新型梁底檢查車單元多學科模塊化開發

西南交通大學機械工程學院 成都 610031

0 引言

針對城市公路橋涵大型化及差異化的趨勢，單一梁底檢查車平臺的成本及效率問題日益暴露。傳統大跨度檢查車結構單一，耗材較大，對大跨度梁底檢查車結構的模塊化、標準化設計尤為重要。隨著多平臺組合設計在工程設計中的發展，如文獻[1-3]采用不同虛擬平臺及算法聯合優化設計。由于組合設計中工法、平臺接口及模擬環境的不同，導致組合設計的差異性及間斷性，未形成適應性強、功能豐富的完整設計閉環。本文基于該問題，提出一種集模型提出、環境模擬、二次開發及參數優選為一體的多學科協同模塊化開發平臺，并以APDL語言、拓撲學、PDS分析器及Isight等虛擬平臺建立設計策略，開發一種新型可裝配模塊化梁底檢查車單元，并在靜動態性能下校核對比4種傳統檢查車結構，驗證了新型單元的各項指標優勢及混合開發平臺的多功能性，達到了大跨度檢查車模塊化要求。

1 多學科模塊化開發平臺思想

1.1 梁底檢查車主體結構

梁底檢查車采用主體結構懸掛與驅動小車倒置在橋體主梁頂部軌道的方案。主體結構由玄桿與多腹桿焊接成型，主體結構采用6061-T6鋁合金，其彈性模量為6.9×104MPa，泊松比為0.3，密度為2 700 kg/m3,通過液壓馬達、電機或人工等方法驅動小車實現前進后退等功能，整體結構如圖1所示。

圖1 混凝土主梁檢查車結構

1.2 多學科協同模塊化開發平臺

多學科協同模塊化開發平臺分為A、B、C、D 4個獨立模塊。前處理模塊旨在數學模型建立、物理模型模擬及物理參數規劃等；后處理模塊包括性能校核、數值分析、變量參數確定及多成果尋優等。當前一模塊功能完成后，通過集成、調用或模擬接口環境等方式進入下一模塊，最終形成一體化開發平臺，多學科協同模塊化開發平臺設計流程如圖2所示。

圖2 模塊化設計平臺

模塊化設計平臺中B、C模塊中引用的虛擬平臺及算法可根據實際需求自由組合，充分探索復雜系統與子系統間的作用關系。針對梁底檢查車新型單元需求，模塊化設計策略如圖3所示。

圖3 模塊化聯合設計策略

根據CJJ37—2016 《城市道路工程設計規范》中規定，雙向行駛時車道寬度為3.25～3.75 m?？紤]到設計目標為雙向車道并保留寬度裕度，選取梁底檢查車跨度梯度為12 m、18 m、24 m及30 m，模塊外部尺寸為3 m×1 m×0.8 m。在梯度化梁底檢查車模塊背景下，目標是在模塊靜動態性能指標的約束下達到柔度極小化及結構成本尋優。傳統大跨度檢查車結構統一，腹桿布局密集，耗材較多，故依據腹桿空間利用比，探索新結構設計。根據模塊化協同設計策略，采用偽密度流動法的拓撲分析確定檢查車主結構腹桿布局、APDL語言生成參數模型、PDS貢獻率分析獲取編碼Pareto分布圖，提取參數、BP神經網絡近似建模誤差分析及聯合Hooke-Jeeves算法參數尋優校核組成的模塊化設計平臺。

2 模塊化設計平臺前處理模塊

2.1 基于偽密度流動的模塊拓撲分析

針對梁底檢查車模塊腹桿布局問題，將檢查車正面、端面受力腹桿布局假定為等材的8node 82單元，采用假定量0～1的單元偽密度來描述給定工況下材料的分配問題。偽密度η趨于0，表示該分配單元可以忽略，相反，η趨于1則表示單元保留。選定高跨比24×0.8 m單元為模擬對象，施加均布0.5 kN/m2恒載及2 kN/m2荷載。拓撲分析中，定義單元偽密度為設計變量，約束狀態量為腹桿體積占比，即（優化后流動密度量/初始密度量）。以體積占比35%、55%、75%為例，對大跨度單元進行偽密度流量分配。同時，以55%體積占比為約束，對標準模塊進行拓撲分析，結果如圖4所示。

圖4 腹桿偽密度分布

根據偽密度分布情況可以知：1) 大跨度結構拓撲分析下，整體兩端呈弧形，腹桿體積占比越大，承載效果越明顯。內部主要受載腹桿呈三角形且垂向腹桿較少。2) 模塊拓撲分析下，正面腹桿主要呈梯形且存在交叉結構，側面主要受載腹桿呈三角形腹桿，較傳統全交叉形腹桿傳力更明確。

2.2 拓撲檢查車新型結構建立

根據拓撲分析結果，采用APDL語言建立檢查車模塊。為模擬最優拓撲效果，新的檢查車結構采用端部模塊A+中部模塊B兩種結構焊接而成，采用約束化三角桿布局，端部模塊采用梯形化處理，中部模塊B采用菱形腹桿支撐以減少豎桿，根據拓撲效果反復試驗傳力路線，確定模塊結構。其中，端部模塊A衍生代數如圖5所示，以A+B+…+B+A的形式聯合成大跨度檢查車結構。模型以Beam 188為主體單元自底向上建立新模塊，拓撲檢查車新結構如圖6所示。

圖5 端部模塊衍生代數

圖6 拓撲檢查車新型結構

2.3 基于PDS的檢查車結構靈敏度分析

2.3.1 數學模型建立

1）輸入變量編碼(DVS)

根據單元結構APDL參數及檢查車物理特性，對材料分配唯一編碼作為輸入變量并賦予波動空間，模型編碼及波動范圍如表1所示。

表1 模型編碼及波動范圍

2）約束變量(SVS)及響應目標

以檢查車靜強度[Smax]、靜剛度[umax]及動剛度指標[f]小于指標閾值為約束條件。以檢查車耗材[Wt]為響應目標，約束響應閥值如表2所示。

表2 約束響應閾值

2.3.2 PDS參數貢獻率分析

在前處理模塊B中，通過PDS處理器復制創建貢獻率（百分比）設計的仿真循環文件，利用Monte Carlo思想來獲取樣本數據，以拉丁超立方法（LHS）抽樣，以全變量參數輸入，設定PDS分布函數為LOG1正態分布，設定初始均值為μ，變異系數選定10%。以撓度umax，強度Smax，一階模態固有頻率FRQ1及質量Wt波動最大效果為輸出，得到輸入編碼對約束變量及響應目標的Pareto圖,剔除影響因子較小的參數，提高優化效率。PDS試驗設計Pareto圖如圖7所示。

圖7 PDS實驗設計的Pareto圖

根據實驗結果，輸入變量、響應變量與優化目標值之間有較好的相關性，驗證了二次優化的可行性及必要性。為提高優化效率，剔除影響因子較小的t1、t2、t3、t4、t5、x1、x7等參數，選取其他11項參數為設計變量。

3 模塊化平臺后處理模塊

3.1 基于BP神經網絡近似建模

在后處理模塊C中，聯合Isight多學科優化平臺，搭建檢查車虛擬樣機模型。通過Simcode組件集成APDL語言建立的輸入文件（input file），響應文件（response file）及批處理文件（command file），建立模擬集成環境。采用徑向基BP神經網絡校核模型函數的逼近問題，BP神經網絡由輸入層，隱含層及輸出層構成，隱含層節點數=2×輸入層節點數+1=23。神經網絡傳遞數學表達式為

式中：xi為第i個基函數中心，為?i為中心寬度參數，‖x-xi‖為待測歐幾里得距離，神經網絡輸出層函數為

設定平滑因子為0，擬合最大迭代步數為50，利用拉丁超立方抽樣思想選取變量空間的100個樣本，設定Acceptance Level為0.9，通過R2來衡量近似模型與樣本點的符合程度,若R2趨近于1，則證明該模型具有較高的可信度， BP神經網絡近似模型誤差擬合結果如表3，擬合誤差結果表明該模型具有較高的近似模型精度。

表3 BP網絡誤差評估

3.2 基于Hooke-Jeeves算法的目標值尋優

Hooke-Jeeves算法適用于非連續參數隨機化模擬。模擬stress.bat及mode.bat組合環境，設定最大次數1 000次，運行終止步長為1.0×105，最大容許失敗次數為5，目標值（WT）尋優迭代歷史如圖8所示，尋優至303次終止迭代，對參數進行圓整，優化結果如表4所示。

圖8 Hooke-Jeeves算法尋優迭代歷史

表4 優化前后各項參數

3.3 尋優校核評價

以24 m跨度模塊參數為背景對梯度化檢查車各跨度進行理論計算及同平臺試驗優選，橫向對比同模塊各跨度優選結果；同時，縱向對比基于4種典型檢查車結構建立的等材模塊同平臺優選結果，對比結果如圖10所示。

圖9 4類等材典型模塊

圖10 橫縱對比結果

根據虛擬模型橫向評優結果，實際優選值較理論模塊質量實際型材略有增幅但誤差較小。等材裕度條件下，新型結構相對于結構a、b及c，平均減少了9.4%初始裕度質量。對比縱向評優結果，新型結構在不同跨度下的優選空間較其典型模塊平均提升了8.65%，典型全叉結構b初始裕度質量最高，典型無縱腹桿結構d優化空間最低。綜上，采用新型單元的大跨度檢查車具有更好的材料利用率及靜動態性能，驗證了多學科協同模塊化設計平臺的設計綜合性及可靠性。

4 結論

1）基于多學科協同設計引進的模塊化思想，提供了一套集模型提出、環境模擬、二次開發及參數優選為一體的多功能開發平臺，為大型復雜結構的閉環開發提供參考。

2）引用模塊化平臺開發出的新型梁底檢查車模塊較傳統結構有更小的等材質量和更大的優化空間。梁底檢查車主體結構的模塊化、標準化及系列化為解決現階段國內檢查車尺寸不定及傳統大跨度檢查車結構單一、耗材大的問題提供一種新的結構及設計思想。