尺寸优化 — CAE术语解说

完全正确。固定形状的拓扑和外轮廓，将「尺寸」定义为设计变量进行变化。例如桁架各杆件的截面积、板厚、梁的高度和宽度等。目标通常是质量最小化、应力均匀化、固有频率控制等。约束条件的典型例子是应力不超过材料屈服强度345MPa、挠度不超过跨度的1/500等。

是的，优化问题的规模由初始设计决定。以10个板厚作为变量就是10维优化问题。这是与拓扑优化的重大区别，后者以单元有无作为变量，能在设计域内「创生」最优形状。尺寸优化更接近于现有设计方案的参数调优。

常见的公式化如下：

变量众多（数十到数百个）且目标、约束函数光滑时，梯度法效率高。如MMA（移动渐近线法）或SQP（序列二次规划）等常被使用。这类方法需要目标函数和约束函数对设计变量的灵敏度

结构优化中，求应力约束的灵敏度时通常用伴随变量法。全局刚度方程

这变成了离散变量优化问题，难度大幅跳升。实务中通常采用两阶段方法：先按连续变量优化，得到最优尺寸后选择最接近的规格尺寸。随后用该离散值重新计算强度和振动，若有问题就选择下一个更大的规格。也有专用的离散优化算法（遗传算法等），但计算成本非常高。

首先明确定义「设计变量」。例如汽车车门内板分为5个面板，各面板的板厚都是变量。其次设置「设计变量连接」：如果左右对称，将右侧板厚与左侧变量相连，从而减少变量数。上下限设定为实用范围，如自动车身最小板厚0.7mm（自动化冲压成形下限）至最大2.3mm（刚度确保）。

常见的是「约束条件过多」或「相互矛盾」。例如「质量最小化」「第一阶固有频率≥50Hz」「最大应力≤200MPa」「最大挠度≤2mm」都严格约束时，可能不存在可行解，优化失败。现实做法是先加最重要的约束（如应力），看最优解，再逐步放松其他约束加入。

必须用「最优解」模型重新执行标准FEM分析进行独立验证。优化过程中存在近似（如应力约束仅在特定点评估等）。要确认「有效约束」，即灵敏度不为零的约束。例如板厚在下限0.7mm且该部位应力恰好达到200MPa限制值，这是有效约束。若板厚在下限但应力仅100MPa，说明还有优化空间。

差异很大。OptiStruct本来就是专为拓扑、形状、尺寸优化设计的求解器，尤其在尺寸优化中能高效处理多工况和动态响应约束。Abaqus主要用于基本分析，优化需要与Isight等过程自动化工具联合，或用Abaqus/CAE的「参数化研究」。Ansys Workbench用「目标驱动优化」或「DesignXplorer」模块，采用响应面法进行优化。

响应面法(RSM)在设计空间内有限采样点（如各变量最小、中点、最大值组合）处执行FEM分析，从结果构建目标、约束函数的多项式近似（响应面）。优化在这个轻量近似模型上执行，速度极快。Ansys DesignXplorer广泛使用该方法。相反，以OptiStruct代表的梯度法每次迭代都做实际FEM和灵敏度分析，更精确但计算成本按迭代次数累加。

有的。开源Calculix虽无优化模块，但可用Python脚本改变参数、反复调用Calculix，结合SciPy优化库（如`scipy.optimize.minimize`）进行约束优化。也可用SALOME平台配合Code_Aster，通过`EFICAS`模块设置优化。但与商用软件相比，GUI、高级灵敏度分析、收敛管理基本靠手工，技术门槛高。

首先检查初始设计是否满足所有约束。若初始模型就有应力超标或挠度过大，说明从可行域外部开始，本身就有问题。其次检查约束是否相互矛盾。例如「板厚1.0～2.0mm」同时「质量≤5kg」且「一阶固有频率≥100Hz」可能物理上不可能。需逐个放松约束（100Hz改为80Hz）尝试。

这是「约束急剧变化」引起的。例如板厚略低于某值时，该部位突然出现新的屈曲模式，屈曲荷载剧降。对策有两个：1) 调整移动渐近线的初始值或衰减系数（MMA算法情况），减小步长。2) 改变问题性质：如有屈曲约束，可实质性提高板厚下限，或移除屈曲约束改为优化后单独验证。

梯度法本质上搜索局部解，「多重启动」是现实对策：改变初始值多次执行。OptiStruct的`OPTIMIZE`卡片增大`DESMAX`，用不同初始设计重复运算。更稳妥的是用全局优化算法（遗传算法、粒子群等），但计算成本增加数百倍。实务中，凭设计师经验准备「看似合理」的多个初始方案，分别执行优化最实际。

尺寸优化中形状不变，不会出现「怪异形状」，但可能生成制造不可行的结果。例如相邻面板优化后板厚差异大（0.8mm和2.2mm），焊接或粘接受影响。防止办法是加入「制造约束」。OptiStruct用`DEQCON`卡使多个板厚变量相等，用`DLINK`卡建立比例关系。Ansys设置「参数相关性」。核心是事先在优化问题中融入「现实约束」。