某彈鼓構件參數化分析與結構優化

樊永鋒，張海洋，劉明敏，吳寶雙，徐志遠，陳 雷

(中國船舶重工集團公司第七一三研究所， 鄭州 450015)

為了準確對某彈鼓進行參數化分析與結構優化，采用虛擬樣機軟件ADAMS/View對其構件進行參數化建模和仿真分析，進行優化設計。在建立參數化模型時，根據需求分析確定相關的關鍵參數，并將這些關鍵參數設置為設計變量，在參數化分析時，只需要改變這些變量值的大小，虛擬樣機模型就能夠自動更新，以便觀察不同參數值下樣機性能變化[1]。

進行參數化建模時，ADAMS/View提供了4種參數化的方法：參數化點坐標、設計變量、參數化運動方式和參數化表達式[2]。洪吉超等[3]通過參數化點坐標方法對滾動軸承進行參數化建模與動力學仿真，優化高速軸承的動力學特性。郭小寧[4]利用參數化點坐標方法，建立挖掘機工作裝置機構系統模型，實現挖掘機虛擬樣機工作裝置的尺寸參數化驅動和運動約束。梁爽等[5]提出1種以三維參數化仿真為核心，進行壓氣機靜葉聯調機構方案設計的方法。

胡正勇等[6]利用ADAMS軟件進行二次開發功能，建立某款塑殼斷路器機構參數化設計模型，實現斷路器部件的參數化和約束自適應調整。本文利用設計變量參數化彈鼓模型中構件——進彈導引為例，研究導引參數化分析及結構優化，可以提高彈鼓機構分析設計效率。

1 進彈導引工作原理

進彈導引是彈丸由進彈口進入彈鼓的連接機構，主要由兩側導引肋板組成，其實體模型如圖1所示。

圖1 進彈導引三維實體模型

在供彈的過程中，彈丸在進彈導引兩側肋板上運動，有約束彈丸運動和調整彈丸姿態的作用，如圖2所示。

圖2 彈丸在進彈導引肋板上運動示意圖

2 進彈導引參數化建模

在ADAMS/View中，可以通過設計變量定義自變量參數，方便地改變虛擬樣機的任何對象，當設計變量參數改變時，所有同設計變量相關聯的對象也都隨之改變，通過參數化分析，令設計變量在一定范圍內變化，從而自動進行一系列參數化分析。

進彈導引兩側肋板對供彈動作影響較大，故采用設計變量DV_1、DV_2來控制兩側肋板半徑大小(如圖3所示)，對與設計變量相關聯的進彈導引屬性進行更新，分析對彈鼓供彈性能的影響參數，找到合理尺寸數值。進彈導引兩側肋板原始數值為R1=62.50 mm、R2=48.00 mm，則設計變量DV_1取值范圍為(60.50，64.50)mm，DV_2取值范圍為(46.00，50.00)mm。

圖3 進彈導引肋板參數化模型

3 參數化仿真分析

3.1 建立目標函數

目標函數是用數學方程來表示模型質量、效率、成本、穩定性等。使用精確數學模型的時候，最優的函數值對應著最佳的設計[7]。目標函數是參數化分析判斷的依據，可以根據目標函數來確定相關尺寸[8]。在對進彈導引參數化設計過程中，選擇與彈丸最大峰值接觸力中的最小值為目標函數，如圖4所示。

圖4 建立目標函數

3.2 仿真分析

對進彈導引進行參數化仿真過程中，在設計變量范圍內依次選取5組數據，進行參數化分析，得到設計變量DV_1對應接觸力隨時間變化曲線如圖5所示，設計變量DV_1報告如圖6所示。

圖5 設計變量DV_1對應接觸力隨時間變化曲線

圖6 設計變量DV_1報告

根據設計變量DV_1報告，在DV_1的5次取值過程中，62.50 mm所對應的最大峰值接觸力在5組數據中為最小，其峰值接觸力為315.79 N。

同理可以對設計變量DV_2進行參數化仿真，得到設計變量DV_2對應接觸力隨時間變化曲線如圖7所示，設計變量DV_2報告如圖8所示。

圖7 設計變量DV_2對應接觸力隨時間變化曲線

圖8 設計變量DV_2報告

根據設計變量DV_2報告，在DV_2的5次取值過程中，47.00 mm所對應的最大峰值接觸力為18 402 N，比原始數據48.00 mm所對應的最大峰值接觸力21 650 N小，是合理取值。

4 Insight試驗優化設計

Insight是以設計復雜的試驗來評價機械系統的性能[9]，提供一系列的統計工具以幫助更好的分析結果，利用Insight，進行單目標優化或者多目標優化計算。

在Insight設計因素中，設計變量DV_1標準取值為62.50 mm，公差為(0.05)mm，默認數據變化類型為連續。在設計范圍內進行變化，設置DV_1服從正態分布，得到設計變量DV_1正態分布如圖9所示。

圖9 設計變量DV_1正態分布

根據設計變量DV_2參數化結果， DV_2標準取值為47.00 mm，公差為(0.05)mm，默認數據變化類型為連續。在設計范圍內進行變化，設置DV_2服從正態分布，得到設計變量DV_2正態分布如圖10所示。

圖10 設計變量DV_2正態分布

Insight中，通過改變設計變量值的大小，利用相對靈敏度分析結果，研究哪些因素的影響比較大，并且根據這些因素之間的關系獲得最佳目標[10]。

創建進彈導引的響應為最大的峰值接觸力為最小，利用回歸分析方法，研究因素對應的響應關系，可以確定設計變量DV_1、DV_2對最大的峰值接觸力的影響即參數靈敏度，如圖11所示。設計變量DV_1、 DV_2對彈鼓供彈系統動態性能的影響為0.42%和0.32%。

圖11 相對靈敏度結果

根據ADAMS參數化計算結果，對優化后的尺寸進行仿真分析，計算出在進彈導引尺寸優化基礎上的峰值接觸力，如表1所示。

表1 進彈導引優化前后對比

5 結論

1) 根據將進彈導引建立參數化模型，在參數化分析后得到進彈導引兩個肋板半徑為R1=62.50 mm、R2=47.00 mm，峰值接觸力相對減小18.13%。

2) 根據Insight優化設計，利用設計變量DV_1、DV_2正態分布計算出參數靈敏度為0.42%和0.32%，證明了進彈導引優化的可行性，取得滿意的效果。

3) 本文采用理想的剛體模型，沒有考慮構件的變形，相對于實際情況有一定誤差。當設計基本定型時再采用柔性模型進行更精確的仿真驗證。