【正文】 10)參數(shù)化結(jié)果報(bào)表顯示?選擇表格報(bào)告工具,? 產(chǎn)生表格報(bào)告對(duì)話框在Result set對(duì)話框,輸入用表格顯示的參數(shù)化分析結(jié)果名稱?在Column Width對(duì)話框,輸入表格列的寬度?在Precision對(duì)話框,輸入表格中數(shù)值的精度?在Format欄選擇選擇表格中數(shù)值的格式?l Automatic:程序根據(jù)表格中數(shù)值的位數(shù)和表格的寬度,自動(dòng)選擇使用指數(shù)形式還是固定格式表示表格中的數(shù)值?216。在Location這一欄中根據(jù)表中提供的數(shù)據(jù)輸入點(diǎn)的坐標(biāo)“ , ”。?根據(jù)以上兩原則,由模型的拓?fù)浣Y(jié)構(gòu)可得到下參數(shù)化表:表101 模型的參數(shù)化表序號(hào)名稱坐標(biāo)值(X, Y, Z)說(shuō) 明1lca_r_center , 下擺臂后端與車體鉸鏈聯(lián)接點(diǎn)2lca_f_center, , 下擺臂前端與車體鉸鏈聯(lián)接點(diǎn)3lca_knuckle, , 轉(zhuǎn)向節(jié)與下擺臂鉸鏈聯(lián)接點(diǎn)4uca_r_center, , 上擺臂后端與車體鉸鏈聯(lián)接點(diǎn)5uca_f_center, , 上擺臂前端與車體鉸鏈聯(lián)接點(diǎn)6uca_knuckle, , 轉(zhuǎn)向節(jié)與上擺臂鉸鏈聯(lián)接點(diǎn)7tierod_middle, , 左橫向拉桿與車體鉸鏈聯(lián)接點(diǎn)8tierod_knuckle, , 轉(zhuǎn)向節(jié)與橫向拉桿鉸鏈聯(lián)接點(diǎn)9hookref,定位萬(wàn)向節(jié)(車體上)Z方向點(diǎn)Z方向點(diǎn)10knuckle_center, , 轉(zhuǎn)向節(jié)中心點(diǎn)11wheel_center, , 輪中心點(diǎn)12wheel_outer, , 定義輪幾何實(shí)體輔助點(diǎn)13wheel_inner, , 定義輪幾何實(shí)體輔助點(diǎn)14test_plane, , 測(cè)試臺(tái)與轉(zhuǎn)向節(jié)鉸鏈聯(lián)接點(diǎn)(2)創(chuàng)建參數(shù)化點(diǎn)創(chuàng)建參數(shù)化點(diǎn)在ADAMS/View中有兩種方式,一種是通過(guò)主工具箱中快捷圖標(biāo)創(chuàng)建,另外一種方式是通過(guò)“Tool”菜單中的”Command Navigator…”來(lái)創(chuàng)建? 通過(guò)快捷圖標(biāo)創(chuàng)建 通過(guò)菜單命令創(chuàng)建 創(chuàng)建參數(shù)化點(diǎn)在本節(jié)示例中,我們采用后一種方式創(chuàng)建,即菜單命令?隨后出現(xiàn)Command Navigator對(duì)話框,找到其中的point,點(diǎn)擊前面“+”號(hào)展開(kāi),在展開(kāi)后的列表中雙擊create,這時(shí)系統(tǒng)彈出創(chuàng)建點(diǎn)對(duì)話框()? 創(chuàng)建點(diǎn)對(duì)話框,。確定每個(gè)因素對(duì)輸出會(huì)產(chǎn)生多大的影響?l DOE Response Surface(RSM):對(duì)試驗(yàn)結(jié)果進(jìn)行多項(xiàng)式擬合?l Sweep Study:在一定范圍內(nèi)改變各自的輸入?l Monte Carlo:確定實(shí)際的變化對(duì)設(shè)計(jì)功能上的影響?創(chuàng)建好設(shè)計(jì)矩陣后,用戶需要確定試驗(yàn)設(shè)計(jì)的類型?在ADAMS/Insight中有六種內(nèi)置設(shè)計(jì)類型來(lái)創(chuàng)建設(shè)計(jì)矩陣,也可以導(dǎo)入自己創(chuàng)建的設(shè)計(jì)矩陣?可以自由選擇設(shè)計(jì)矩陣,為系統(tǒng)創(chuàng)建最有效率的試驗(yàn)?當(dāng)使用內(nèi)置的設(shè)計(jì)類型時(shí),ADAMS/Insight根據(jù)選擇的設(shè)計(jì)類型的說(shuō)明生成相應(yīng)的設(shè)計(jì)矩陣?這六種設(shè)計(jì)類型是Full Factorial?PlackettBurman ?Fractional Factorial?BoxBehnken Central? Composite Faced(CCF)?DOptimal?(1)Full Factorial是所有設(shè)計(jì)類型中綜合程度最高的,使用到了因素水平的所有可能的組合?(2)PlackettBurman設(shè)計(jì)類型適用于在大量的因素中篩選最有影響的因素?該設(shè)計(jì)所需要的傳統(tǒng)設(shè)計(jì)類型運(yùn)行的次數(shù)最少,但不允許用戶估計(jì)這些因素之間的相互的影響?(3)Fractional Fractorial和PlakettBurman使用的是Full Factorial專門的子集,因而也被看作減化的Factorial?它普遍用于篩選重要變量并主要用于兩水平的因素,能夠估計(jì)其對(duì)系統(tǒng)的影響?(4)BoxBehnken設(shè)計(jì)類型使用設(shè)計(jì)空間中平面上的點(diǎn)?這樣該設(shè)計(jì)就適用于模型類型為二次的RSM試驗(yàn)?BoxBehnken對(duì)每個(gè)因素需要三個(gè)水平?(5)CCF(Center Composite Faced)設(shè)計(jì)類型使用的是每個(gè)數(shù)據(jù)軸上的點(diǎn)(開(kāi)始點(diǎn)),以及設(shè)計(jì)空間的角點(diǎn)(頂點(diǎn)),和一個(gè)以上的中心點(diǎn)?CCF比BoxBehnken相比較運(yùn)行的次數(shù)更多?CCF適用于二次RSM試驗(yàn)的模型類型?(6)DOptimal設(shè)計(jì)類型產(chǎn)生的是將系數(shù)不確定性降到最低的模型?這種設(shè)計(jì)類型由根據(jù)最小化規(guī)則從大量候選因素中隨機(jī)抽取的行所組成?DOptimal指明了在試驗(yàn)中運(yùn)行的總次數(shù),將以前試驗(yàn)中已存在的行提供給新的試驗(yàn),并對(duì)每個(gè)因素指定不同的水平?這些特性使得DOptimal在很多情況,特別是在試驗(yàn)費(fèi)用驚人的情況下,下成為最佳選擇,特別是在試驗(yàn)費(fèi)用驚人的情況下? 優(yōu)化分析(Optimization)優(yōu)化是指在系統(tǒng)變量滿足約束條件下使目標(biāo)函數(shù)取最大值或者最小值?目標(biāo)函數(shù)是用數(shù)學(xué)方程來(lái)表示模型的質(zhì)量?效率?成本?穩(wěn)定性等?使用精確數(shù)學(xué)模型的時(shí)候,最優(yōu)的函數(shù)值對(duì)應(yīng)著最佳的設(shè)計(jì)?目標(biāo)函數(shù)中的設(shè)計(jì)變量對(duì)需要解決的問(wèn)題來(lái)說(shuō)應(yīng)該是未知量,并且設(shè)計(jì)變量的改變將會(huì)引起目標(biāo)函數(shù)的變化?在優(yōu)化分析過(guò)程中,可以設(shè)定設(shè)計(jì)變量的變化范圍,施加一定的限制以保證最優(yōu)化設(shè)計(jì)處于合理的取值范圍?另外對(duì)于優(yōu)化來(lái)說(shuō),還有一個(gè)重要的概念是約束?有了約束才使目標(biāo)函數(shù)的解為有限個(gè),有了約束才能排除不滿足條件的設(shè)計(jì)方案?通常,優(yōu)化分析問(wèn)題可以歸結(jié)為:在滿足各種設(shè)計(jì)條件和在指定的變量變化范圍內(nèi),通過(guò)自動(dòng)地選擇設(shè)計(jì)變量,由分析程序求取目標(biāo)函數(shù)的最大值或最小值?雖然Insight也有優(yōu)化的功能,但兩者還是有區(qū)別,并且互相補(bǔ)充?試驗(yàn)設(shè)計(jì)主要研究哪些因素的影響比較大,并且還調(diào)查這些因素之間的關(guān)系。第10章 ADAMS參數(shù)化建模及優(yōu)化設(shè)計(jì)第10章 ADAMS參數(shù)化建模及優(yōu)化設(shè)計(jì)本章將通過(guò)一個(gè)具體的工程實(shí)例,介紹ADAMS/View的參數(shù)化建模以及ADAMS/View提供的3種類型的參數(shù)化分析方法:設(shè)計(jì)研究(Design study)?試驗(yàn)設(shè)計(jì) ((Design of Experiments, DOE)和優(yōu)化分析(Optimization)?其中DOE是通過(guò)ADAMS/Insight來(lái)完成,設(shè)計(jì)研究和優(yōu)化分析在ADAMS/View中完成?通過(guò)本章學(xué)習(xí),可以初步了解ADAMS參數(shù)化建模和優(yōu)化的功能? ADAMS參數(shù)化建模簡(jiǎn)介 ADAMS提供了強(qiáng)大的參數(shù)化建模功能?在建立模型時(shí),根據(jù)分析需要,確定相關(guān)的關(guān)鍵變量,并將這些關(guān)鍵變量設(shè)置為可以改變的設(shè)計(jì)變量?在分析時(shí),只需要改變這些設(shè)計(jì)變量值的大小,虛擬樣機(jī)模型自動(dòng)得到更新?如果,需要仿真根據(jù)事先確定好的參數(shù)進(jìn)行,可以由程序預(yù)先設(shè)置好一系列可變的參數(shù),ADAMS自動(dòng)進(jìn)行系列仿真,以便于觀察不同參數(shù)值下樣機(jī)性能的變化? 進(jìn)行差數(shù)參數(shù)化建模時(shí),在確定好影響樣機(jī)性能的關(guān)鍵輸入值后,ADAMS/View提供了4種參數(shù)化的方法: (1)參數(shù)化點(diǎn)坐標(biāo) 在建模過(guò)程中,點(diǎn)坐標(biāo)用于幾何形體?約束點(diǎn)位置和驅(qū)動(dòng)的位置?點(diǎn)坐標(biāo)參數(shù)化時(shí),修改點(diǎn)坐標(biāo)值時(shí),與參數(shù)化點(diǎn)相關(guān)聯(lián)的對(duì)象都得以自動(dòng)修改? (2)使用設(shè)計(jì)變量 通過(guò)使用設(shè)計(jì)變量,可以方便的修改模型中的以已被設(shè)置為設(shè)計(jì)變量的對(duì)象?例如,我們可以將連桿的長(zhǎng)度或彈簧的剛度設(shè)置為設(shè)計(jì)變量?當(dāng)設(shè)計(jì)變量的參數(shù)值發(fā)生改變時(shí),與設(shè)計(jì)變量相關(guān)聯(lián)的對(duì)象的屬性也得到更新? (3)參數(shù)化運(yùn)動(dòng)方式 通過(guò)參數(shù)化運(yùn)動(dòng)方式,可以方便的指定模型的運(yùn)動(dòng)方式和軌跡? (4)使用參數(shù)表達(dá)式 使用參數(shù)表達(dá)式是模型參數(shù)化的最基本的一種參數(shù)化途徑?當(dāng)以上三種方法不能表達(dá)對(duì)象間的復(fù)雜關(guān)系時(shí),可以通過(guò)參數(shù)表達(dá)式來(lái)進(jìn)行參數(shù)化?參數(shù)化的模型可以使用戶方便的修改模型而不用考慮模型內(nèi)部之間的關(guān)聯(lián)變動(dòng),而且可以達(dá)到對(duì)模型優(yōu)化的目的?參數(shù)化機(jī)制是ADAMS中重要的機(jī)制? ADAMS參數(shù)化分析簡(jiǎn)介參數(shù)化分析有利于了解各設(shè)計(jì)變量對(duì)樣機(jī)性能的影響?在參數(shù)化分析過(guò)程中,根據(jù)參數(shù)化建模時(shí)建立的設(shè)計(jì)變量,采用不同的參數(shù)值,進(jìn)行一系列的仿真?然后根據(jù)返回的分析結(jié)果進(jìn)行參數(shù)化分析,得出一個(gè)或多個(gè)參數(shù)變化對(duì)樣機(jī)性能的影響?然后再進(jìn)一步對(duì)各種參數(shù)進(jìn)行優(yōu)化分析,得出最優(yōu)化的樣機(jī)?ADAMS/View提供的3種類型的參數(shù)化分析方法包括:設(shè)計(jì)研究(Design study)?試驗(yàn)設(shè)計(jì)(Design of Experiments, DOE)和優(yōu)化分析(Optimization)? 設(shè)計(jì)研究(Design study) 在建立好參數(shù)化模型后,當(dāng)取不同的設(shè)計(jì)變量,或者當(dāng)設(shè)計(jì)變量值的大小發(fā)生改變時(shí),仿真時(shí)過(guò)程中,樣機(jī)的性能將會(huì)發(fā)生變化?而樣機(jī)的性能怎樣變化,這是設(shè)計(jì)研究主要考慮的內(nèi)容?在設(shè)計(jì)研究過(guò)程中,設(shè)計(jì)變量按照一定的規(guī)則在一定的范圍內(nèi)進(jìn)行取值?根據(jù)設(shè)計(jì)變量值的不同,進(jìn)行一系列仿真分析?在完成設(shè)計(jì)分析設(shè)計(jì)研究后,輸出各次仿真分析的結(jié)果?通過(guò)各次分析結(jié)果的研究,用戶可以得到以下內(nèi)容: (1)設(shè)計(jì)變量的變化對(duì)樣機(jī)性能的影響? (2)設(shè)計(jì)變量的最佳取值? (3)設(shè)計(jì)變量的靈敏度,即樣機(jī)有關(guān)性能對(duì)設(shè)計(jì)變量值的變化的敏感程度? 試驗(yàn)設(shè)計(jì)(Design of Experiments)試驗(yàn)設(shè)計(jì)(Design of Experiments, DOE)考慮在多個(gè)設(shè)計(jì)變量同時(shí)發(fā)生變化時(shí),各設(shè)計(jì)變量對(duì)樣機(jī)性能的影響?試驗(yàn)設(shè)計(jì)包括設(shè)計(jì)矩陣的建立和試驗(yàn)結(jié)果的統(tǒng)計(jì)分析等?最初,所設(shè)計(jì)的試驗(yàn)設(shè)計(jì)(DOE)用在物理實(shí)驗(yàn)上面,但,對(duì)于虛擬試驗(yàn)的效果也很好?但傳統(tǒng)上的DOE是費(fèi)時(shí)費(fèi)力的?使用ADAMS的DOE可以增加獲得結(jié)果的可信度,并且在得到結(jié)果的速度上比試錯(cuò)法