拓扑优化 mma法

%=========================================================================%
% 2019.03.15 BIT 宇航学院 DONGJZ
% 参考:
% [1]https://www.researchgate.net/profile/Ole_Sigmund
% [3]博客园
%=========================================================================%
clc;clear all;format long g;warning off all;
global volfrac nelx nely h1 h2 nyi nyj nxi nxj NFORCE NFIXED
global YOUNG POSSION THICK
global FORCE FIXED
%=========================================================================%
% 变量名称
%=========================================================================%
% volfrac-质量约束,nelx*nely=单元个数,h1*h2=网格面积
% NFORCE -受力节点总数,NFIXED-固定节点总数
% YOUUNG-模量,POISS-泊松比,THICK-厚度
% nyi nyj nxi nxj 空洞单元区域,i为下届,j为上届 %此段有问题 初置零;空洞区域
% 有限元程序没有搞出来,不均匀场太大,刚度阵奇异了???怎么办?
% FORCE-节点力数组(n*3)={受力节点,x方向,y方向}
% FIXED-约束信息数组(n*3)={约束点,x方向,y方向}1为约束,否则0
% FP1 数据文件指针
% 拓扑优化很简单,大部分都已经软件化了,这一块的创新在于算法,可以说第一篇关于
%拓扑优化设计的思想,就好比刘正猷的mass in mass模型,是开创篇,Sigmund确实厉害,
%能够整出个MMA不一般啊!!!这些个东西都很简单,基本的数学知识,现在想来,初高中
%的数学教育是有点用的。解决问题,好像真的是最简单的就是不错的。
%在oc求解器的基准上,做了个mma嫁接。mama对非线性函数有很大的帮助,对于线性约束,
%先转化为非线性约束,这个好像是复杂化了,不过只是一个探讨。
%=========================================================================%
% 输入相关数据
%=========================================================================%
FP1=fopen('input.txt','rt');
volfrac=fscanf(FP1,'%f',1);
nely=fscanf(FP1,'%f',1);
nelx=fscanf(FP1,'%f',1);
h1=fscanf(FP1,'%f',1);
h2=fscanf(FP1,'%f',1);
nyi=fscanf(FP1,'%f',1);nyj=fscanf(FP1,'%f',1);
nxi=fscanf(FP1,'%f',1);nxj=fscanf(FP1,'%f',1);
NFORCE=fscanf(FP1,'%d',1);NFIXED=fscanf(FP1,'%d',1);
YOUNG=fscanf(FP1,'%f',1);
POSSION=fscanf(FP1,'%f',1);
THICK=fscanf(FP1,'%f',1);
FORCE=fscanf(FP1,'%f',[3,NFORCE])';%节点力数组
FIXED=fscanf(FP1,'%f',[3,NFIXED])';%约束信息
%==========================================================================%
% 初始化
%==========================================================================%
penal=5;
rmin=h1*1.2;
%==========================================================================%
% Minimize f_ 0(x) + a_ 0*z + sum( c_i*y_i + 0.5*d_i*(y_i)^2 )
% subject to f_i(x) - a_i*z - y_i <= 0, i = 1,...,m
% xmin_j <= x_j <= xmax_j, j = 1,...,n
% z >= 0, y_i >= 0, i = 1,...,m
%==========================================================================%
nx=nely*nelx;nm=1;
xcur(1:nely,1:nelx)=0.3;
xold1=volfrac*ones(nx,1);
xold2=volfrac*ones(nx,1);
xmin=0.001*ones(nx,1);xmax=ones(nx,1);
lowcur=zeros(nx,1);uppcur=zeros(nx,1);
a0=0;a=0;c=0;d=0;
%==========================================================================%
% 开始迭代
%=====&

  • 5
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 拓扑优化是一种应用于工程领域的优化方,旨在通过优化材料的形状或结构来实现结构的最佳性能。而mma和oc则是两种常用的拓扑优化mma(Moving Morphology Adaptation)是一种基于形态学适应的拓扑优化。它通过逐步调整材料的拓扑形状,以在给定的边界条件下最小化结构的目标函数。mma的优点在于它能够从初始设计开始逐步调整结构,并能够在优化过程中实现形状和拓扑的同步改变。此外,mma还能够以较小的计算代价在全局范围内搜索解空间,从而找到最优解。 oc(Optical Continuation)是一种基于光学技术的拓扑优化。它通过模拟光线在材料中传播的方式,来确定材料的最佳分布。oc的优势在于能够找到相对复杂的结构并优化光学性能,如透明材料的折射率分布。oc不仅考虑了结构形状,还考虑了材料分布的连续性,从而得到较为平滑的结果。 两种方拓扑优化上存在一些差异。mma在调整结构时可以较快地找到全局最优解,并且能够逐步优化拓扑和形状。而oc更适合于优化具有连续性要求的结构,如光学元件,能够得到较为平滑的结果。 综上所述,mma和oc是两种拓扑优化,在特定的应用领域具有不同的优势。选择何种方,应根据具体的工程需求和目标函数来决定。 ### 回答2: 拓扑优化是一种通过结构形态的调整来优化机械结构的方。在拓扑优化中,通过改变结构的几何形状,来实现结构的质量最优化。而MMA(Method of Moving Asymptotes)和OC(Optimized Continuum)则是两种常用的拓扑优化。 首先,拓扑优化中的MMA采用移动渐近面的方式,引入罚函数,将约束条件转化为目标函数的惩罚项。随着迭代的进行,罚函数的系数逐渐增大,使得结构在满足约束条件的同时,能够逐步优化。MMA相对简单,易于实现,而且具有较高的收敛速度和较好的优化效果。 其次,拓扑优化中的OC方采用连续域的方进行优化。OC方将材料的密度视为连续分布的变量,通过对密度变量的逐点改变,使得结构的材料总量最小。OC方对多重约束有良好的处理能力,可以产生平滑的结构形态,并且在处理较大规模问题时有较好的表现。 在比较MMA和OC方时,可以从以下几个方面进行考虑:首先,两种方在处理连续域问题时具有优势,但MMA对于离散型问题的处理更加方便。其次,MMA具有较高的收敛速度和优化效果,但在处理较大规模问题时可能存在一定的计算复杂度。而OC方则相对较为稳定,适用于处理多重约束和平滑性要求较高的问题。 综上所述,MMA和OC方都是拓扑优化中常用的方,各自具有特点和适用范围。在实际应用中,可以根据问题的具体要求和约束条件来选择合适的方进行拓扑优化。 ### 回答3: 拓扑优化(Topology Optimization)是一种应用于工程设计中的优化方,旨在通过最少的材料使用来实现结构的最佳性能。拓扑优化的目标是根据给定条件和限制,优化材料的位置和分布,以获得满足设计要求的结构形状。 MMA(Method of Moving Asymptotes)是一种常用于拓扑优化的方,它基于数学建模和迭代求解。MMA通过迭代过程,不断调整材料在结构中的分布,使其逐渐逼近最佳状态。 OC(Optimality Criteria)是另一种常用的拓扑优化,也是基于数学建模和迭代求解的。OC通过设置最优性准则,对每个材料节点进行优化,直到满足设定的约束和目标。 MMA与OC在拓扑优化中有着一些共同点,例如它们都是通过数学建模和迭代求解来实现结构的优化。它们都可以应用于各种工程设计中,如航空航天、机械等。并且,它们都可以通过计算机程序来实现。 然而,MMA与OC也有一些不同之处。首先,在求解过程中,MMA使用了移动的渐近线来调整材料分布,而OC则通过设置最优性准则来进行优化。其次,MMA通常适用于连续的结构优化问题,而OC通常适用于离散的结构优化问题。最后,MMA在求解过程中需要更多的计算资源和时间,而OC相对较快。 综上所述,MMA与OC都是常用的拓扑优化,它们在数学建模和迭代求解的方式上有所不同。选择使用哪种方应根据具体问题和需求来决定。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值