您当前的位置:首页>国家标准>GB/T 37402-2019 仿生学 仿生结构优化

GB/T 37402-2019 仿生学 仿生结构优化

资料类别:国家标准

文档格式:PDF电子版

文件大小:2.8 MB

资料语言:中文

更新时间:2024-03-20 10:42:37



相关搜索: 结构 优化 仿生 仿生学 37402 37402 仿生学

内容简介

GB/T 37402-2019 仿生学 仿生结构优化 ICS 07.080 A40
GB
中华人民共和国国家标准
GB/T 37402—2019/ISO18459:2015
仿生学 仿生结构优化
Biomimetics-Biomimetic structural optimization
(ISO18459:2015.IDT)
2019-05-10发布
2019-12-01实施
国家市场监督管理总局中国国家标准化管理委员会
发布 GB/T37402—2019/ISO18459:2015
目 次
前言引言范围
1
规范性引用文件术语和定义 4符号和术语缩写自然界中自我优化原理及因此而被移植的优化方法
2
3
5
6方法的运用 6.1应用范围和局限 6.2计算机辅助优化(CAO)
6.2.1 应力控制生长 6.2.2 收缩 6.2.3 有限元分析(FEA)在实际中的应用
..
6.3软区域清除(SKO)
6.3.1 软区域清除法原理 6.3.2 在有限元分析中实施软区域清除原理 6.3.3 软区域清除法应用实例 6.4计算机辅助内部优化(CAIO) 6.4.1 计算机辅助内部优化法实例:弯曲的圆柱体 6.5拉伸三角形法 6.5.1 概述 6.5.2 拉伸三角形节省材料 6.5.3 拉伸三角形优化纤维取向 6.5.4拉伸三角形法实例:轴肩参考文献
11 12 13
·
14 1.5 16
C GB/T37402—2019/ISO18459:2015
前言
本标准按照GB/T1.1一2009给出的规则起草本标准使用翻译法等同采用ISO18459:2015《仿生学仿生结构优化》。 与本标准中规范性引用的国际文件有一致性对应关系的我国文件如下:
GB/T14124一2009机械振动与冲击建筑物的振动 振动测量及其对建筑物影响的评价指南(ISO4866:1990/Amd.2:1996.IDT)
本标准由中国机械工业联合会提出并归口。 本标准起草单位:北京机械工业自动化研究所有限公司、浙江大学、清华大学。 本标准主要起草人:高雪芹、黎晓东、苏宏业、黄双喜
I GB/T37402—2019/ISO18459:2015
引言
仿生优化方法的基础来源于对自然生物结构及过程的研究所获取的知识。 作为优化的一个特殊分支,结构优化涉及了部件的理想化设计,并同时考虑到目前的边界条件。通
常被优化的属性包括重量、载荷能力、刚度或寿命。其目的在于通过使属性的值最大化或最小化而优化其中一种或多种属性
总的来说,最理想的是尽可能完美地使用物料,同时避免出现过载和欠载区域。鉴于几乎每一个技术性部件都会因为功能原因而在截面,即,缺口,呈现出一些变化而因此导致缺口的变化,所以,在结构优化中最大程度地减小缺口的承重力就显得尤为重要。在传统的结构优化中。减少缺口形状因子,即缺口上面的应力集中因子,是通过下面的做法实现的:要么选择缺口的最大曲度半径,要么利用缺口的相互作用并增加卸荷槽。但是,缺口的形状并不会由于这个步骤而改变。早在20世纪30年代就已有人提出使用其他的缺口形状(波特曲线、椭圆、对数螺旋等)的建议,但并未在技术中广泛应用,只是被偶尔使用。
基于计算机的仿生优化工具,例如计算机辅助优化(CAO)及软区域清除(SKO),分别改进了部件的形态和拓扑结构,从而通过使用有限元分析(FEA)使受力得以均衡。这些工具自1990年出现后已用于工业当中。然而,使用有限元分析进行优化的这种需求实际上限制了可能用户的数量,因为进行这样的操作需要功能强天的计算机,专用软件和专家。于是,需要有一种更简单,更快捷的优化方法,不仅专家能够操作而且设计工程师也能操作,正是这一需求最终导致产拉伸三角形法*的出现。尽管该方法在2006年才开始开发,但已在实际中进行应用,其原因在于它易于理解,易于应用。仿生优化方法的广泛应用加之其相对容易操作,用户便于理解且易于应用,使得用户在设计过程初期即可进行部件优化操作。就拉伸三角形法的使用来说,使用计算机辅助设计(CAD)系统便有可能很容易地实施这种方法
由于每一项优化都意味着对所选载荷状况进行专业化处理,因此服务加载能够被众所周知。其他
未被考虑进来的载荷条件也许会导致部件承受更大的作用力
Ⅱ GB/T37402—2019/ISO18459:2015
仿生学 仿生结构优化
1范围
本标准指出了仿生结构优化方法的功能和范围。这些方法涉及的是静载荷及疲劳载荷条件下的线
性结构问题。本标准中描述的方法均有示例进行说明。
依据自然生长的生物模型和通过利用技术性部件有限元法(FEM)优化方法,基于计算机的仿生优化工具包括计算机辅助优化(CAO)、软区域清除(SKO)和计算机辅助内部优化(CAIO)。这些方法的目的在于能够减轻部件重量或增强部件能力及延长部件使用期,以实现优化材料应用。
此外,本标准还描述了一个更简单快捷的“拉伸三角形法”。仿生优化法应用范围广泛,加之更易于理解和使用,使得用户在设计过程的早期即可实施部件优化。
本标准的目的是让用户熟知仿生优化方法可作为有效工具来延长部件的使用期,减少部件重量,并
促进这些方法的广泛使用以支持可持续发展。
本标准不仅为设计者,开发人员工程师及技术人员,也为那些被赋予设计和评估载荷结构任务的
人员所拟定。
2规范性引用文件
下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件,仅注日期的版本适用于本文
件。凡是不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。
ISO2394结构可靠性通则(General principlesonreliabilityforstructures) ISO4866机械振动与冲击建筑物的振动振动测量及其对建筑物影响的评价指南(Mechanical
vibration and shock-Vibration of fixed structuresGuidelines for the measurement of vibrations and evaluation of their effects on structures)
ISO13823建筑物耐用性设计通则(Generalprinciplesonthedesignof structuresfordurability) ISO 18458仿生学术语、概念和方法论(Biomimetics一Terminology,concepts and methodology)
3术语和定义
下列术语和定义适用于本文件。
3.1
机械性自适应生长 : mechanical adaptive growth 树木和骨骼等生物结构通过局部性地向受力大的范围添加材料或从受力小的范围移除材料对条件
变化所做出的适当反应(如机械载荷)。
示例:树木年轮中更为厚实的局部
3.2
算法algorithm 精确地描述完成一项任务的有限步骤。
3.3
设计空间 design space 人部件的设计许可量注1:进行设计时部件的边缘不应超出设计空间的范围。
1 GB/T37402—2019/ISO18459:2015
3.4
计算机辅助内部优化 computer aided internal optimization ; CAIO 基于有限元分析(3.6)的方法,用于优化纤维复合材料中的局部纤维取向,目的在于提高其载荷
能力。 3.5
计算机辅助优化computeraided optimization;CAO 基于有限元分析(3.6),用于优化部件形状的方法。 注1:减少受作用力大的区域例如缺口(3.8)的作用力,增加部件使用寿命。
3.6
有限元分析 finite element analysis ; FEA 获取受限于边界条件的偏微分方程近似解的数值解法注1:工程科学中的一种分析方法,比如用于回答有关结构力学的问题。通过有限元分析法,一个复杂的结构被离
散为小的、简单而互相连接的单元(有限元网格)。当边界条件(载荷、承重)以及材料属性得以确定后,有可能在此复杂结构中的任何一个截面对应力及形变等进行计算。
3.7
形态优化 shape optimization 改变微元的外观,通过一种确定的行为(比如将应力减到最小)来改进某一个目标功能,
3.8
缺口notch 部件中的凹面,由于缺口效应(3.9)使得一个部件的局部变薄弱。 注1:大部分时候,并不期望有该薄弱点的存在,但是缺口在某些情况下是被用来作为预定的断裂点,以便明确部件
可能在何处出现故障,并可因此限制部件上可承载的载荷。
3.9
缺口效应 notcheffeci 承受载荷的缺口(3.8)上面局部所显现的应力峰值。 注1:峰值的高度通常取决于缺口(3.8)的尺寸及形状。当曲率减小以及缺口(3.8)轮廓增加时,应力就会减小。
3.10
拉伸三角形法 method of tensile triangles 一种可使部件均衡受力的简洁图形法。 注1:可用来减少如缺口(3.8)上这些高受力范围的应力,提高部件的使用寿命以及移除欠载荷区域并节省材料。
3.11
软区域清除softkilloption;SKO 基于有限元分析法(3.6)优化部件拓扑(3.12)的方法。 注1:通过连续从设计空间(3.3)移除受力小的材料而提出的轻量设计建议
3.12
拓扑topology 个部件的结构性组元(洞孔,支撑等)间的关系(如位置和方向)。
4符号和术语缩写
下列符号适用于本文件。 E弹性模量 E弹性模量的变量,E=f(α) F力 2 GB/T37402—2019/ISO18459:2015
M矩阵 T(a+y*)热负荷 α热膨胀系数 omises依据vonMises的等效应力
5自然界中自我优化原理及因此而被移植的优化方法
借助于有限元分析(FEA),对生物载荷结构如树木、骨骼、爪子及尖刺所进行的大量研究揭示,这些承重结构已最佳地适应了其所承受的作用力,且相同的设计原理适用于所有的结构。均布应力定律已经表明,在载荷生物结构如树木或哺乳动物骨骼的成长时期,该定律是一项基本原理。该定律指出,承重结构的表面不会出现薄弱点(高应力区域)或欠载区域(不必要的压载物或废弃材料),从而对表面施加均勾应力。这种具有机械性优点的应力状态是通过自适应生长而实现的。比如,树木凭借其内部受体分辨局部应力集中状态,从而通过自适应性地生长来进行自我修复。在超高负荷区域,树木生长出局部厚实的年轮,因而减小了应力峰值。然而。与人类和动物的骨头相比。树木则无法从受力小的区域移除多余的材料。
生物结构的自我优化不只局限在其外部的结构,甚至它们的内部结构也都很好地适应了其承受的作用力。骨骼中的自适应矿化过程使得承受高应力的区域变得更加刚硬,而承受较小应力的区域被软化并最终被移除。
通常,生物材料可被视为是包含有几种组元的纤维复合材料。除了组元混合材料,其他促成生物材料优质机械属性的决定性因素还包括:最终形成完整结构的具有多个数量级分子的分层组织,以及适应于力流的材料内部走向。软弧线型中,树干所形成的木纤维在受损的地方如树木节疤周围朝受力方向形成弯曲。这也同样适用于以相应的方式缠绕在脉管细胞周围的术射线。甚至连形成术细胞内壁的纤维素纤维也显示出这种优化性。这在所有朝向为力流的树不纤维中都可以看到。同样,它还适用于本质上含有类似胶合板薄层结构的、具有强力纤维及更加易碎材料的骨骼。比如股骨(天腿骨)在靠近关节处充满了枝状骨。亦被称为松质骨。这类骨骼是由填充了整个股骨头和股骨颈的纤细骨小梁所构成的一个微型框架,其朝向为力流方向。
作为设计的一个基本规则,均布应力定律首先要通过基于计算机的方法进行系统化实施,使得人们有可能将这种用于生物载荷结构的优化原理应用到任何一种载荷结构中去。在技术设计中,这是利用自然界所提供财富的一个主要前提。
计算机辅助优化(CAO)和软区域清除(SKO)是工业中所采用的方法,其开发的目地在于优化技术部件的形状和拓扑。使用计算机辅助优化(CAO)能有效地均衡应力。特别是当部件受到振动或交变载荷时,局部应力峰值减少了,进而大大地提高了部件的寿命。与之相反,软区域清除(SKO)提供的设计方案中不再包含承受超低载荷的材料。这就使得设计人员能够辨别部件中作用力的相关路径,从而设计出轻质部件,并同时也考虑到例如制造上的局限性因素。
最后,计算机辅助内部优化(CAIO)使得设计人员可以通过使用电脑模拟,将那些含有力流朝向的纤维生物载荷结构的内部设计移植到技术纤维复合材料中,以便提高其载荷能力。
对缺口应力拥有更深的了解1以及进一步的开发工作导致了纯粹以图形出现的“拉伸三角形法”,使部件能事半功倍地达到其最佳状态。优化方法的发展从很天意义上来说应归功于发展过程中对薄弱点的清除。在使用基于计算机方法的环境下,应用的结果虽然导致了更长的计算时间及模拟时间,但最终整体开发时间更短,使用原型更少,并且测试阶段更短。这里所阐述的例证是有关仿生结构优化方法的,更多方法尚在开发过程中。
正如ISO18458中所规定的,一个产品或技术满足三项条件即被认可为仿生学,也就是说,要有一
个生物体系,将模型进行抽象,再将模型以最小的原型移植到一个技术应用中去。如表1所示,根据这
5 GB/T37402—2019/ISO18459:2015
三项准则,以上所描述的方法满足了ISO18458中所提到的三个条件。
计算机辅助优化方法(CAO是仿生的,因为其生物体系是树木生长,这一现象有一部分已被抽象
成载荷自适应过程,并且这一过程以简单算法进行实施,被移植到技术应用中以及工业中去,以便用来优化技术部件。
软区域清除(SKO)是仿生的,因为用于SKO的生物体系是骨矿化,这一现象有一部分被抽象成负载自适应过程,这个过程已被抽象并以简单算法进行实施,而且也被移植到了技术应用中去。软区域清除用来设计轻量部件。
计算机辅助内部优化(CAIO)是仿生的,因为CAIO是基于树木中木纤维取向性的生物系统,这一现象有一部分被抽象成负载自适应过程,这个过程已被抽象并以简单算法进行实施,也被移植到了技术纤维复合材料的优化应用中。
拉伸三角形法(Method of TensileTriangles)是仿生的,因为拉伸三角形法基于树木的茎根汇合点系统,这一现象有一部分被抽象成负载自适应过程,这一过程以简单算法实施,也被移植到技术应用中。 以及应用到工业中以便优化技术部件
表1列举了用于仿生结构优化的方法、其生物系统、主要目标以及这些方法在工业应用中的使用例证。
表1仿生学结构优化方法、其生物系统、主要目的及技术应用
方法计算机辅助优 树木的自适应性生长化(CAO)
主要目的
技术应用
生物系统
形态优化通过均衡受力 厂微驱动装置来提高部件寿命或载荷能力
X301mHD48
058
5E
软区域清除」 骨矿化过程 (SKO)
拓扑优化通过移除超低 车架载荷材料来设计轻量部件
计算机辅助内 树木中的纤维取向部优化(CAIO)
局部纤维取向优化以通 自行车座位过使局部纤维取向适应于载荷从而提高纤维复合材料的能力
上一章:GB/T 37674-2019 再制造 电刷镀技术规范 下一章:GB/T 36586.2-2018 冲模耐磨板 第2部分:B型

相关文章

GB/T 37402-2019 仿生学仿生结构优化 GB/T 37402-2019 仿生学 仿生结构优化 基于颈椎结构的机床主轴滑枕仿生优化设计 GB/T 42441-2023 仿生学 仿生材料、结构和构件 空间仿生ETFE薄壳结构位形控制关键技术 双牛头电火花机床平滑枕筋板结构仿生设计 仿生空间多变异形曲面钢筋混凝土筒体结构群施工技术 GB/T 42444-2023 仿生学 术语、概念与方法论