产品设计中的形状优化技术.doc

产品设计中的形状优化技术摘 要在产品设计中形状和表面的优化是一个非常重要和耗时的过程，特别是在概念设计阶段。在本文中我们提出了一个研究项目，目的是发展进化设计系统能够不断适应产品造型设计，满足和制造给定的几何约束，其中一个应用在概念设计的问题，如何用遗传算法表现设计方法用于创新和富有想象力的几何部件生成和优化的过程。本文考察了两个阶段，在产品外形特征设计采用遗传算法和如何设计方法类似自然界中的基因编码算法。本文也提出了早期的研究成果和今后的工作方向。关键词：形状特征 形状优化 遗传算法 表型 基因型1说明在当前全球市场的竞争下，在减少成本和开发时间尺度的压力下，这迫使以产品为导向的制造业需要寻求更先进的技术来减少设计开发获得的利润，因此，设计自动化成为提高设计功能和减少开发时间和减低成本的必要条件了，尤其在设计复杂曲面时，设计产品的形状是设计过程中的主要任务，而当今提供的CAD和CAM系统提供的一个迭代的表面优化，这是一个非常耗时而且需要大量熟练的工程劳动，另一方面，进化技术已成功的应用于工程优化设计如约束满意度，方程求解和制造工艺规划。这些适应性和生成技术提供更多的创造性相比其他需要依靠几何和明确的推理机制设计系统，然而，进化技术如遗传算法（GAs）在产品设计中的应用是有限的，困难就出现在在早期的创作状态很难在设计过程中制定需要各种事实和知识信息的计算机系统。其中一个重要的进化技术应用于概念设计的问题是如何表达三维结构，在遗传算法中可用来支持生成和优化创新过程中的几何零件和组建。因此本文考察使用遗传算法在设计中的两个阶段，通过评价函数控制设计。在本文中一个改进的简单GA用于演示表面优化可以有力的支持现在的CAD系统，本文的工作重点也是最困难的方面是外观设计的表述和设计几何形状，需要根据符合人体工程学和美学的考虑在这个阶段材料和成本等因素不考虑，讨论和分析现有的形状表示方法，如何选择最佳的性能参数，外形设计如何界定从简单到复杂的几何形状的组合。本文提出的方法已经排除在早期的案例研究和非直面优化问题的简单测试，对结果的研究和分析和讨论介绍在今后的工作方向。2 形状特征和优化现有的实体造型系统提供了用于创建修改和检查对象的3D实物模型，但也有大量计算机有不同的办法，然而特征可分为6个方面：原始实例，广义扫描，空间枚举，细胞分解，建立立体几何（CSG）和边界特征，其中建立立体几何和边界特征方法被广泛使用，一部分是运用布尔运算定义原始部分，目前没有一个单一的几何特征可以为每个设计任务最佳，因此几乎所有的CAD系统都是混合系统，使用多个方法来接触困难设计任务，提供有效的工具。通常与形状和表面结构优化的目的是最大限度的减少应力位移以及自然频率的限制，有三种不同类的形状优化问题：横断面，几何和拓扑优化。横断面的优化是指确定具体的几何尺寸作为预选的设计。比如外壳的厚度或应力元素。几何优化带来了额外的设计变量，允许边界运动，同时也增加了一些难度，虽然几何优化在应用上去的了成功，但有许多工作工作仍然需要分析一些形状优化编程方法称为设计不可分割的组成部分，这项研究主要相对几何优化，涉及拓扑优化和截面修改，由于这些在形状优化技术上并不是什么新鲜事，所以重点研究几何优化。表面优化主要在车身和飞机设计中得到了很有的利用，早些时候Kaufmann在与车身设计方面的研究报道中提出了一种生成一个合适形状自动使用GA和自由变形（FFD）技术定义表面的反射线和过度。一个由Periaux提出的采用遗传算法重建和优化机翼的例子，原理是从数字化的点用进化算法的数据生成最佳的光滑表面。3 应用发展本文提出的问题是为了探讨遗传算法在产品设计和发展进化设计系统中的应用，使之容易制造和满足给定的几何约束。在使用遗传算法时有4个元素需要认知：第一必须是要指定的特征，换句话说就是解决问题的方案必须定义规范和搜索空间。第二解决问题的方案的基因型和编码必须定义，第三必须找出最适合问题的遗传算法，其中包括选择，交叉和变异，第四，建议可以评价第一个问题的逻辑结构，如图1是一个简单的形状优化遗传算法的流程图。第一步编码遗传算法的设计必须有效和高效的遍历和编码染色体或字符串从特征到基因型的映射问题，之前任何这样的映射关系，必须决定特征和基因的对应关系，因为是直接操纵遗传算法，同时目标函数和功能必须有新意，在算法变化中像参数和突变率在许多情况也非常不同的。图1一个用遗传算法的简单形状优化逻辑图3.1 边界表达在计算机辅助设计的过程中对形状特征表达是一个不可少的步骤，在当前的产品设计过程中主要用一下CAD系统，AUTOCAD，Microstation和AUTOdesk Inventor，从草图形状开始通过挤压旋转扫描形成实体，如图2是一个遥控器的草图形状选择，作为这个阶段需要的时制造的基本要素如槽，按键孔，在现阶段采用遗传算法进化和优化一个遥控器的二维和三维形状，这些案例在研究过后将为在以后发展道路提供更多的基本形状。为了简化问题，遥控器的边界表达被视为草图形状，最有的形状取决于边界特征和设计变量的选择，早期应用矩形和B样条的边界特征。图2 在Mechanical Desktop建造的实物模型对于整体比例为矩形的轮廓视为边界，四个参数用于表达特征。有两种方法：使用中心点坐标和长度宽度或用对角线的两个点，这里用到的是长度宽度和中心点，一个矩形坐标作为特征参数，长期进化过程中的长度和宽度比例定义为评估条件。图3 不同的结果生成不同的边界样式当被认为是两个矩形或者三个矩形的时候，涉及了更多的变量，为了避免重叠的矩形，我们假设包括两个相邻的矩形，进一步研究更多的形状可以通过染色体的类型和长度的变化，至于代表一个弯曲的形状，则认为是一个点，因为在工程机翼的形状大多数是函数和固定点，因此优化问题的参数也可以定义形状的非常的点，但有许多弊端，现在的大多数CAD系统B样条被广泛应用因为他们本身的控制和连续的属性，可以有效地控制点。一般情况下，平滑的曲线是产品表面的首选，特别是在制造方面，因此在这种情况下曲线成为唯一的形状表示元素，然后从表面优化演变成曲线优化，曲线的曲率可以被视为GA的评价条件，曲率是不唯一的限制测试结果可以从表1中得出。表1 设计案例的结构贡献度3.2 基于案例的进化设计系统在上述研究说明，只有一个产品的一个部分是考虑时间的，而产品包括各种组件，而组件组成不同的功能，例如制表符，孔，骨架等，对于一个设计任务设计师只是投入了一些新的设计说明通过系统的界面，然而该系统可以查找并选择一些部分匹配和相关资料作为遗传算法的初始，每个设计使用相同的形式主义：属性值是对产品功能的描述，是用来表示一个案例可以转坏为设计的基因型，结构属性的物理特性是为了更加方便和灵活高效的数据检索，用来描述的属性分为四大类分别是背景，功能，行为和结构。以控制器的设计为例，设计师输入他的抽象设计要求后，七哥现有的控制器的设计应该被选中，表一列出了所有的结构属性，代表建议的情况下的七哥特征，然后在不断的发展过程中，无论是评价函数GA和人工选择，所有的决定由设计师结束这种进化过程，遗传算法对个别产品的基因型由随机交配和变异，检测任何变化相应的表型，确定是否任何由此产生的表型是否解决问题，如果没有则重复这个过程，每个表型是一个潜在的解决方案，特征和制造约束评价转型仍然是研究的重点。4 结论和今后的工作该文章有关研究项目的前期工作进化计算的应用在制造设计技术，这项研究的通用发展方向是让遗传算法支持自动处理计算机框架，在CAD和CAM系统表面优化是非常方便的对于设计师在设计改善和优化方面的应用，在本文中，表达方法是具有代表性的但结构非常简单，因为数据和形状特征的代表直接对应，只有简单的遗传算法可以使用，在进一步的研究，形状表达是一个过程，包括制造指令和制造形状的评价，此外全面的评价整个表面需要开发和人工智能的融合，这将有助于产生所需的表面形状，根据具体情况设计师用户可以更改优化参数。致谢这项研究项目是由UGCPh.D支持，从香港理工大学获得项目赠款，作者感谢Design Technology Research Centre of School of Design的研究人员。参考文献Bentley, J. P. (Ed.). (1999). Evolutionary design by computers. Morgan Kaufmann Publishes, Inc.Bentley, J. P. ( 1996). Generic evolutionary design of solid objects using a genetic algorithm. Ph.D. thesis.Davis, L. (1991). Handbook of genetic algorithms. New York: Van Nostrand Reinhold.Frazer, J. (1995). An evolutionary architecture, Architecture Association, London.Frazer, J., Tang, M. X., & Sun, J. (1999). Towards a generative system for intelligent design support. In Proceedings of the fourthconference on computer aided architectural design research in Asia, pp. 285294.Gen, M., & Cheng, R. W. (1997). Genetic algorithms and engineering design. Ashikaga, Japan: Ashikaga Institute of Technology.Goldberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Reading: Addison-Wesley PublishingCorporation, Inc.Graham, P. (1995). The application of evolutionary and rule-based techniques in computer aided design. Ph.D. thesis.Hawkes, B., & Abinett, R. (1984). The engineering design process. The University Press (Belfast) Ltd.Holland, J. (1975). Adaptation in natural and artificial systems. Ann Harbor: University of Michican Press.Karl, S. (1997). Artificial evolution for computer graphics. Computer Graphics, 25(4), 319328.Kaufmann, E., & Klass, R. (1988). Smoothing surfaces using reflection lines for families of splines. Computer Aided Design, 20(2), 7378.Medland, A. J. (1986). Computer-based Design Process. London: Chapman and Hall, Ltd.Roy, R., Furuhashi, T., & Chawdhry, P. K. (Eds.). (1999). Advances in soft computing: Engineering design and manufacturing. London,Hong Kong: Springer.Rooney, J., & Steadman, P. (Eds.). (1997). Principles of computer-aided design. UCL press.Sun, J., Frazer, J., Tang, M. X. (1999). Application of evolutionary techniques in design for manufacturability. In Proceedings of the fifthinternational conference on computer aided conceptual design CACD99, Lancaster University.Watabe, H., & Okino, N. (1993). A study on genetic shape design. In Proceedings of the fifth international conference on geneticalgorithms, pp. 445450.Winter, G., & Periaux, J. (Eds.). (1996). Genetic algorithms in engineering and compu