3.5.10: 壳体的双向渐进结构优化 (BESO for Shells)

在[7]中可以找到Karamba3D中使用壳体双向渐进结构优化算法的详细描述，图3.5.10.1为一个案例，该案例显示在一座矩形墙的每个上角处都承受两个点荷载。BESO过程的结果是图左侧所示的X形结构。

这些是控制优化过程的主要参数：

在“Settings（设置）”子菜单下，这些附加选项可用于进一步自定义优化过程：

“BESOShell”运算器的输出端口反馈以下数据：

Previous3.5.9: 梁的双向渐进结构优化 (BESO for Beams)Next3.5.11: 优化补强加固 (Optimize Reinforcement) 🔷

Last updated 4 years ago

优化比率（evolutionary ratio）的缩写，它以两个连续的步骤定义优化结构体积 $V_i$ 和 $V_{i+1}$ 之间的比率： $V_{i+1} = V{i} \cdot (1\pm ER)$ 。“ER”的符号取决于应添加还是删除元素。如果 $ER<0$ ，这是默认值，“ER”将自动设置为： $ER = (1-TargetRatio)/MaxIter + AR_{max}/2$ 。如果“ER”值太小，则无法在“MaxIter”步骤中达到优化结构的目标质量。

两次迭代 $N_{hist}$ 周期之间质量的相对变化，除了下面是假定的收敛。

为了避免形成棋盘图案，使用一种过滤方案来计算单体元素的适合程度（请参阅[7]，第3.3.2节）。 $R_{min}$ 以米为单位定义影响半径，从而确定元素的敏感程度。因此，重要的是根据平均元件尺寸选择该值。如果 $R_{min} <0$ （默认值），则将 $R_{min}$ 设置为等于特征元素的长度，该元素的长度计算为 $(totalArea/numberOfElements)^{0.5} \cdot 2$ 。

确定加权元素中心距离在 $R_{min}$ 内节点处的应变能以计算元素的灵敏度。其重量取决于 $w =(R_{ij}/\sum R_{ij})^{R_{exp}}$ 。在 $R_{ij}=R_{min}-R$ 中， $R$ 是样本节点与元素中心之间的距离。 $\sum R_{ij}$ 是所有距离元素中心比 $R_{min}$ 距离近的节点中心距离总和。