背景:在对车身进行参数化优化设计时,当考虑模态响应,如扭转模态,弯曲模态时,由于设计变量的更改,有时可能会造成相同的振型出现在不同的阶次中,为了保证优化过程结果的有效性,需要在优化过程中对模态进行追踪。
在Optistruct中,有模态追踪的功能,(需设置选项PARAM,MODETRAK,YES)。对于其他优化软件,具有模态追踪功能的优化软件包括:LSOPT和Hyperstudy,其中LSOPT软件需要使用LSDYNA求解程序进行模态计算,才可以使用模态追踪,但通常在进行模态分析时,一般使用的求解器为Nastran;Hyperstudy优化软件也具有模态追踪的功能,其内部计算过程是通过计算两个结果的模态置信矩阵(MAC)来完成的。
这里简单介绍下MAC,MAC矩阵(modal assurance criterion 模态置信矩阵)也称为振型相关系数,是振型向量之间的点积,用于评价模态振型向量空间(几何)上的相关性一个很好的工具,计算得到的标量值在0到1之间或用百分数来表示。可以用于仿真和实验结果的验证分析,也可以用于对两个仿真结果同一振型结果确认。在Hyperview后处理的NVHD模块下具有计算MAC值的功能。
在使用其他优化软件如Isight、Optimus、ModeFRONTIER、Heeds等时,没有集成的模态追踪功能,需要加入模态追踪功能的脚本来完成模态追踪。首先将模态刚度矩阵输出到pch文件或f06文件中,然后使用其他编程软件对每次生成的结果文件进行处理,根据MAC计算公式计算出MAC值,根据MAC值判断相同振型的频率结果。这个过程中需要将刚度矩阵写入到结果文件中,并且需要程序解析结果文件并进行矩阵运算完成这个过程,需要花费的时间会增加很多(主要是写刚度矩阵到结果文件中的过程非常耗时)。为了不让工程师自己去造轮子,可以使用商业软件来完成这个过程。即通过META完成MAC值的提取,然后通过Python对META提取的MAC值结果进行简单的处理获得同一振型的频率结果,用于优化过程设计响应的创建。
META的具体操作过程这里不详细介绍,META在后处理上的效率和接口相比于hyperworks系列软件的优势在之前的系列文章中已经多次强调过了。
实例:使用Isight进行车身模态DOE分析
主要流程:通过meta比较优化后和优化前模态分析结果的MAC,并将其写入到结果文件中,然后通过Python简单处理该结果文件,获得和原结构相同振型的频率结果,用于设计响应的创建。 META生成的Mac值结果文件是csv格式的文件: 然后通过python简单处理该数据,基础模型扭转模态为第一阶,22Hz。通过对该行的MAC值进行确认,找出最大的MAC值0.999965,判断出对应优化模型的阶次,并获得该阶次下的频率值即为优化模型的扭转模态频率值结果22.0809Hz,并将该结果输出到TXT文件中。 Python源代码如下: Python输出结果文件: Isight中DOE分析结果: 结论:使用meta进行mac值的获取,通过python对Mac值结果文件进行再处理获得相同振型的频率结果,可以有效地在优化过程中进行模态追踪。 S梁冲压成形性能分析-Abaqus/Explicit显式求解和失效判断 Abaqus冲压成形结果判读(见原文链接)[极简分析]Isight-Abaqus参数优化和材料拟合课程
[优化]基于Abaqus/ATOM和Isight的钣金优化设计
Isight for Abaqus参数优化(附网盘链接)