修優化理論
1.1 RCM分析法
以可靠性為中心的維修(RCM：ReliabilityCentered Maintenance.)是用于確定設備在其運行環境下維修需求的方法[1]，其核心思想是通過對設備進行功能與故障分析,明確設備各故障的后果，用規范化的邏輯決斷方法，確定各故障的預防性維修對策。在實施RCM維修優化分析時，基本流程可按照以下的七步作業法進行，如圖1所示。
圖1 實施RCM的七步作業法
1.2 修程模塊化
模塊化設計是近幾年比較流行的設計方法之一。模塊化大約是20 世紀中期發展起來的一種標準化形式，維修模塊化設計是處理復雜維修系統的一種直觀簡化方法[2]，以模塊為基礎，將各個維修內容所需要的維修工器具、備品備件材料、維修作業人力資源以及相關制度規范等包絡在各個修程模塊中模塊化，，形成較小的維修模塊以便于保證作業的靈活性和管理控制有效性，通過維修模塊的分工合作，實現高效保質維修操作。
在確定關鍵設備維修模塊時，可以設備維修部件為單元模塊進行劃分。考慮到不同維修模塊之間有著多種聯系和約束的，因此，需要通過數據收集與集中調研，確定相應的維修維修模塊信息，包括：模塊編號、作業內容、相應維修作業標準、模塊作業所需人員數量、人員應具備技能、必備工器具名稱及其數量、消耗維修備件名稱和數量、作業所需時間、特殊維修條件要求、作業流程順序要求、模塊維修風險程度及其維修周期要求等，如下表1、2所示。只有充分掌握各個模塊的基本信息，才能更好的為維修模塊優化奠定數據基礎。
表1 維修模塊基本信息
表2 維修模塊故障數據信息
2 基于可靠性的維修優化技術
結合以上所述的RCM可靠性分析方法及模塊化理論，設計基于可靠性的地鐵關鍵設備維修修程優化方法，具體實施步驟如下：
首先，對關鍵設備技術狀態進行分析，確定實際維修需求，指導維修修程的更新，這是維修模塊化設計的前提，模塊化首先要保證模塊所覆蓋的維修內容是全面的合理的，因此，需要借助科學的手段更新現有的維修修程。在本文中，依托上述的RCM可靠性分析法，對地鐵的關鍵設備進行分析，確定相應的實際維修需求更新原有維修內容。
其次，劃分維修模塊，模塊的劃分可以大到整個設備的維護保養，也可以小到螺帽電容等更換，模塊范圍定義得大了起不到模塊化應有的作用，而劃分得越細，維修管理的模塊也越多，管理起來也越繁瑣，因此，需要找到合理的模塊界定范圍，劃分出合理的維修模塊。
第三，調查收集模塊附屬信息，包括模塊名稱，模塊內容，相應維修作業標準，模塊作業所需人員數量，人員應具備技能模塊化，必備工器具名稱及其數量，消耗維修備件名稱和數量，作業所需時間，特殊維修條件要求，模塊維修風險程度，模塊維修方式及其維修周期要求等。對于不能明確的模塊，需要根據需要進行跟蹤調查。
第四，模塊化維修修程重組優化，在由可靠性分析確定各個維修模塊最佳維修周期基礎上，以追求模塊化維修效益最高、可靠性最大為目標，優化重組關鍵設備的維修模塊，包括維修模塊的組合以及維修時機等。
第五，積累各個維修模塊相關歷史故障數據，為閉環反饋和持續進行可靠性維修修程優化做好數據支持。
3 結論
通過RCM分析，剔除不增值的冗余維修環節，更新維修作業內容，不僅使設備維修更具有針對性，也保障設備可靠性，在RCM可靠性分析基礎上進行模塊化維修修程優化，使得在保障關鍵設備技術可靠的前提下實現維修管理與維修質量的最佳平衡，進一步提升設備維修價值。對實現維修可靠性、經濟性的維修大綱優化具有指導意義。
參考文獻：
[1]莫布雷.以可靠性為中心的維修[M].北京，機械工業出版社，1995：7-8.
[2]陸良，楊殿閣，顧錚珉等.采用模塊化思想的汽車電器智能化設計方法[J]. 西安交通大學學報,2010, 44(5):111-115.
關鍵詞：模擬集成電路；基于方程的優化方法；基于仿真的優化方法；誤差增量模型
中圖分類號：TP393 文獻標識碼：A 文章編號：2095-1302（2017）05-0-02
0 引 言
模擬集成電路設計通常分為三個步驟[1-3]：首先根據電路性能要求選擇合適的電路拓撲結構，然后設計電路參數，最后設計版圖并驗證。而最為重要的是前兩步。在選好一個電路拓撲結構后，如何完成電路的參數設計，即根據預期的電路性能參數來確定電路中器件尺寸、電阻、電容等參數的取值非常重要。傳統的設計方法首先根據電路設計指標列出方程，從方程中計算尺寸并進行仿真。如果所得結果不符合要求，則需更改方程得到新的器件尺寸繼續調試，不斷重復直至符合電路要求。這一過程繁瑣、冗長且難以保證結果，是模擬電路設計效率難以提高的主要原因。
目前，電路領域提高電路設計效率的方法主要是基于優化的方法。基于優化的方法是將電路性能指標作為優化的目標函數，利用函數優化的方法來完成電路設計。一般優化設計方法有兩種，即基于方程的優化和基于仿真的優化。基于方程的優化中目標函數由解析公式計算而得，雖然優化速度快但精度低。基于仿真的優化中目標函數通過電路仿真獲得，雖然精度高，但計算量大，優化速度慢。
如何獲得精度與基于仿真方法相當的準確解，又使計算量不致過大，是近年來電路優化研究領域備受關注的課題。人們雖采用多種方法嘗試，但最常見的是先構造電路性能指標的宏模型，再進行優化。宏模型的計算相當于一個解析式的計算，因此可較快完成，只要宏模型構造得當，精度可達到與仿真接近的程度。需要研究的主要問題是宏模型的形式，如簡單多項式、統計回歸、神經網絡與模糊邏輯、SVM等，及宏模型的構造算法。
本文采取的方法是一種基于方程與誤差增量模型的混合優化方法，可大幅減少仿真器的調用次數，降低計算成本，同時又具備與基于仿真方法幾乎相同的精度。方法的主要思想是以基于方程的優化結果作為出發點，通過構造電路性能準確值與解析近似之間的差值增量模型，求解一系列誤差不斷減小的近似優化問題，通過迭代逐步獲得問題的準確解；每一次迭代在上一次優化解附近構造新的差值增量模型再調用優化算法，相當于采用基于方程的方法求解，因此速度很快；電路仿真只在構建誤差增量模型時需要，而一次迭代解附近的誤差增量模型一般用二次多項式近似即可，因此所需仿真次數不多。整體上可達到既減少仿真次數，又不影響精度的目的。我們稱這種方法為基于誤差增量模型的優化方法。
1 基于誤差增量模型的優化
電路性能指標的解析表達雖然存在誤差，但大致反映了性能隨設計變量的變化情況。將其準確值表達為：
f（x）=fa（x）+fd（x） （1）
其中，fa（x）是性能的近似解析表達，fd（x）=f（x）-fa（x）是誤差增量。基于這一表達，本文提出的基于方程與基于仿真的混合優化方法如下：
（1）用基于方程的方法進行一次初始優化，即求解：
（2）
獲得一個近似最優解x0作為初始點；
（2）在點xk附近構造電路性能準確值與解析近似之間的誤差增量模型，包括目標函數：
（3）
與約束函數：
（4）
由于只需在一點附近的增量誤差近似，因此通常用二次插值即可構造這一模型[4]。
（3）求出如下題的最優解：
（5）
這一步的優化目標與約束函數均是解析計算，因此可以很快完成。
（4）重復步驟（2）、（3），直至該過程收斂。
這種混合優化方法的基本思想從基于方程的近似最優解出發，通過迭代逐步消除誤差，與一般非線性問題的迭代求解類似。該方法的特點在于充分利用了電路的性能解析表達式。解析表達雖有誤差，但包含了目標與約束函數的基本特性，反映了函數變化的總體趨勢，降低了每次迭代時誤差增量函數的復雜性，可用較簡單的函數形式近似，也有利于設計者更好地理解優化過程。該方法既改善了電路性能解析表達式精度不高的問題，又可大幅減少仿真器調用次數，提高優化效率。
2 兩級運放設計實例
以一個帶米勒補償的兩級運放為例，說明利用該方法進行優化設計的過程。電路采用TSMC 0.35 μm工藝，其中CL=3 pF，VDD=2.5 V，VSS=-2.5 V，電路要求的性能指標見表3所列，考慮到的性能指標有功耗（Power），單位增益（Av），單位增益帶寬（UGB），擺率（SR）以及相位裕度（PM）。CMOS兩級運算放大器電路如圖1所示。兩級運放性能指標見表1。
圖1 CMOS兩級運算放大器電路
表1 兩級運放性能指標
性能
指標 Av PM UGB Power SR Area
設計
要求 >70 dB >65° >10 MHz 10 V/μs
對該電路，性能的近似表達式為[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玫緶方行優化設計，采用Matlab工具箱中的約束優化工具fmincon，將功耗作為目標函數，表1中的其他性能指標作為約束條件，做基于方程的優化。為保證電路正常工作，需要對電路中的晶體管添加約束。對于NMOS管，有：
Vds≥Vgs-VT>0 （7）
對于PMOS管：
-Vds>VT-Vgs>0 （8）
除此之外晶體管需滿足工藝庫對器件尺寸的要求：
Wi≥1 μm， i=1，2，…，8
Wi≤195 μm， i=1，2，…，8
之后，利用誤差增量模型進行優化設計，并以一次基于仿真的優化設計作為比較。基于方程的優化設計見表2所列，方程和誤差增量模型的混合優化設計見表3所列，基于仿真的優化設計見表4所列。
表2 基于方程的優化設計
電路性能 參數 器件尺寸 參數（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 方程和誤差增量模型的混合優化設計
電路性能 參數 器件尺寸 參數（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 基于仿真的優化設計
電路性能 參數 器件尺寸 參數（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
可見，利用基于仿真和方程的混合優化方法可以得到和完全基于仿真方法相近的結果。且通過表5可以看出，混合優化方法減少了仿真器的調用次數，提高了優化效率。
表5 混合設計和基于仿真設計的F-count比較
混合優化設計方法 基于仿真優化設計方法
F-count 136 335
3 結 語
本文提出了一種基于方程和誤差增量模型的混合優化方法，即通過對性能誤差建立二階模型來建立新的性能方程。再采用Matlab的優化工具箱進行基于方程的優化。本文通過運算放大電路優化實例來驗證該方法的有效性，且相較于基于仿真的優化方法減少了調用Hspice的次數，節約了時間。
參考文獻
[1] B.Razavi. Design of analog CMOS integrated circuits[M]. McGraw-Hill Comp.， 2001.
[2]代揚.模擬集成電路自動化設計方法的研究[D].長沙：湖南大學，2004.
[3]陳曉.工作點驅動的模擬集成電路優化設計方法研究[D].杭州：杭州電子科技大學，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.
關鍵詞：輕量化；拓撲優化；尺寸優化；結構優化
中圖分類號：U462.3 文獻標志碼：A 文章編號：2095-2945（2017）19-0087-02
引言
隨著社會的快速發展，汽車保有量越來越多。汽車在帶來方便快捷的同時，其油耗排放等問題也越來越引起大家的重視。汽車車身質量約占汽車總重的40%，空載情況下油耗約占整車油耗的70%[1]。其輕量化的目標在于盡可能降低汽車的整備質量，從而提高汽車的動力性，減少燃料消耗和排放，并且提高操穩性以及碰撞安全性。本文通過總結車身輕量化優化方法，介紹不同的優化步驟，并對車身輕量化優化設計進行展望。
1 汽車車身輕量化研究背景
汽車自1886年誕生至今有一百多年的歷史，汽車車身的研究起步相對較晚，但是其作為汽車的重要組成部分，在整車結構中占據重要地位。研究表明，汽車車身質量每減輕1%，相應油耗降低0.7%[2]。
輕量化研究，是在滿足安全性、耐撞性、抗震性以及舒適性的前提下，盡可能降低車身質量，以實現減重、降耗、環保、安全的綜合目標[3]。輕量化的實現不僅滿足了汽車的基本性能要求，且緩解了能源危機和環境污染的壓力，也沒有提高汽車設計制造成本，故汽車車身輕量化的研究引起了越來越多的關注。
2 輕量化結構優化方法
目前，以汽車車身輕量化為目標的優化設計方法主要包括拓撲優化、尺寸優化和結構優化。優化設計通常由目標函數、設計變量、約束條件三個因素組成。拓撲優化是在整體優化之前，設計空間確定后對材料布置格局進行優化，但是拓撲優化是從宏觀出發，在某些細節方面可能并沒有達到最優，因此在拓撲優化之后需要進行尺寸和形狀優化。
2.1 拓撲優化
拓撲優化是在給定的空間范圍內，通過不停地迭代，重新規劃材料的分布和連接方式；是在工程師經驗的基礎上，明確目標區域和目標函數，確定變量以及約束條件，使車身結構最終既滿足性能要求又減輕了質量[4]。拓撲優化通常將有限元分析和數學算法結合起來。
2.1.1 拓撲優化的數學模型
拓撲優化通常以車身質量為目標函數，結構參數和材料厚度為變量，模態和剛度為約束條件。其數學模型為：
minf（X）=f（x1，x2…xn）；
s.t.g（X）>0；
ai
其中，x1，x2…xn為設計變量。
2.1.2 拓撲優化的基本步E和實例
在進行拓撲優化之前首先需要確定設計區域，設計變量和約束條件。然后通常進行有限元模態分析和靈敏度分析，使靈敏度小的部分不參與優化。在此基礎上利用軟件進行計算，因為在每次的計算中都有參數的改變，所以需要經過較多次的迭代，最終使其分布最優。在軟件進行拓撲優化的過程中，用戶對于每一次的迭代均可以實時監控。
目前拓撲優化中用到的數學優化算法包括優化準則法、移動漸近線法、數學規劃法、遺傳算法、進化算法等。使用較多的是優化準則法和移動漸近線法，優化準則法適于求解少約束問題，后者偏重于多約束問題[5][6]。
周定陸等[7]建立參數化模型，不僅將下車體質量減少了23kg，而且模態和剛度在原有的性能上略有上升。王登峰等[8]基于拓撲優化使大客車車身骨架質量減少約11%，且剛度強度等性能滿足設計要求。
2.2 尺寸優化
尺寸優化是在結構參數、材料分布確定的前提下，對各桁架結構尋找梁最合適的橫截面積、幾何尺寸，使得車身質量最小且滿足剛度等要求的優化方法。相對來說，尺寸優化建立數學模型較容易，計算簡單，在實際工程中可以較快取得最優
解[9]。也可以說，尺寸優化是拓撲優化的進一步完善和發展。
2.2.1 尺寸優化的數學模型
尺寸優化以車身質量最小為目標，幾何尺寸為設計變量，剛度以及各變量尺寸限制作為約束條件。
2.2.2 尺寸優化的基本步驟和實例
利用有限元分析劃分單元，再進行靈敏度分析，排除不參與優化的單元。為了減少計算量，通常采用近似模型，然后對近似模型進行求解。劉開勇[10]利用超拉丁實驗設計方法，采集車身的剛度和模態數據，在此基礎上建立一階響應面模型。潘鋒[11]通過建立組合近似模型，減少優化過程的計算量，提高效率。
常用的近似模型有響應面模型、人工神經網絡、徑向基函數模型、kriging和支持向量回歸模型等[10][12]。通過對一階近似模型進行分析，計算不同的權系數并進行加權疊加構成的組合模型在滿足模態和剛度要求的前提下，又兼顧了汽車碰撞安全性、NVH和疲勞等性能影響，且精度更高，因此組合近似模型在多目標多學科優化方面更勝一籌。
張偉[13]等采用遺傳算法，結合拓撲優化和車身尺寸優化，不僅將質量降低35%，而且使剛度提高了80%以上。康元春等[14]采用DOE及極差分析和方差分析，確定車身骨架梁截面最優尺寸方案，使車身骨架質量減輕了123.5kg。
2.3 形狀優化
形狀優化是優化結構的幾何形狀，通常包括桁架結構梁節點位置的優化；結構內部孔的形狀、尺寸的優化以及連續體邊界尺寸的優化[15]。早期，與尺寸優化相比，形狀優化模型建立比較困難，建立的模型質量通常比較差，影響后期模型的優化求解，尺寸優化的發展受到了限制。后來，網格變形技術的發展簡化了形狀優化模型的建立[16]。形狀優化的過程與尺寸優化相似，通常也需要建立近似模型。
3 結束語
（1）拓撲優化計算量大，應用受到一定限制。尺寸、形狀優化在多數軟件中都有專門的模塊，應用較多。為了解決計算困難問題，優化算法有待突破，算法的突破也是車身結構優化進一步發展的重要前提。
（2）有限元分析方法在車身結構優化中起重要作用，建模、分析軟件在車身結構優化方面應用越來越多。
（3）本文所提優化方法沒有充分考慮安全性、操穩性、NVH等因素，多學科多目標優化方法是目前車身結構優化的熱點。
參考文獻：
[1]黃磊.以輕量化為目標的汽車車身優化設計[D].武漢理工大學，2013.
[2]遲漢之.世界汽車輕量化及輕質材料應用趨勢[J].輕型汽車技術，2001（4）：54-56.
[3]韓寧，喬廣明.汽車車身材料的輕量化[J].林業機械與木工設備，2010，38（1）：50-52.
[4]崔建磊，曹學濤.拓撲優化技術在汽車設計中的應用[J].山東工業技術，2016（6）：254.
[5]周克民，李俊峰，李霞.結構拓撲優化研究方法綜述[J].力學進展，2005，35（1）：69-76.
[6]葛文杰，黃杰，楊方.拓撲優化技術及其在汽車設計中的應用[J].機床與液壓，2007，35（8）：11-14.
[7]周定陸，高巖，蔡華國.基于車身結構拓撲優化的車身輕量化研究[C]//2010中國汽車工程學會年會論文集，2010.
[8]王登峰，毛愛華，牛妍妍，等.基于拓撲優化的純電動大客車車身骨架輕量化多目標優化設計[J].中國公路學報，2017，30（2）.
[9]王贏利.新能源汽車白車身結構拓撲及尺寸優化設計[D].大連理工大學，2012.
[10]劉開勇.基于響應面模型的白車身輕量化優化方法[D].湖南大學，2016.
[11]潘鋒.組合近似模型方法研究及其在轎車車身輕量化設計的應用[D].上海交通大學，2011.
[12]韓鼎，鄭建榮.工程優化設計中的近似模型技術[J].華東理工大學學報：自然科學版，2012，38（6）：762-768.
[13]張偉，侯文彬，.基于拓撲優化的電動汽車白車身優化設計[J].湖南大學學報（自科版），2014（10）：42-48.
[14]康元春，李@，高永正.基于DOE方法的客車車身骨架尺寸優化[J].重慶交通大學學報（自然科學版），2014，33（4）：160-163.
中圖分類號：TH49文獻標識碼： A 文章編號：
引言
1優化設計基本原理
優化設計是近年來發展起來的一門新的學科，它在解決復雜問題時，能定量地從眾多的設計方案中找到盡可能完美的或最適宜的設計方案，故在工程實際中的應用越來越廣泛。優化設計是數學規劃和計算機技術相結合的產物，是一種將設計變量表示為產品性能指標、結構指標或運動參數指標的函數，稱為目標函數；然后在產品規定的性態、幾何和運動等其它條件的限制范圍內，稱為約束條件；尋找一個或多個目標函數最大或最小的設計變量組合的數學方法。進行優化設計時，首先要把實際設計問題轉化為優化設計的數學模型。在明確設計變量、約束條件、目標函數之后，優化設計問題數學模型的一般形式為：
求設計變量x＝［x1x2…xn］T使目標函數f（x）的值最小minf（x）且滿足約束條件gj（x）≤0，j＝1，2，…，mhk（x）≤0，k＝1，2，…，phl（x）＝0，l＝1，2，…，q式中：n－設計變量的個數；m－性能約束條件的個數；p－幾何約束條件的個數；q－設計變量之間的約束條件個數。
2有限元法進行優化設計的基本過程
利用大型通用有限元分析軟件ANSYS進行優化設計，可按照以下4個步驟進行：（1）建立參數化的有限元分析文件有限元分析文件的建立在整個優化設計中具有重要的意義，分析文件建立的正確與否會影響最終的優化設計結果。該文件的建立可采用兩種方法：一種是直接編輯法，另一種是基于ANSYS的交互式方法。建立參數化的有限元分析文件包括以下內容：單元類型的選擇、實常數的輸入、材料特性參數的選擇、實體模型的建立、對實體模型的網格劃分即有限元模型的建立、分析類型的選擇、約束條件及載荷的確定、求解以及對分析結果中相關數據的提取。（2）根據求解問題，在ANSYS數據庫中建立與分析文件中的變量相對應的設計參數。（3）執行優化計算執行優化設計計算時，首先進入ANSYS優化設計的模塊，指定已經建立的分析文件；然后聲明優化設計變量及其取值范圍、狀態變量及其取值范圍，并選擇目標函數，即確定有限元優化設計的數學模型；接著選擇優化設計工具或優化設計方法、指定優化循環的控制方式；最后進行優化求解。（4）查看、選取并檢驗優化設計結果通過有限元優化設計會得到一系列可行的和不可行的設計方案，設計者需要從這些方案中選出最好的設計方案，同時檢驗優化設計結果的合理性。
3壓力容器的有限元優化設計
3.1問題描述
圖1所示為一用20#鋼制造的壓力容器，根據工廠生產的要求，該壓力容器的最大內壓為pmax＝15MPa，選用鋼板的厚度為h＝3mm，壓力容器的幾何尺寸R和H滿足下列關系：H－R≥30mm，材料的屈服極限為245MPa，彈性模量E＝206GPa，泊松比μ＝0.3。要求：在鋼板厚度不變的情況下，確定壓力容器具有最大體積時所對應的幾何尺寸R和H的大小。
圖1壓力容器結構圖
3.2壓力容器優化設計數學模型的建立
根據上述問題描述，選取幾何尺寸R和H作為設計變量，以壓力容器的最大體積作為目標函數。結合壓力容器結構特點，可得目標函數的表達式如下：Vmax＝43πR3＋2πR2（H －R）該壓力容器結構及載荷滿足對稱性要求，為提高后續有限元優化設計計算的效率，取壓力容器的四分之一進行有限元優化設計。同時，利用ANSYS軟件進行有限元優化設計時，一般是求解目標函數的最小值，與上述目標函數求解壓力容器的最大體積不相符，需要把求解目標函數的最大值轉化為求解目標函數的最小值。根據優化設計理論，有兩種轉化方式：一種是對原目標函數取倒數，另一種是對原目標函數取負值。文中對原目標函數取負值，把求解目標函數的最大值轉化為求解目標函數的最小值。得到壓力容器優化設計目標函數的表達式為：
設定設計變量的取值范圍，考慮性能約束條件及給定條件，最終建立的壓力容器優化設計的數學模型如下：
3.3壓力容器有限元模型的建立及其分析
首先，考慮到后續進行優化設計時設計變量隨優化結果的變化而處于動態變化中，對壓力容器半徑R、容器高度相關尺寸H、容器的體積V在ANSYS軟件中建立參數，初步取
R＝30，H＝80。其次，針對壓力容器的薄壁結構及結構和受力具有軸對稱 的特點，按殼體結 構建立 參數化 的實體模型。第三，在ANSYS軟件中先建立1／4圓柱面，再建立1／8球面，兩者經布爾運算得到壓力容器的1／8。
3．4壓力容器的有限元優化設計
根據上述有限元模型建立、分析、求解及有限元應力分析結果的提取過程，建立壓力容器有限元優化設計的分析文件，并指定分析文件。依據R和H的初始數值，初步選擇設計變量R
和H的取值范圍，且先設置參數R的取值范圍，然后再設置參數H的取值范圍。設置狀態變量即最大應力的取值范圍，選擇體積V為目標函數，取一階優化設計方法，設定循環控制方式，對其進行優化分析分析第一次優化設計的結果發現，設計變量R和H的取值范圍比較接近上限值，且最大應力比許用應力小，為使壓力容器的體積最大，還需進一步優化。
結合工程實際需要，對優化后壓力容器的結構尺寸進行圓整，可取R＝55mm，H＝100mm，此時壓力容器的最大體積為Vmax＝15.5144×105mm3。從有限元優化設計的結果，可獲知整個優化設計的過程中設計變量、目標函數隨迭代序列的變化，剛開始迭代計算時，設計變量變化范圍較大，對應的目標函數值也有較大變化，隨著迭代次數的增加，設計變量的變化趨于平穩，目標函數也隨之趨于平穩，迭代進行到第29次，得到壓力容器體積的最小值，即優化設計問題的最優解。
通過對壓力容器的有限元分析及優化設計可得如下結論：（1）在設計變量的取值范圍不易確定的情況下，可根據初步的優化設計結果進行估算，然后逐步縮小設計變量的取值范圍，進行多次優化計算，可進一步提高優化設計的精度，使設計方案更符合實際的需要。（2）優化設計變量的初始值選擇不同，會影響設計變量、目標函數隨迭代序列的變化曲線，但不影響最終的優化設計結果。（3）由最終設計序列中設計變量的變化關系，可發現在優化設計中壓力容器半徑R的變化對體積的變化明顯，與目標函數表達式中的關系相一致。（4）在有限元優化設計中，設計變量、約束條件容差選擇不同，對最終的設計結果有一定的影響。（5）各設計變量、目標函數隨迭代次數的增加均向最優解逼近，說明了有限元分析法在優化設計中的應用價值。
4結論
針對傳統設計中壓力容器的材料浪費問題，提出基于有限元分析的壓力容器的優化設計方法。該方法首先利用有限元法對壓力容器進行分析并提取分析結果中的相關參數，然后利用優化設計方法進行定量計算，最終得到既滿足性能指標又滿足設計指標的設計參數。實際結果表明，基于有限元分析的優化設計方法，在工程實際應用中可有效發揮作用。
參考文獻：
1． 引言
電子設計自動化（EDA）是以電子系統設計軟件為工具，借助于計算機來完成數據處理、模擬評價、設計驗證等工序，以實現電子系統或電子產品的整個或大部分設計過程的技術。它具有設計周期短、設計費用低、設計質量高、數據處理能力強，設計資源可以共享等特點。電路通用分析軟件OrCAD/PSpice9以其良好的人機交互性能，完善的電路模擬、仿真、設計等功能，已成為微機級EDA的標準系列軟件之一。本文基于OrCAD/PSpice9的電路優化設計方法，通過實例分析了有源濾波器的優化設計過程。
2． OrCAD/PSpice9軟件的特點
OrCAD/PSpice9是美國OrCAD INC.公司研制的一種電路模擬及仿真的自動化設計軟件，它不僅可以對模擬電路、數字電路、數/模混合電路等進行直流、交流、瞬態等基本電路特性的分析，而且可以進行蒙托卡諾（Monte Carlo）統計分析，最壞情況（Worst Case）分析、優化設計等復雜的電路特性分析。相比PSpice8.0及以前版本，具有如下新的特點：
· 改變了批處理運行模式。可以在WINDOWS環境下，以人機交互方式運行。繪制好電路圖，即可直接進行電路模擬，無需用戶編制繁雜的輸入文件。在模擬過程中，可以隨時分析模擬結果，從電路圖上修改設計。
· 以OrCAD/Capture作為前端模塊。除可以利用Capture的電路圖輸入這一基本功能外，還可實現OrCAD中設計項目統一管理，具有新的元器件屬性編輯工具和其他多種高效省時的功能。
· 將電路模擬結果和波形顯示分析兩大模塊集成在一起。Probe只是作為其中的一個窗口，這樣可以啟動多個電路模擬過程，隨時修改電路特性分析的參數設置，并可在重新進行模擬后繼續顯示、分析新的模擬結果。
· 引入了模擬類型分組的概念。每個模擬類型分組均有各自的名稱，分析結果數據單獨存放在一個文件中，同一個電路可建立多個模擬類型分組，不同分組也可以針對同一種特性分析類型，只是分析參數不同。
· 擴展了模型參數生成軟件的功能。模型參數生成軟件ModelED可以統一處理以文本和修改規范兩種形式提取模型參數；新增了達林頓器件的模型參數提取；完成模型參數提取后，自動在圖形符號庫中增添該器件符號。
· 增加了亞微米MOS器件模型EKV2-6。EKV2-6是一種基于器件物理特性的模型，適用于采用亞微米工藝技術的低壓、小電流模擬電路和數/模混合電路的模擬分析。
3． 電路優化設計
所謂電路優化設計，是指在電路的性能已經基本滿足設計功能和指標的基礎上，為了使得電路的某些性能更為理想，在一定的約束條件下，對電路的某些參數進行調整，直到電路的性能達到要求為止。OrCAD/PSpice9軟件中采用PSpice Optimizer模塊對電路進行優化設計，可以同時調整電路中8個元器件的參數，以滿足最多8個目標參數和約束條件的要求。可以根據給定的模型和一組晶體管特性數據，優化提取晶體管模型參數。
3.1 電路優化基本條件
調用PSpice Optimizer模塊對電路進行優化設計的基本條件如下：
· 電路已經通過了PSpice的模擬，相當于電路除了某些性能不夠理想外，已經具備了所要求的基本功能，沒有其他大的問題。
· 電路中至少有一個元器件為可變的值，并且其值的變化與優化設計的目標性能有關。在優化時，一定要將約束條件（如功耗）和目標參數（如延遲時間）用節點電壓和支路電流信號表示。
· 存在一定的算法，使得優化設計的性能能夠成為以電路中的某些參數為變量的函數，這樣PSpice才能夠通過對參數變化進行分析來達到衡量性能好壞的目的。
3.2 電路優化設計步驟
調用PSpice Optimizer進行電路優化設計，一般按以下4個步驟：
(1) 新建設計項目，完成電路原理圖設計。這一歩的關鍵是在電路中放置OPTPARAM符號，用于設置電路優化設計過程中需要調整的元器件名稱及有關參數值；
(2) 根據待優化的特性參數類別調用PSpice A/D進行電路模擬檢驗，確保電路設計能正常工作，基本滿足功能和特性要求；
(3) 調用PSpice Optimizer模塊，設置可調整的電路元器件參數、待優化的目標參數和約束條件等與優化有關的參數。這一歩是優化設計的關鍵。優化參數設置是否合適將決定能否取得滿意的優化結果；
(4) 啟動優化迭代過程，輸出優化結果。
電路優化設計的過程框圖如圖1所示。
3.3 電路優化設計實例
濾波器電路如圖2所示。優化目標要求中心頻率（Fc）為10Hz；3dB帶寬(BW)為1Hz，容差為10%；增益（G）為10，容差為10%。
在圖2中，濾波器電路共有三個可調電位器R
gain、Rfc和Rbw，用來調整中心頻率、帶寬以及增益，且這種調整是相互影響的。三個可變電阻的阻值是由滑動觸點的位置SET確定的，顯然SET值的范圍為0～1，所以將三個電位器的位置參數分別設置為aG、aBW和aFc。
由于對濾波器的優化設計是交流小信號分析，因此應將分析類型“Analysis type”設置為“AC Sweep/Noise”；掃描類型“AC Sweep Type”設置為“Logarithmic”;“Points/Decade”設置為100；起始頻率“Start”和終止頻率“End”分別設置為1Hz和100Hz。
為了進行優化設計，在電路圖繪制好后，應放置OPTPARAM符號并設置待優化的元器件參數。本例中參數屬性設置值如表1所示。
設置好待調整的元器件參數以后，調用PSpice Optimizer模塊并在優化窗口中設置增益（G）、中心頻率（Fc）和帶寬(BW)三個優化指標。并利用PSpice中提供的特征值函數定義這三個優化指標，具體設置見表2。
調用PSpice A/D進行模擬計算，在相應窗口中顯示中心頻率的值為8.3222，帶寬為0.712187，增益為14.8106。顯然這與要求的設計指標有差距，需要通過優化設計達到目標。
在優化窗口中選擇執行Tune/Auto/Start子命令，即可開始優化過程。優化結束后，優化窗口中給出最終優化結果，如圖3所示。
由圖3可見，系統共進行了三次迭代，自動調用了9次電路模擬程序。當3個待調整的元器件參數分別取aG=0.476062；aFc=0.457928；aBW=0.702911時，可以使3個設計指標達到G=10.3499，Fc=9.98953，BW=1.00777。
可見，對電路進行優化設計后，電路指標均能滿足設計要求。另外，完成優化設計后，還可以從不同角度顯示和分析優化結果。
4. 結束語
關鍵詞：機械優化設計 智能CAD 優化模型
中圖分類號：TH122 文獻標識碼：A 文章編號：1672-3791（2012）12（c）-0013-01
在機械優化設計中需要對參數模型進行求解和優化，特別是在大型的復雜的設計項目中，需要重復建模、重復優化模型。除了遺傳算法等數學方法使用外，CAD技術應用對復雜的機械設計優化問題取得了較好的效果并產生了很好的經濟效果。
1 機械優化設計中的CAD技術
單體機械機構的優化對象主要是零件的結構優化，涉及的學科少、優化的功能單一，優化的過程只限于結構設計和機構構成之間的關系。對于復雜的機械設計，優化的對象對體現整體優化思維，即整體優化大于局部優化。在這個過程中就需要采用合理的手段和方法優化的范圍綜合起來。計算機輔助手段日臻完善，在優化設計中把原理方案、功能，結構方案、總體參數以及結構性狀的全部設計包含在內，真正的做到全局優化。
復雜的結構設計計算復雜、方法多變，涉及多學科多目標，而優化更要在這些方法找到更有效的方案更為困難。因此單一的方法來解決整體的優化問題肯定不行，但是采用CAD進行整體的優化和分解協調優化，通過模型建立，減少計算縮短優化時間。在結構優化中器件多，耦合度高，利用CAD技術可以在結構優化中應用網狀分解的方法，將其分解，這種分解方法除了提高CAD利用效率之外還可以解決優化過程中的交叉學科問題，例如利用CAD機械設計的協同優化。在整體優化中目前的CAD技術還沒有形成普遍使用的分解方法，因此分解的正確性并不是可以控制的，這成為CAD的在機械優化設計中應用的瓶頸。但是優化設計分層優化取得比較好的效果，由此建立起來的CAD優化發展。
2 CAD機械優化設計建模應用
機械產品設計優化技術就是設計者借助CAD技術將設計形體可視化、模擬化、可修改、可分析優化，進一步通過計算機輔助優化實體模型。產品的優化可以在CAD中進行三維幾何重現，優化設計通過三維虛擬優化，采用幾何模型描述對象的位置、結構、大小和性狀，并尋求最高效的組合途徑，通過優化的賦值可以將對象的顏色、紋理等信息進行詳細描述，優化產品的原型，在這個過程中CAD的建模優化是最常見的優化方法。
2.1 參數建模優化
這種優化是通過工程關系以及幾何方法在CAD中給予產品的性狀特征，從而可以在產品功能上和設計方法上尋求類似的模型，通過模型的優化達到設計優化。在CAD中建立產品與參數之間的關系，而參數作為變量形成變量集合。在優化過程中通過參數的變化影響設計對象的變化，參數優化模型采用修改和定義的幾何建模。參數建模優化包含工程優化、拓補結構優化、尺寸優化等，這些都是CAD參數建模優化中需要考慮的因素。
2.2 特征建模優化
這種優化是在CAD環境下從整個設計的各個階段來優化設計，可表述為集成優化。進行集成優化需要在CAD條件下建立系統的、完整的、全面的描述需要優化的信息，使得各種特征能夠從設計中顯現優化的策略。特征建模優化可以明確的表示優化邏輯關系、互動關系以及關聯特征方面進行表述和描述。特征建模優化能夠在CAD環境中建立高層次的產品功能要素，對優化的信息進行聯動管理，體現設計優化中，對形狀、結構等復雜產品優化建模是思想，將產品的多特征進行特征分解，根據分解的特征相互建立優化途徑，通過特征之間的運算達到優化整個設計的目的。
3 具備知識庫智能CAD在機械優化設計中的發展
優化設計是一個高度智慧的創新的活動。CAD技術系統引入知識庫，產生智能的計算機輔助設計系統，這成為ACD機械優化設計的發展方向之一。知識庫智能CAD能夠在信息優化、知識優化的基礎上建立基于優化思維的知識庫。它能夠及時對優化設計的方向進行評估，利用知識庫的評價機制，實現信息的交換和共享，解決優化設計中對信息和知識和需求。機械設計問題是模糊的，而優化的方式和途徑也多樣，對復雜產品進行優化，建立知識庫信息獲取、組織和表達。因此具備知識庫智能CAD快速發展，為CAD在機械優化設計領域提供了新的途徑。在機械優化設計中，設計不僅具有創意，而且優化應具備整體性和科學性。優化設計可以根據優化的途徑分為優化搜索和優化創新。優化搜索可以根據各種方案選擇一種最好的組合達到優化目的。在知識庫智能CAD中具備的專家系統，采用參數匹配、信息匹配、結構匹配的方法將優化的產品進行搜索，選擇最優的設計方案，遍歷知識庫中相似結構的模型。如果知識庫建立的足夠大，足夠科學則搜索優化的優化度更高；優化創新是直接通過知識庫得到最佳的優化結果。這種優化方法可以通過CAD的知識庫，將設計的參數、模型、結構導入直接產生優化結果。但是不論是那種優化方法都要依據設計的原始信息，根據實際情況綜合分析智能CAD優化結果，得出優化設計的方案。
4 神經網絡智能CAD在機械優化設計中的發展
在優化設計中如果將優化的任務進行分解，形成各階段優化的方案過多，而后面的的優化組成數量也迅速增加，這樣就容易形成優化組合爆炸。在優化設計中面臨如此大的優化結構時，往往需要更高層次的歸納和綜合，對綜合的信息進行少量分析即可找到優化的決策。一般CAD的優化只能在參數、簡單結構等方面進行優化，而在如此復雜的框架優化、整體優化中顯然不能滿足優化要求。因此具備神經網絡的智能CAD能夠將設計的信息通過人工網絡結構進行優化決策方式進行模擬。將優化的各層次和任務進行網絡串聯，共同完成階段的優化工作。
5 結論
計算機輔助設計是機械優化設計的必要的工具。在知識庫研究、神經網絡研究、以及模糊控制研究方面已經取得了很多經驗并發揮了巨大的經濟效益。在優化設計中需要借助CAD這個途徑將這些研究的思維移植并實現將大大提高CAD機械優化設計的效率，產生很大的經濟效益。
參考文獻
關鍵詞：機械設計；ANSYS軟件；結構優化設計；機械設備結構設計；建筑工程設計
1概述
優化設計指的是在設計過程中尋找最完善的設計方案，從而滿足所有的設計要求。現如今，科學技術發展迅速，有限元分析技術也日漸完善，并逐漸被應用于機械產品的結構優化設計過程中，不僅能夠為機械結構優化設計提供便利，而且能夠有效提高數據的準確性，應用優勢十分明顯，因此對有限元分析軟件及其應用方式進行詳細探究具有十分重要的現實意義。
2ANSYS有限元分析軟件概述
ANSYS有限元分析軟件是由多個模塊所組成的，包括分析計算模塊、前后處理模塊等，現如今已經被廣泛應用于大型機械結構設計過程中。在ANSYS有限元分析軟件的前處理模塊中，有Pro/E、UG等建模工具，在對機械結構進行設計過程中，可以結合實際情況選用具體的制圖軟件對機械構件進行建模設計。在對計算模塊進行分析過程中，可以模擬出不同種類的物理介質的相互作用，因此分析靈敏度比較高，而且分析能力比較高。另外，通過應用ANSYS有限元分析軟件的后處理模塊，可以彩色等值線、圖表以及圖像等形式顯示出計算結果。在對機械構件模型進行有限元模型分析過程中，需要不斷進行修改和優化設計分析，但是通過應用ANSYS有限元分析軟件，只需要根據設計參數語言，對機械構件的參數進行調整，就可以完善機械構件的設計和分析過程，在最大程度上縮短機械構件優化設計所需時間，減少設計人員的工作量。
3ANSYS結構優化設計
3.1建立結構優化設計模型
在機械設計優化過程中，最為關鍵的是建立數學模型，而在建立數學模型時需要結合實際情況選用合適的設計變量，在一定的約束條件下，通過目標函數計算獲得設計最優的設計變量。與傳統的機械優化設計不同，在ANSIS有限元分析軟件的實際應用中，只需要設定一定的參數，就可以表示出數學模型的構建要素，包括目標函數、約束條件以及設計變量。
3.2ANSIS優化設計分析方法
在ANSIS有限元分析軟件的實際應用中，由于不同用戶對于ANSIS有限元軟件的掌握程度是不同的，對此ANSIS可以提供批處理和圖形交互兩種分析方法。其中批處理主要適用于能夠熟練掌握ANSIS分析軟件各項命令的專業技術人員，在復雜程度比較高的機械設計過程中可以采用批處理方式，這樣能夠有效提高有限元分析效率。另外，對于ANSIS有限元分析軟件的一般用戶，可以采用圖形交互方式，操作更加直觀便捷。還需要注意的是，ANSIS有限元分析軟件可以為軟件用戶提供很多種優化設計辦法和優化設計工具，ANSIS用戶在對不同的問題進行優化設計時，可以有針對性地選用相應的優化設計工具或者辦法，從而簡化分析過程，提供優化設計結果的精準性。
4ANSYS結構優化設計實例
4.1問題描述
某機械設備是由5節箱型同步伸縮臂所構成的，所有的伸縮臂展開后，整個機械設備的長度約為27.0m，通過ANSYS結構優化設計，能夠有效滿足機械設備的強度要求和剛度要求，這樣不僅能夠有效降低機械設備自重，而且還能夠有效降低設備造價。4.2有限元分析4.2.1建立模型。以機械設備的初始結構、尺寸以及工況要求，采用ANSYS有限元分析軟件，從底部至上建模，在建模過程中，首先確定關鍵點，然后依次建立線、面、體，最終形成實體模型。在網格劃分方面，可以綜合應用自由網格劃分以及人工設置網格尺寸的方式完成。4.2.2約束及載荷處理。在該機械設備設計過程中，其約束點主要位于變幅油缸支座的鉸接位置以及基本臂根鉸點位置，在各個約束點上需要約束三個方向的平動自由度以及兩個轉動自由度，并且注意釋放銷軸中心位置的互轉自由度，對于該設備伸縮臂與滑塊之間的接觸點位置，可以采用節點自由度耦合進行模擬。在ANSYS有限元分析軟件的處理模塊中，輸入機械設備制造所需材料的密度以及重力加速度，程序即可將單元載荷因子數據直接計入總載荷中并進行自重計算。另外，對于該機械設備伸縮臂上的所有附屬裝置，都可以將其質量作為集中荷載，并使其作用于相應的位置。4.2.3有限元分析結果。通過對這一機械設備進行ANSYS有限元分析，當該設備在水平位置全部展開時，其應力以及端部的位移量能夠達到最大值，而各個節臂位置的大部分區域的應力則比較小，最大應力主要分布于各個節臂以及滑塊的接觸位置，根據ANSYS有限元軟件分析計算，應力值在132～277MPa之間，局部最大應力達到385MPa。另外，在臂端變幅平面中，最大變形量為0.55m。
4.3優化設計數學模型的建立
4.3.1設計變量。在該機械設備的ANSYS優化設計過程中，由于其各個節臂的長度是在優化設計前根據作業范圍來確定的，因此在優化設計過程中不可以改變。另外，基本臂與各個伸縮臂的截面尺寸可以根據幾何關系逐步調整，對此，可以將基本臂的壁厚Ti、寬度B以及高度H作為本次優化設計變量，其中對于Ti可以根據連續變量進行考慮。4.3.2目標函數。在本次優化設計過程中，最為主要的目標在于保障設備正常使用功能的基礎上盡量減小設備體積和自重，材料體積越大，則設備質量越大，因此可以將各節臂總體積WVOLU作為本次優化設計的目標函數。4.3.3狀態變量。在本次優化設計過程中，狀態變量有兩種，分別為部件作業工況下的應力值STRESS以及前端變幅平面的位移量DY。在本次優化設計過程中，為了保證設計剛度和強度能夠滿足實際需要，應該加強應力和位移的控制。4.3.4約束條件。（1）剛度約束條件：為了保證設備的剛度能夠滿足實際需要，可以將變幅平面最大變形量作為約束條件。在ANSYS優化設計過程中，為了簡化模型的計算時間，提高建模進度和經濟性，不需要考慮風載荷的影響。但是，在ANSYS優化設計完成后，還是需要加載風載荷，對探測臂進行校核，確保其能夠滿足剛度需要；（2）強度約束條件：通過ANSYS有限元分析，綜合考慮設備材料的力學性能，在本工程中，將應力值STRESS控制在375MPa以內；（3）尺寸約束條件：綜合考慮初始結構尺寸與各個節臂尺寸之間的關系，以及伸縮臂內部油缸的外形尺寸的限制條件，指定高度H、寬度B以及基本臂壁厚Ti的最值，根據本次研究分析，高度H在0.19～0.44m之間，寬度B在0.19～0.31m之間，基本臂壁厚Ti在0.002～0.006m之間，其中i＝1，2，3，4，5。
4.4優化過程及結果分析
4.4.1部件各節臂厚度的優化。在對各個節臂厚度進行優化設計時，需要對鋼板厚度及其他設計變量進行優化設計，同時還需要注意將目標函數的允許誤差控制在1%以內，加上初始數據，通過16次優化循環，總共得到17組數據。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。綜合考慮機械設備的焊接要求，最終，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工作裝置截面尺寸的優化。確定壁厚尺寸后，對于各個部件的截面尺寸，可以采用一階方法進行優化設計，設計變量為高度H以及寬度B，目標函數允許誤差應該控制在初始體積的1%以內，總共需要進行6次優化循環，再加上初始值，總共獲得7組數據，并采用隨機搜索的方式進行驗證，確保計算結果的一致性。4.4.3結果分析。通過對該機械設備進行優化設計，所得結果如表1所示，由此可見，部件總體積在優化前為0.143m3，優化后為0.105m3，體積減少26.4%。由此可見，在本次ANSYS優化設計過程中，在保證設備剛度和強度符合設計要求的基礎上，盡量減少設備材料體積，能夠達到很好的優化結果。5結語綜上所述，對于機械結構進行優化設計，能夠獲得最優設計方案。通過應用ANSYS有限元分析軟件進行優化設計，能夠簡化計算過程，有效提高機械設備的優化設計效率，因此值得推廣和應用。
參考文獻
[1]王春華，黃楊，孟凡林，等．基于ANSYS液壓支架托梁結構改進及強度分析[J]．機械設計，2013，30（1）.
[2]吳佳燕，李郝林．基于Ansys的主軸系統有限元模型結構優化[J]．機械設計與研究，2010，26（6）.
