(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210778246.6 (22)申请日 2022.06.30 (71)申请人 天津大学 地址 300072 天津市南 开区卫津路9 2号 (72)发明人 李彪　李君兰　张大卫　高卫国　 (74)专利代理 机构 天津市北洋 有限责任专利代 理事务所 12 201 专利代理师 刘子文 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于三叉元结构的机床结构件正向设 计方法 (57)摘要 本发明公开一种基于三叉元结构的机床结 构件正向设计方法， 包括： 将三叉元结构作为待 设计结构 件的内部筋板基本结构单元； 依据三叉 元结构逐步增长的模式构建待设计结构件的内 部筋板结构， 建立生长的数学模型及流程图， 通 过三维软件建立待设计结构 件的参数化模型， 并 生成若干模 型样本； 基于 拉丁超立方算法对模型 样本随机抽样， 将模型样本利用ANSYS软件进行 静动特性 分析； 利用BP神经网络对模型样本静动 特性分析结果进行训练， 从而构建BP神经网络预 测模型； 基于遗传算法对BP神经网络预测模型进 行循环逼近， 与传统元结构形式进行对比得出在 待设计结构 件设计尺寸范围中最优尺 寸。 本发明 可以改善结构的静动特性， 节省大量的人力物 力， 便于加工制造 。 权利要求书3页 说明书11页 附图9页 CN 115146408 A 2022.10.04 CN 115146408 A 1.一种基于三叉 元结构的机床结构件正向设计方法， 其特 征在于， 具体包 含步骤如下： S1.将三叉 元结构作为待设计结构件的内部筋板基本结构单 元； S2.将三叉元结构以逐步增长的模式构建待设计结构件的内部筋板结构， 所述内部筋 板结构由待设计结构件的外部轮廓尺寸限制； 依据三叉元结构逐步增长的模式建立生长数 学模型及生长的流程图； 通过三维软件建立待设计结构件的参数化模型， 依据待设计结构 件的尺寸范围生成若干模型样本； S3.利用拉丁超立方算法对模型样本进行随机抽样， 抽取N个模型样本； 将N个模型样本 利用三维软件生成用于ANSYS分析的.x_t格式文件； 并将N个模型样本利用ANSYS进行静动 特性分析， 得到N个模型样本的最大变形值、 导轨基面最大变形值、 最小变形值及前六阶固 有频率值； S4.分别以待设计结构件的尺寸设计变量作为输入层的神经元， 以待设计结构件最大 变形值、 导轨基面最大变形值、 导轨基面最小变形值及前六阶固有频率值为输出层的神经 元， 经过若干次反复试验确定隐含层神经元个数， 将N个模型样本的最大变形值、 导轨基面 最大变形值、 最小变形值及前六阶固有频率值结果利用BP神经网络进 行训练得到满足误差 要求的BP神经网络预测模型。 S5.基于遗传算法对BP神经网络预测模型进行循环逼近， 得出待设计结构件尺寸范围 内的最优尺寸， 完成最终设计。 2.根据权利要求1所述基于三叉元结构的机床结构件正向设计方法， 其特征在于， 步骤 S2中， 设定由三叉元结构的生长角度构成的有序集合A、 三叉元结构的生长长度的有序集合 L、 三叉元结构的高度的有序集 合H； 建立 生长数学模型为： 其中集合A中αi、 βi、 γi分别为内部筋板结构第i个节点处的三个方向角； m表示内部筋 板结构内的节点总数； lg、 tr、 ha分别为三叉元结构的生长长度、 厚度、 高度； n表示三叉元结 构总数； Tt包含内部筋板结构 厚度的集合； Te包含待设计结构件的外壳厚度的集合； 待设计 结构件外壳厚度包括tb、 ts和tf： tb是待设计结构件外壳的侧面厚度， ts为待设计结构件 外壳 的支撑面厚度， tf为待设计结构件外壳的功能面厚度； f(A,L,Tt,Te,H)是设计目标： 待设计 结构件的静动力学特性； W(A,L,Tt,Te,H)是与待设计结构件尺寸变 量要素相关的重 量函数， Wmin待设计结构件 重量下限， Wmax待设计结构件 重量上限； D(A,L,Tt,Te,H)表示待设计结构件 的外部轮廓尺寸构成的设计集合； U,D0是待设计结构件外部轮廓尺寸在设计要求范围内的 全部外部轮廓尺寸组成集 合。权　利　要　求　书 1/3 页 2 CN 115146408 A 2确定三叉元结构的生长厚度、 生长长度、 待设计结构件外 壳的功能面、 支撑面及侧面厚 度为驱动尺寸参数， 待设计结构件内部筋板结构 看作由若干个分叉点和分叉单元逐步生长 得到， 通过生长数学模 型完成生长； 并建立生长流程图， 利用SolidWor ks进行二次开发模拟 生长过程， 建立待设计结构件结构的参数化模型； 所述内部筋板结构的分叉节点存在两种不同的生长方式， 分为同步生长及非同步生 长； 各生长点的角度矢量 为： 式中α1、 β1、 γ1为初始分叉点角度， αi、 βi、 γi为内部筋板结构第i个节点处的三个方向 角； 为每次生长点的角度增量； 利用SolidWorks进行二次开发建立待设计结构 件的参数化模型； 任意改变待设计结构件的尺寸变量并快速生成待设计结构件的模型样 本， 生成若干模型样本 。 3.根据权利要求1所述基于三叉元结构的机床结构件正向设计方法， 其特征在于， 步骤 S3中， 利用MATLAB实现随机抽样， 抽取N＝1000个模型样本； 静动特性分析中， 在workbench 中添加一种与待设计结构件 材料的密度、 弹性模量、 泊松比相同的新材料； 将1000个模 型样 本导入到workb ench中并将新材料属性赋给模型样本， 划分网格， 根据 实际工况， 在待设计 结构件支撑处施加固定约束， 同时添加重力加速度实现重力施加及导轨基面位置的载荷， 然后进行静动力学的求 解， 最后进行静力学变形 结果及模态分析 结果的提取。 4.根据权利要求1所述基于三叉元结构的机床结构件正向设计方法， 其特征在于， 步骤 S4中， 将1000个模型样本按照比例分成计算预测集合和验证集合； 建立三组BP神经网络预 测模型， 第一组是三叉元结构生长长度、 生长厚度和待设计结构件外壳厚度为输入层神经 元， 待设计结构件最大变形值为输出层的神经元； 第二组是三叉元结构生长长度、 生长厚度 和待设计结构件外壳厚度为输入层神经元， 导轨基面最大、 最小变形值为输出层的神经元； 第三组是三叉元结构生长长度、 生长厚度和待设计结构件外壳厚度为输入层神经元， 待设 计结构件前六 阶固有频率值为输出层的神经元； 最后将BP神经网络预测模型结果与ANSYS 计算结果进行比较； 得到满足误差要求的BP神经网络预测模型。 5.根据权利要求1所述基于三叉元结构的机床结构件正向设计方法， 其特征在于， 步骤 S5中， 基于遗传算法对BP神经网络预测模型进行循环逼近， 采用遗传算法则需选取适应度 函数， 适应度函数取为y＝abs(sim(net))， 在材料耗量约束 下， 以待设计结构件的最大变形 值及导轨基面变形差和前六阶频率作为目标 的待设计结构件的尺寸优化数学模型如下式 所示：权　利　要　求　书 2/3 页 3 CN 115146408 A 3