徐致宇

(延安大學(xué),陜西 延安 716000)

0 引 言

云制造是一種利用云計算技術(shù)的新型的網(wǎng)絡(luò)化制造模式,據(jù)其云制造給出的一切即服務(wù)的觀念,有限元分析(Finite Element Analysis, FEA)可理解為一種服務(wù)為構(gòu)建機械產(chǎn)品自動化智能服務(wù)系統(tǒng)的關(guān)鍵技術(shù)。云制造模式下有限元分析擁有自動化和遠程化的特點,現(xiàn)階段成熟的有限元分析模型可歸結(jié)為參數(shù)化和智能化有限元分析兩種類別[1-3]。這兩種分析方法均對于自動化水平有一定的提升作用,但它們通常僅適用于單一或者制定的商品,而當(dāng)商品的載荷或拓撲結(jié)構(gòu)出現(xiàn)變動時將受到限制。基于此,研究依據(jù)云制造環(huán)境下有限元分析的需求分析而給出新的有限元分析模型的構(gòu)建方法,同時通過實驗驗證了所提出方法的有效性。

1 云制造模式下機械產(chǎn)品自動化智能服務(wù)系統(tǒng)設(shè)計

1.1 云制造的產(chǎn)品參數(shù)化建模過程

云制造模式下有限元分析過程需被封裝為服務(wù),由于有限云分析的基礎(chǔ)是完成對產(chǎn)品的幾何建模,參數(shù)模型仍需被封裝為服務(wù),研究設(shè)計一種自動生成的幾何建模方法。該方法首先借助SoildWorks三維建模軟件獲得幾何模型的應(yīng)用程序接口(Application Program Interface,API)腳本,接著利用可視化基礎(chǔ)版6.0(Visual Basic 6.0,VB)語言優(yōu)化腳本的結(jié)構(gòu),并將其封裝成動態(tài)連接庫文件(Dynamic Link Library,DLL)放入服務(wù)器[4-5]。SoildWorks三維建模軟件區(qū)別于傳統(tǒng)二維建模設(shè)計方式,可直接實現(xiàn)三維建模;同時該模型還可借助幾百個API函數(shù)實現(xiàn)可擴展功能,進而構(gòu)建適合于用戶的產(chǎn)品參數(shù)化系統(tǒng)。產(chǎn)品參數(shù)建模學(xué)習(xí)包括產(chǎn)品二次開發(fā)過程、控制產(chǎn)品形狀及尺寸、控制產(chǎn)品的拓撲結(jié)構(gòu)。

二次開發(fā)過程包括程序法和尺寸驅(qū)動法,由于尺寸驅(qū)動法僅在拓撲結(jié)構(gòu)固定的情況下有效,因此,研究采用程序法[6-8]。建模過程均使用代碼來完成,該方法可設(shè)置更多的參數(shù),在拓撲結(jié)構(gòu)改變時可通過減少或增加建模操作來實現(xiàn)。二次開發(fā)的具體步驟為錄制和編輯腳本兩個階段,具體過程如下。其一,打開SoildWorks軟件,借助宏工具實現(xiàn)建模過程。其二,選擇基準(zhǔn)面,繪制和保存草圖。其三,設(shè)置草圖、回轉(zhuǎn)中心、回轉(zhuǎn)角度,形成幾何模型。依據(jù)不同的零件類型,研究分為回轉(zhuǎn)類零件、拉伸類 零件、掃描和放樣類零件、抽殼類零件?；剞D(zhuǎn)類零件為草圖繞著回轉(zhuǎn)中心回轉(zhuǎn)成型的零件,它可通過回轉(zhuǎn)角度、回轉(zhuǎn)中心、草圖的形狀等因素實現(xiàn)對尺寸和形狀的控制。圖1(a)-圖1(b)分別是指掃描和放樣零件的控制方法。拉伸類零件的控制方法可分為繪制草圖和拉伸成型兩個過程,控制方法可分為拉伸長度、拉伸方向、控制草圖的形狀和尺寸等因素。掃描和放樣兩種成型方式既有相同點又有區(qū)別點。掃描是指沿著路徑將構(gòu)建的草圖延伸成幾何模型,放樣是指在放樣路徑上構(gòu)建幾何體剖面,經(jīng)連接處理得到幾何模型。抽殼成型方法的處理過程為設(shè)置軸殼的厚度和方向、選擇抽殼面、建立幾何模型。

圖1 四種零件的控制方法

SoildWorks軟件提供了圓角、倒角、抽殼等各種形式的成型方法,所有的幾何模型均可看出基本幾何體的組合。當(dāng)僅使用一種成型方法難以完成建模過程,則需考慮不同產(chǎn)品的拓撲結(jié)構(gòu)進行組合控制,以得到不同的幾何模型,具體過程如下。構(gòu)建基本的幾何體,以及其他幾何體,并實現(xiàn)幾何之間的布爾操作。在創(chuàng)建其他幾何體過程中需參考基準(zhǔn)軸和基準(zhǔn)面,確保相互間的位置、陣列方式不發(fā)生變化,進而獲得幾何模型的不同拓撲結(jié)構(gòu)。

1.2 基于正則文法的有限元分析模型

針對目前自動有限元分析方法存在的問題,研究通過正則此文法構(gòu)建FEA模型,獲取方式為自動構(gòu)建腳本方法。該方法借助正則文法獲取FEA腳本的組成規(guī)律。然后通過本體構(gòu)建模型,將常用FEA建模過程組建上層本體,將詳細的過程組成具體本體。研究采用機械系統(tǒng)動力學(xué)自動分析軟件(Automatic analysis of mechanical system dynamics;ANSYS),參數(shù)化設(shè)計語言為ANSYS參數(shù)設(shè)計語言(ANSYS Parameter Design Language,APDL)。

文法可稱作語法,用四元組G={VN,VT,P,S}表示,利用文法獲得語言中所有的句子。P,VT,VN,S分別是指產(chǎn)生式集合、終結(jié)符集、非終結(jié)符集、開始符號。由于3型(正則)文法描述語言非常簡單清晰,產(chǎn)生式左部為單一的非終結(jié)符,右部可能會存在非終結(jié)符和中級符,這和有限元分析過程的特點相同,研究利用正則文法對此進行描述。為了克服現(xiàn)有參數(shù)化分析方法的問題,研究分離FEA參數(shù)模型和幾何模型,提出了正則文法的FEA腳本生成方法。這種方法將FEA腳本劃分為腳本片段,通過文法重新組織腳本。圖2是指該方法的的工作示意圖。首先,構(gòu)建FEA上層本體。然后,構(gòu)建FEA具體本體。其次,參數(shù)化處理FEA腳本片段。再者,輸入?yún)?shù),利用FEA腳本生成算法推導(dǎo)獲得新的FEA腳本。最后,經(jīng)份有限元分析軟件獲得分析結(jié)果并傳遞給用戶。

圖2 正則文法的FEA腳本生成方法

FEA本體包含F(xiàn)EA具體本體和上層本體。FEA上層本體的構(gòu)建是指拆分、映射通用FEA過程,拆分過程可分為前處理、加載求解、后處理三個分析階段,這些過程可設(shè)置為實體,上層實體中的每個實體均有著自身的屬性,同時能為具體的實體擴展提供接口。在構(gòu)建好上層本體后可依據(jù)擴展原則獲得FEA具體本體。FEA具體本體和FEA的需求一一對應(yīng),不同系列產(chǎn)品的FEA具體本體的子實體之間的關(guān)系存在差異。對于正則文法的自動生成,研究采用寬度優(yōu)先搜索算法(Breadth First Search,BFS)。BFS的特點是通過寬度方向?qū)γ繉庸?jié)點進行遍歷。正則文法的起始符為FEA本體的根節(jié)點,非終結(jié)符為全部的非葉節(jié)點。當(dāng)碰到任何子樹的根節(jié)點時,依據(jù)順序統(tǒng)計該節(jié)點的所有子節(jié)點。對于FEA模型的自動生成,研究首先構(gòu)建前處理和加解求解階段的APDL腳本,然后利用深度優(yōu)先搜索算法(Deepth First Sreach,DFS)順著深度方向遍歷所有的節(jié)點。

表1 FEA模型的參數(shù)設(shè)置情況

2 正則文法的有限元分析模型的性能分析

為了驗證所設(shè)計的云制造模式下機械產(chǎn)品自動化智能服務(wù)系統(tǒng)的性能,研究使用的硬件環(huán)境為Intel I7-4790、NVDIA GTX1050TI,操作系統(tǒng)為Windows10 64位,框架為Django,服務(wù)器為Nginx,數(shù)據(jù)庫為SQLite,語言為Python。研究所設(shè)計的系統(tǒng)按照要求完成了系統(tǒng)功能模塊、運行流程、數(shù)據(jù)庫的設(shè)計。表1是指FEA模型的參數(shù)設(shè)置情況。

為了驗證正則文法的有限元分析模型的性能,研究提出利用精準(zhǔn)率-召回率(Precision-Recall,PR)曲線與多種有限元分析方法進行對比,分別是全FEA模型的參數(shù)化方法、可變參數(shù)的FEA模型、知識管理的智能化FEA模型,用方法一、方法二、方法三指代,結(jié)果如圖3所示。設(shè)置分類閾值分別為0.4和0.6,模型的性能分別如圖3(a)和3(b)。整體來看,結(jié)合正則文法的有限元分析模型相比較于其他FEA模型而言,該模型的性能更佳,其次為全FEA模型的參數(shù)化方法、可變參數(shù)的FEA模型,性能最差的模型為知識管理的智能化FEA模型。當(dāng)精準(zhǔn)率與召回率相同時,結(jié)合正則文法的有限元分析模型的精準(zhǔn)率分別為0.85和0.86。

圖3 四種FEA模型的性能對比

圖4 四種FEA模型不同數(shù)據(jù)規(guī)模下的運行效率

圖4是指四種FEA模型不同數(shù)據(jù)規(guī)模下的運行時間。隨著數(shù)據(jù)規(guī)模的不斷增加,四種FEA模型的運行效率逐漸降低。整體來看,結(jié)合正則文法的有限元分析模型相比較于其他FEA模型而言,該模型的運行效率更快。以10GB數(shù)據(jù)規(guī)模為例,結(jié)合正則文法的有限元分析模型的運行時間為1.9s,全FEA模型的參數(shù)化方法、可變參數(shù)的FEA模型、知識管理的智能化FEA模型的運行時間為2.2s,3.5s,4.0s。因此,研究所給出的FEA模型在相同數(shù)據(jù)規(guī)模下具有更高的運行效率。

3 結(jié) 語

為了解決云制造模式下自動化服務(wù)效率低等問題,研究設(shè)計了機械產(chǎn)品自動化智能服務(wù)系統(tǒng)的有限元分析模型。隨著數(shù)據(jù)規(guī)模的不斷增加,四種FEA模型的運行效率逐漸降低。結(jié)合正則文法的有限元分析模型相比較于其他FEA模型而言,該模型的性能更佳,其次為全FEA模型的參數(shù)化方法、可變參數(shù)的FEA模型,性能最差的模型為知識管理的智能化FEA模型。當(dāng)精準(zhǔn)率與召回率相同時,分類閾值為0.4和0.6時,結(jié)合正則文法的有限元分析模型的精準(zhǔn)率分別為0.85和0.86。結(jié)合正則文法的有限元分析模型相比較于其他FEA模型而言,該模型的運行效率更快。該方法極大程度提升了FEA建模的工作效率和靈活性,可應(yīng)用于機械制造產(chǎn)品的自動化服務(wù)領(lǐng)域。