
摘要
在当下的工业环境中,企业面临着多方面的挑战。降本增效已成为企业发展的必行之路。在这种背景下,利用虚拟测试成为一种可行的战略方法。
然而,仅通过传统的确定性模拟无法充分利用虚拟测试的有效性,尤其是在涉及复杂材料和工艺的复杂场景中,如增强塑料和注塑——这正是我们提出的解决方案的重点。
为了克服确定性方法施加的约束,我们开发了一种稳健的和自适应的设计解决方案。这种创新方法基于解决材料和工艺变化中固有的无数不确定性的基本原则。这些不确定性包括物理和数值两个方面。为了证明这一点,我们可靠性设计解决方案采用了不确定性量化(UQ)框架。
采用可靠性设计方法使用户能够规避过度设计或设计不足的风险。这对于复杂的材料行为尤其适用,其特征是显著的可变性,因此具有高度的不确定性——这是可持续材料中常见的特征。例如,可回收的和生物基物质的材料就是这种可持续发展趋势的例证。在增强塑料领域,我们的可靠性设计解决方案成为理解和有效管理工业领域中这些日益流行的材料的关键推动者。
本研究通过两个不同的案例研究实现了可靠性设计方法:以样本为中心的探索和涉及电池外壳的研究。随后的研究结果被仔细记录和全面检查。我们努力想为读者展示我们这个创新工具包的具体实施范例。这两个例子展示了UQ工具包的实用性,并强调了其对降低成本和提高质量的巨大潜力——对于任何在当代工业框架内认真工作的设计师来说,这都是必不可少的目标。
框架和目标
01
痛点
在当前充满挑战的经济形势下,各行业迫切需要降低成本,加快新创新的上市时间。成本节约可以通过各种策略来实现,包括最大限度地降低材料成本,减少缺陷以达到质量标准,以百万分之一(PPM)量化。为了应对这些挑战,需要一种在遵守产品规范的同时减少材料消耗的设计解决方案。
这项工作是通过虚拟制造来简化产品的上市时间。此外,工业必须通过减少碳足迹来应对新的环境因素。这需要采用创新材料,例如可持续材料。在静态、动态和疲劳条件下,这些创新材料的性能会发生显著变化。
02
为什么固定(确定性)设计不严格
固定设计或确定性设计代表设计的所有参数都是固定的假设。换句话说,设计几何结构、边界条件和材料特性都是固定的,并且是完全受控的。当然,现实世界并非如此。当通过多次迭代测量材料的性能时,结果永远不会完全相同。
在这种情况下,大多数设计师要么假设平均值,要么假设最有可能的情况。一些设计师添加了最坏的情况来增加他们的估计的可信度。这两种方法都缺乏严谨性,甚至可能是危险的。
事实上,取平均值的情况并没有考虑所有的情况,例如输入参数的分布是错误。更确切地说,这种情况对应于一种许可设计或设计不足的情况。另一方面,如果我们考虑最坏的情况,设计师过于保守,这可能导致使用比必要的材料更多的材料或更高效的产品。后一种情况相当于过度设计。
03
什么是可靠性设计
可靠性设计和刚性或确定性设计完全相反。在这种情况下,假设所有或一些输入参数相对于某些概率定律而变化。例如,考虑的不是几何图形的固定尺寸,而是该尺寸的一系列值。
类似地,不考虑所使用的材料特性,例如固定的材料强度,而是考虑一系列强度值。然后,目标是评估设计的概率响应,将其与规范进行比较,并得出设计的可靠性是否符合项目参与者定义的一些基线阈值的结论。
可靠设计也可以在文献中以其他术语的形式找到,如基于不确定性量化(UQ)设计、概率设计、随机设计或贝叶斯设计等。任何旨在解释差异性传递的设计。
04
可靠性设计的解决方法
可靠性设计在科学和工程领域都不是一门新学科。事实上,自从有限元分析(FEA)和六西格玛方法的发展和引入以来,该领域就一直存在。另一方面,目前可用于可靠性设计的解决方案受到以下限制:
• 需要许多不同的工具
可靠性设计需要不同类型的数值工具来进行典型的分析:有限元分析软件、脚本界面、模拟管理器、
图1:Digimat-RP UQ插件的5个步骤
01
准备输入文件
该初始步骤包括为Digimat RP准备必要的输入文件,包括:
• Digimat材料卡片
• 有限元分析输入(当前版本兼容Marc和Abaqus)
• 取向张量文件(当前版本支持Moldflow和Moldex)
02
定义并执行DoE(实验设计)
在这一阶段,用于高保真度模拟的DoE占据了中心位置。用户通过为每个考虑到的不确定性设置范围来定义DoE的范围。采用均匀分布来生成这些范围(图 2)。实际上,取向张量文件的N个不同变化是根据指定的不确定性范围而生成的。N对应于高保真度模拟的数量——通常是未知输入参数数量的五倍左右。最终,用户为后处理指定感兴趣的关键性能指标(KPI),例如综合失效指数(FI)。
图3:: ROM性能的定性和定量评估
04
定义和计算设计极限
设计极限的概念概括了可接受设计和不可接受设计之间的界限。它围绕着确定一个部件是在可接受的阈值内还是已经超过该阈值。例如,它确定一个零件是否已经达到其失效极限。这可能表现为临界失效指数的突破,或者是指定参考节点处的力-位移曲线的顶点。
在此背景下,探索了两种不同的方法来确定设计极限:AI方法和分布方法(图4)。
• AI方法:这种方法包括训练分类模型,从用户输入中学习,使其能够辨别结构组件是否发生了故障。
• 分布方法:在这里,研究重点转移到评估失效指数(FI)的分布上。当FI分布的定义百分比(x%)超过关键FI阈值时,将引用设计限制。
图5: 如何计算最终可靠性
06
使用Digimat-RP UQ插件
一旦用户准备好了输入文件,就可以从Digimat-RP中启动Digimat RP-UQ插件,如图6所示.
图7: 试样模型
• DoE
高保真度DoE变量是使用均匀分布生成的。这旨在更好地涵盖所考虑的不确定性来源的范围。在下一步评估可靠性时,使用高斯分布。在当前示例中,考虑了两个主要的不确定性来源(图8):
▪ 不确定性1:注塑成型模拟结果,即每个积分点的取向张量(2个参数)
▪ 不确定性2:所考虑材料的失效极限(3个参数)
生成的DoE参数的结果如图9所示。
图9: 为试样案例生成高保真度DoE
• ROM
首先,应当对降阶模型进行定性和定量评估。对角线图(图10)显示了模型预测的全场Fisher信息(FI)与真实计算的全场FI之间的近乎完美匹配。这可以通过针对不同数量的训练数据评估的R2误差参数来定量地证实。
▪ 定性评估:对角线图(图10)显示,针对FI的所有值,模型预测结果与真实计算结果非常一致。这表明该模型可以捕捉FI场的基本特征。
▪ 定量评估:R2分数是衡量模型预测与真实值之间拟合好坏的指标。对于训练数据的所有值,R2分数接近1,这表明该模型与数据很好地拟合。
总体而言,定性和定量评估的结果表明,ROM可以准确预测FI场。这意味着ROM可以用于设计和优化具有高可靠性的产品。
图11: 使用训练好的ROM预测的失效指数全场可视化示例
• UQ
图 12 显示了对训练好的ROM模型的100次调用的结果。在这100个测试案例中,有6个案例的结构设计失效。这对应于6%的失效概率(Pf)和94%的可靠性。这是否令人满意取决于用户的目标技术规范,例如可容忍的失效为百万分之一(PPM)。
根据报告的结果,取向张量的第一个分量对设计可靠性的影响最大。该取向在样件中含量越高,哑铃型试样失效的可能性就越大。
图13: 考虑的电子电池外壳模型
• DoE
与之前概述的情景类似,本案例研究考虑了相同的不确定性来源(图14)。其中包括:
▪ 不确定性1:注射模拟结果,特别是单个积分点的取向张量(包括2个参数)。
▪ 不确定性2:相关材料的指定失效阈值(由3个参数组成)。
图15: 为电子电池外壳案例验证训练好的ROM
• 假设分析
训练好的模型能够促进全面假设分析方面的实用性(图16)。为了优化效率,将ROM集中在有限元分析中的特定节点集上。这种策略选择集中在失效指数不为零且结构失效发生概率最高的节点上。
图17: 考虑电子电池外壳案例的不确定性资源的可靠性分析结果示例
结论与展望
采用可靠性设计方法对增强塑料有很多好处,包括:
• 控制设计风险:设计不足的风险通常源于在设计阶段缺乏对不确定性来源的认识,可以通过采用可靠性设计方法来避免,如上所述。
• 避免过度设计:比较谨慎的设计做法会导致产品过度设计。这通常是由于对各种不确定性来源的了解有限,迫使工程师采用过于保守的安全系数。可靠性设计方法可实现精确的材料和工艺选择,提高效率并减少浪费。
• 驯服可持续材料:随着可回收和生物基变体等可持续利用材料的使用越来越多,可靠性设计证明极其有用的。这些材料表现出显著的可变性。实施稳健的设计方法让设计师在保持产品质量的同时,能够为特定应用确定最佳的绿色材料。
• 利用增强塑料的专业解决方案:Digimat RP UQ插件提供了一个专用的、流线型的接口,以满足增强塑料的独特要求。通过使用这个插件,用户可以放心地进行可靠性设计,在保持产品质量的同时节省成本。
从本质上讲,在Digimat RP中集成可靠性设计的框架大大加强了增强塑料的设计过程,带来了效率、可持续性和产品质量的提高。
同时采取下一步的行动
Digimat 2023.2版本已增加了Digimat RP UQ插件(图18),在此框架内,用户将需要有效的tokens来使用Digimat、Odyssee和所选的有限元求解器,无论是Marc还是Abaqus。
Copyright 版权所有 Copyright 2013-2020 福建省云创集成科技服务有限公司 共建合作:中国协同创新网
All Rights Reserved. 运营维护:三明市明网网络信息技术有限公司 业务咨询:0598-8233595 0598-5831286 技术咨询:0598-8915168