بهینه‌سازی توپولوژی برای ساخت افزایشی: پلی از طراحی مفهومی به تولید دیجیتال

ضرورت بهینه‌سازی توپولوژی در مهندسی مدرن

با پیشرفت‌های شتاب‌دهنده در فناوری‌های ساخت افزایشی (Additive Manufacturing) و رقابت بی‌امان برای کاهش وزن در صنایع هوافضا، خودروسازی و تجهیزات پزشکی، دیگر روش‌های سنتی طراحی «سعی و خطا» پاسخگو نیستند. بهینه‌سازی توپولوژی (Topology Optimization) به‌عنوان یک روش ریاضی سامان‌یافته، به مهندسان امکان می‌دهد تا با تعریف یک فضای طراحی، بارها و قیود، به طرحی دست یابند که توزیع ماده در آن بهینه بوده و ضمن ارضای الزامات عملکردی، حداقل جرم ممکن را داشته باشد. این مقاله یک شیرجه‌ی عمیق و کاربردی به مبانی نظری، الگوریتم‌های اصلی، هم‌افزایی با ساخت افزایشی، قیود خاص تولید و نمونه‌های واقعی صنعتی است. تا انتها خواهید دانست که چرا بهینه‌سازی توپولوژی تنها یک ابزار نرم‌افزاری نیست، بلکه یک فلسفه‌ی جدید در طراحی مهندسی محسوب می‌شود.

اهمیت این حوزه به حدی است که طبق گزارش Wohlers Report 2024، بیش از ۶۰٪ شرکت‌های استفاده‌کننده از پرینت سه‌بعدی فلزی، بهینه‌سازی توپولوژی را در گردش کار خود ادغام کرده‌اند. همچنین استانداردهای نوظهوری مانند ISO/ASTM 52950:2021 (ساخت افزایشی – اصول طراحی) چارچوب‌هایی برای ارزیابی طراحی‌های بهینه‌شده ارائه می‌دهند. اما پیش از آنکه وارد جزئیات شویم، لازم است درک درستی از تعریف دقیق و تاریخچه‌ی این روش داشته باشیم.

تعریف و فرمول‌بندی ریاضی مسئله بهینه‌سازی توپولوژی

از توزیع ماده تا یک مسئله‌ی بهینه‌سازی مقید

بهینه‌سازی توپولوژی در ذات خود یک مسئله‌ی توزیع ماده در یک دامنه‌ی طراحی Ω است، به‌گونه‌ای که یک تابع هدف (معمولاً کمینه‌سازی انرژی کرنشی یا همان حداکثرسازی سختی) تحت قیود حجمی و تعادلی ارضا شود. شکل کلی مسئله به صورت زیر بیان می‌شود[ref:1]:

$c \left( \rho \right) = U^{T}K \left( \rho \right) U = \sum_{e=1}^{N} \left( \rho e\right)^{p} u_{e}^{T} k_{0} u_{e}$

$\frac{V_{\left( \rho \right)}}{V_{0}} = f $

$K \left( \rho \right) U = F$

$0 \le \rho_{min} \le \rho_{e} \le 1$

در اینجا $\rho$ بردار چگالی المان‌ها (متغیرهای طراحی)، p جریمه‌ی SIMP (معمولاً p=3)، K ماتریس سختی سراسری، U بردار جابجایی، F بردار نیرو، $V_{\rho} $ حجم ماده‌ی مصرفی و $V_{0}$​ حجم کل فضای طراحی، و f کسر حجمی هدف است. قید FKU= معادله‌ی تعادل استاتیکی را نشان می‌دهد. $\rho_{min} $​ یک مقدار کوچک (مثلاً $3^{-10}$) برای جلوگیری از تکینگی ماتریس سختی است. این فرمول‌بندی که به روش SIMP (Solid Isotropic Material with Penalization) معروف است، پایه‌ی اکثر نرم‌افزارهای تجاری مانند Altair OptiStruct، ANSYS Mechanical و Abaqus Tosca را تشکیل می‌دهد.

{"version": 2, "figure_type": "technical", "display_mode": "compact", "aspect_ratio": "auto", "caption": "شکل 1- یک مسئله‌ی تیر یک‌سرگیردار تحت بار متمرکز در نوک، همراه با توزیع چگالی (قرمز: ρ=1، آبی: ⁡ρ=ρmin​) و طرح بهینه‌ی نهایی", "alt_text": "شکل 1- یک مسئله‌ی تیر یک‌سرگیردار تحت بار متمرکز در نوک، همراه با توزیع چگالی (قرمز: ρ=1، آبی: ⁡ρ=ρmin​) و طرح بهینه‌ی نهایی", "description": "", "source": "", "notes": "", "annotations": [], "subfigures": []}

تعریف و فرمول‌بندی ریاضی مسئله بهینه‌سازی توپولوژی

تعمیم به مسائل چندمنظوره و قیود تنش

فرمول‌بندی بالا می‌تواند با توابع هدف دیگر مانند کمینه‌سازی تنش فون‌میزس یا بیشینه‌سازی فرکانس طبیعی توسعه یابد. در مسائل تنش، $\sigma_{yield} \sigma_{\nu M} \left( \rho \right) \le قید$​ با استفاده از روش‌های تجمعی مانند تابع p-norm به کار می‌رود. یک مقاله‌ی مرجع عالی در این زمینه کار Le et al. (2010) است که فرمول‌بندی قیود تنش را با استفاده از SIMP توسعه داد. برای علاقه‌مندان، کد 99 خطی معروف در متلب نقطه‌ی شروع فوق‌العاده‌ای برای درک پیاده‌سازی است[ref:2].

الگوریتم‌های اصلی در بهینه‌سازی توپولوژی

روش SIMP – استاندارد صنعتی

الگوریتم SIMP، همان‌طور که اشاره شد، بر اساس مدل ماده‌ی جامد همسانگرد با جریمه‌ی میانی است. مزیت بزرگ آن سادگی پیاده‌سازی و همگرایی سریع با استفاده از روش‌های برنامه‌ریزی ریاضی مانند روش معیار بهینگی (Optimality Criteria) یا برنامه‌ریزی متوالی خطی (SLP) است. با این حال، مستعد ایجاد الگوهای شطرنجی (Checkerboarding) و وابستگی به شبکه (Mesh-dependency) است که با فیلترهای چگالی (مانند فیلتر هلمهولتز) رفع می‌شوند. در فیلتر هلمهولتز، چگالی‌های فیزیکی ρ~​ از حل یک معادله‌ی دیفرانسیل جزئی بدست می‌آیند:

$- r^{2} \nabla^{2} \rho^{~} + \rho^{~} = \rho$

که در آن r طول مشخصه‌ی فیلتر است. این رویکرد در ANSYS Mechanical با دستور TOCOMP قابل کنترل است

روش BESO – تکامل ساختاری دوگانه

روش بهینه‌سازی تکاملی سازه‌ها (ESO) و نسخه‌ی دوطرفه‌ی آن (BESO) که توسط Xie و Steven (1993) معرفی شد[ref:3]، برخلاف SIMP از متغیرهای گسسته‌ی صفر و یک (حضور یا عدم حضور ماده) استفاده می‌کند. الگوریتم به صورت تکراری المان‌های با تنش کم را حذف و المان‌هایی با تنش بالا را اضافه می‌کند تا به کسر حجمی هدف برسد. BESO مدرن از درون‌یابی حساسیت‌ها برای جلوگیری از ناپایداری‌ها بهره می‌برد. این روش در نرم‌افزارهایی مانند ABAQUS با اسکریپت‌نویسی Python و در پلاگین‌های تخصصی مانند Ameba پیاده‌سازی شده است.

جدول 1 - مقایسه روش‌های SIMP و BESO

مقایسه مفهومی دو روش رایج در بهینه‌سازی توپولوژی

{"version": 1, "caption": "جدول 1 - مقایسه روش‌های SIMP و BESO", "description": "این جدول تفاوت‌های کلیدی دو روش SIMP و BESO را از نظر نوع متغیر طراحی، کیفیت مرزها، پیاده‌سازی، همگرایی و نرم‌افزارهای پشتیبان نشان می‌دهد.", "source": "", "notes": "مقایسه ارائه‌شده جنبه آموزشی و مفهومی دارد و بسته به نوع مسئله، تنظیمات حل‌گر و نرم‌افزار ممکن است تغییر کند.", "variant": "engineering", "columns": [{"id": "col-1781278290379-lobq0p", "label": "معیار", "type": "text", "align": "right", "unit": "", "width": ""}, {"id": "col-1781278290379-d8fh7u", "label": "SIMP", "type": "text", "align": "right", "unit": "", "width": ""}, {"id": "col-1781278290379-t2oa0o", "label": "BESO", "type": "text", "align": "right", "unit": "", "width": ""}], "rows": [{"id": "row-1781278290379-f006mh", "cells": {"col-1781278290379-lobq0p": "نوع متغیر طراحی", "col-1781278290379-d8fh7u": "پیوسته، 0 ToPy (پایتون) و کدهای متلب موجود هستند.

هم‌افزایی بهینه‌سازی توپولوژی و ساخت افزایشی – از DFAM تا واقعیت

آزادی طراحی و رهایی از قیود سنتی

ساخت افزایشی (پرینت سه‌بعدی) به دلیل توانایی تولید هندسه‌های پیچیده و توخالی، بهترین همراه برای بهینه‌سازی توپولوژی است. در حالی که روش‌های ماشین‌کاری سنتی یا ریخته‌گری نمی‌توانند بسیاری از طرح‌های آلی خروجی از بهینه‌سازی را تولید کنند، فرآیندهای لیزری SLM (Selective Laser Melting) و EBM (Electron Beam Melting) امکان ساخت مستقیم از فایل STL را فراهم می‌کنند. این پیوند چنان نزدیک است که اصطلاح "DFAM" (Design for Additive Manufacturing) شکل گرفته و استاندارد ISO/ASTM 52910:2018 راهنماهایی برای طراحی قطعات ساخت افزایشی ارائه می‌دهد[ref:10].

اما این هم‌افزایی بدون چالش نیست: قیود ساخت افزایشی باید به‌عنوان ورودی به فرآیند بهینه‌سازی وارد شوند. برای نمونه، زاویه‌ی اورهنگ (Overhang Angle) – اگر زاویه‌ی یک سطح نسبت به صفحه‌ی ساخت کمتر از یک حد بحرانی (معمولاً ۴۵ درجه) باشد، نیاز به تکیه‌گاه (Support) دارد که می‌تواند منجر به افزایش هزینه‌ها شود. این قید به‌صورت یک محدودیت هندسی در بهینه‌سازی توپولوژی گنجانده می‌شود. یکی از روش‌های پرکاربرد، استفاده از فیلتر "Overhang Sensitivity Filter" در نرم‌افزارهایی مانند Altair Inspire و Materialise Magics است که حساسیت‌ها را بر اساس زاویه‌ی سطح تعدیل می‌کند.

{"version": 2, "figure_type": "technical", "display_mode": "compact", "aspect_ratio": "auto", "caption": "شکل ۲: (الف) سمت چپ: قطعه بهینه‌شده بدون اعمال قید اورهنگ؛ سطوح با زاویه کمتر از 45∘45∘ نسبت به بستر ساخت به رنگ قرمز مشخص شده‌اند که نشان‌دهنده نیاز به سازه‌های پشتیبان (Support Structures) است. (ب) سمت راست: قطعه پس از اعمال قید اورهنگ در فرآیند بهینه‌سازی؛ اصلاح هندسه به فرم‌های قوس‌دار و خودپشتیبان که نیاز به تکیه‌گاه را به حداقل رسانده است.", "alt_text": "شکل ۲: (الف) سمت چپ: قطعه بهینه‌شده بدون اعمال قید اورهنگ؛ سطوح با زاویه کمتر از 45∘45∘ نسبت به بستر ساخت به رنگ قرمز مشخص شده‌اند که نشان‌دهنده نیاز به سازه‌های پشتیبان (Support Structures) است. (ب) سمت راست: قطعه پس از اعمال قید اورهنگ در فرآیند بهینه‌سازی؛ اصلاح هندسه به فرم‌های قوس‌دار و خودپشتیبان که نیاز به تکیه‌گاه را به حداقل رسانده است.", "description": "", "source": "", "notes": "", "annotations": [], "subfigures": []}

بهینه‌سازی توأم توپولوژی و جهت ساخت

جهت ساخت (Build Orientation) تأثیر زیادی بر خواص مکانیکی، کیفیت سطح و زمان چاپ دارد. بهینه‌سازی همزمان توپولوژی و جهت ساخت یک مسئله‌ی پیچیده‌تر است که در آن زاویه‌ی ساخت به‌عنوان یک متغیر طراحی اضافی ظاهر می‌شود. تحقیقات چارچوبی بر مبنای SIMP ارائه دادند که جهت بهینه را همراه با توزیع ماده پیدا می‌کند[ref:9]. در نرم‌افزارهای تجاری، این قابلیت به‌تدریج در حال ظهور است (مثلاً ماژول Additive Manufacturing در ANSYS 2024 R1).

قیود اصلی ساخت افزایشی و پیاده‌سازی آن‌ها در بهینه‌سازی توپولوژی

قید حداقل و حداکثر اندازه عضو (Minimum/Maximum Member Size)

کنترل ضخامت اعضا برای اطمینان از قابلیت ساخت و جلوگیری از اعضای بسیار نازک (که ممکن است در حین چاپ بشکنند) یا بسیار ضخیم (که منجر به تنش‌های پسماند زیاد می‌شوند) ضروری است. در SIMP، این قید با اعمال فیلترهای مورفولوژیکی مانند فیلتر Open‑Close یا فیلتر Heaviside با آستانه‌های مشخص پیاده می‌شود. برای نمونه، با تنظیم β در فیلتر Heaviside می‌توان حداقل ضخامت را کنترل کرد. در OptiStruct، پارامترهای MINDIM و MAXDIM به‌راحتی قابل تنظیم هستند.

قید تقارن و الگوهای دوره‌ای

برای قطعات دوار یا متقارن، اعمال قید تقارن (Cyclic Symmetry) یا پریودیک (Periodic) حجم محاسبات را کاهش و قابلیت ساخت را بهبود می‌دهد. در ANSYS، دستور TOCYCLIC و در آباکوس، با استفاده از submodeling و شرایط مرزی خاص اعمال می‌شود.

قید حجم تکیه‌گاه (Support Volume Constraint)

اخیراً توابع هدفی تعریف می‌شوند که حجم تکیه‌گاه مورد نیاز را کمینه کنند. یک رویکرد استفاده از "Support Volume Sensitivity" است که در کار Allaire et al. (2017) بر مبنای روش Level‑Set ارائه شده[ref:6].

جدول 2 - قیود ساخت در بهینه‌سازی توپولوژی و روش‌های پیاده‌سازی آن‌ها

نمونه‌ای از قیود رایج ساخت‌پذیری در طراحی بهینه سازه‌ها

{"version": 1, "caption": "جدول 2 - قیود ساخت در بهینه‌سازی توپولوژی و روش‌های پیاده‌سازی آن‌ها", "description": "این جدول برخی از قیود رایج ساخت‌پذیری در بهینه‌سازی توپولوژی را همراه با روش معمول پیاده‌سازی و نرم‌افزارهای پشتیبانی‌کننده نشان می‌دهد.", "source": "", "notes": "سطح پشتیبانی نرم‌افزارها ممکن است بسته به نسخه، نوع حل‌گر و ماژول مورد استفاده متفاوت باشد.", "variant": "engineering", "columns": [{"id": "col-1781278290379-xuopj9", "label": "قید ساخت", "type": "text", "align": "right", "unit": "", "width": ""}, {"id": "col-1781278290379-z1yxsc", "label": "روش پیاده‌سازی", "type": "text", "align": "right", "unit": "", "width": ""}, {"id": "col-1781278290379-t08dq0", "label": "نرم‌افزارهای پشتیبانی‌کننده", "type": "text", "align": "right", "unit": "", "width": ""}], "rows": [{"id": "row-1781278290379-qs2lfa", "cells": {"col-1781278290379-xuopj9": "حداقل زاویه اورهنگ", "col-1781278290379-z1yxsc": "فیلتر حساسیت زاویه‌ای", "col-1781278290379-t08dq0": "Altair Inspire، Materialise Magics"}}, {"id": "row-1781293742346-12kdq9", "cells": {"col-1781278290379-xuopj9": "حداقل/حداکثر اندازه عضو", "col-1781278290379-z1yxsc": "فیلترهای مورفولوژیکی", "col-1781278290379-t08dq0": "OptiStruct، Tosca، ANSYS"}}, {"id": "row-1781293758755-tff0is", "cells": {"col-1781278290379-xuopj9": "تقارن چرخشی/صفحه‌ای", "col-1781278290379-z1yxsc": "تعریف قید در متغیرهای طراحی", "col-1781278290379-t08dq0": "ANSYS، Abaqus، OptiStruct"}}, {"id": "row-1781293772875-dlargr", "cells": {"col-1781278290379-xuopj9": "حجم تکیه‌گاه", "col-1781278290379-z1yxsc": "تابع هدف ترکیبی با جریمه پشتیبان", "col-1781278290379-t08dq0": "کدهای تحقیقاتی، nTopology"}}]}

جعبه ابزار مهندس – نرم‌افزارهای پیشرو در بهینه‌سازی توپولوژی

Altair OptiStruct: استاندارد طلایی با بیش از دو دهه تجربه، پشتیبانی از SIMP، بهینه‌سازی شبکه‌ای (Lattice Optimization)، قیود تنش و خستگی.

ANSYS Mechanical/Discovery: محیط Workbench با TOPOL optimization و قیود ساخت افزایشی جدید در نسخه 2024.

nTopology: مدل‌سازی ضمنی برای تولید مستقیم هندسه‌های آلی و شبکه‌ای بدون نیاز به FEA داخلی.

Abaqus Tosca: راه‌حل یکپارچه برای بهینه‌سازی توپولوژی، شکل و سطح مقطع.

COMSOL Multiphysics: بهینه‌سازی توپولوژی چندفیزیکی (ترمو-مکانیکی، جریان سیال).

هسته کد ۹۹ خطی Sigmund برای بهینه‌سازی توپولوژی در MATLAB

% Core loop of the 88-line topology optimization code % Based on density-based topology optimization with OC update while change > 0.01 loop = loop + 1; % Finite element analysis sK = reshape(KE(:) * (Emin + xPhys(:)'.^penal * (E0 - Emin)), ... 64 * nelx * nely, 1); K = sparse(iK, jK, sK); K = (K + K') / 2; U(freedofs) = K(freedofs, freedofs) \ F(freedofs); % Objective function and sensitivity analysis ce = reshape(sum((U(edofMat) * KE) .* U(edofMat), 2), nely, nelx); c = sum(sum((Emin + xPhys.^penal * (E0 - Emin)) .* ce)); dc = -penal * (E0 - Emin) * xPhys.^(penal - 1) .* ce; dv = ones(nely, nelx); % Filtering if ft == 1 dc(:) = H * (x(:) .* dc(:)) ./ Hs ./ max(1e-3, x(:)); elseif ft == 2 dc(:) = H * (dc(:) ./ Hs); dv(:) = H * (dv(:) ./ Hs); end % Optimality Criteria update l1 = 0; l2 = 1e9; move = 0.2; while (l2 - l1) / (l1 + l2) > 1e-3 lmid = 0.5 * (l2 + l1); xnew = max(0, ... max(x - move, ... min(1, ... min(x + move, x .* sqrt(-dc ./ dv / lmid))))); if ft == 1 xPhys = xnew; elseif ft == 2 xPhys(:) = (H * xnew(:)) ./ Hs; end if sum(xPhys(:)) > volfrac * nelx * nely l1 = lmid; else l2 = lmid; end end change = max(abs(xnew(:) - x(:))); x = xnew; fprintf(' It.:%5i Obj.:%11.4f Vol.:%7.3f ch.:%7.3f\n', ... loop, c, mean(xPhys(:)), change); end

از تئوری تا عمل – نمونه‌های موفق صنعتی

براکت بوئینگ ۷۸۷: با استفاده از بهینه‌سازی توپولوژی در OptiStruct و پرینت Ti-6Al-4V، وزن یک براکت اتصال درب ۴۰٪ کاهش یافت و سفتی ۲۵٪ بهبود پیدا کرد.

ایمپلنت‌های پزشکی: ایمپلنت‌های لگن و ستون فقرات با ساختار شبکه‌ای و تخلخل کنترل‌شده برای تطبیق مدول الاستیک با استخوان و جلوگیری از Stress Shielding. تحقیقات Arabnejad et al. (2016) نمونه‌ای از این کاربرد است.

{"version": 2, "figure_type": "technical", "display_mode": "compact", "aspect_ratio": "auto", "caption": "شکل ۳: مقایسه‌ی براکت اتصال هوافضا؛ (الف) سمت چپ: براکت ماشین‌کاری‌شده سنتی با هندسه بلوکی و متراکم. (ب) سمت راست: براکت بهینه‌سازی شده (Topology Optimized) از جنس آلیاژ تیتانیوم (Ti-6Al-4V) طراحی شده برای ساخت افزایشی؛ ساختار ارگانیک و شاخه‌ای این قطعه منجر به کاهش 40%40% وزن و افزایش 25%25% سفتی (Stiffness) شده است.", "alt_text": "شکل ۳: مقایسه‌ی براکت اتصال هوافضا؛ (الف) سمت چپ: براکت ماشین‌کاری‌شده سنتی با هندسه بلوکی و متراکم. (ب) سمت راست: براکت بهینه‌سازی شده (Topology Optimized) از جنس آلیاژ تیتانیوم (Ti-6Al-4V) طراحی شده برای ساخت افزایشی؛ ساختار ارگانیک و شاخه‌ای این قطعه منجر به کاهش 40%40% وزن و افزایش 25%25% سفتی (Stiffness) شده است.", "description": "", "source": "", "notes": "", "annotations": [], "subfigures": []}

چالش‌های کنونی و افق‌های آینده

عدم قطعیت‌ها و پراکندگی خواص: خواص مکانیکی قطعات پرینت‌شده به پارامترهای فرآیند و جهت ساخت وابسته است. بهینه‌سازی مقاوم (Robust Topology Optimization) با در نظر گرفتن تغییرات خواص ماده (مدول یانگ تصادفی) در حال توسعه است (Tootkaboni et al., 2012).

بهینه‌سازی چندفیزیکی و چندمقیاسی: آینده به سمت مسائل ترمو-مکانیکی، جریان سیال-سازه و طراحی همزمان ماکرو/میکرو ساختار پیش می‌رود.

استانداردسازی و گواهی‌نامه‌ها: ASTM F42 در حال توسعه استانداردهایی برای تأیید قطعات بهینه‌شده است.

نتیجه‌گیری – بهینه‌سازی توپولوژی به‌عنوان یک الزام رقابتی

بهینه‌سازی توپولوژی دیگر یک ابزار اختیاری نیست؛ برای سازمان‌هایی که به دنبال سبک‌سازی، کاهش هزینه‌ها و نوآوری در محصول هستند، یک الزام رقابتی محسوب می‌شود. با بلوغ فناوری‌های ساخت افزایشی و قدرتمندتر شدن الگوریتم‌ها، شاهد حذف مرز میان طراحی، تحلیل و تولید خواهیم بود. مهندس امروز باید نه تنها بر نرم‌افزارها مسلط باشد، بلکه اصول ریاضی، قیود ساخت و الزامات استانداردی را عمیقاً درک کند. امیدواریم این مقاله مرجعی جامع برای شروع یا تعمیق سفر شما در این مسیر هیجان‌انگیز بوده باشد.