支持:
将虚拟模型校准到物理测试
参数敏感性及重要性分析
Metamodeling 元模型
产品性能优化
产品鲁棒性和可靠性量化,也称为不确定性量化(UQ)
稳健设计优化(RDO),也称为六西格玛设计(DFSS)
optiSLang 还包含一个强大的仿真工作流程环境。该软件是使用参数模型进行敏感性分析、优化和稳健性评估的仿真驱动工作流程生成的完美工具。
网上的案例或者知识很少,功夫不负有心人,还是让机电君摸到了门路。跟小伙伴们分享以下,给大家节省点时间。
书接上文
尺寸优化思路:在原结构基础上,建立参数化尺寸,根据空间尺寸对其进行约束;对目标值(质量、位移、应力、应变)等进行限制,最终输出符合要求的尺寸结构。
完成拓扑优化及模型更新修改之后,进入对筋板结构的尺寸优化项目中。DM中建筋板截面草图,然后对截面尺寸参数化,如图所示。分别单击尺寸前端小方格,在弹出的窗口中将筋板长度重新命名,如Length,同理,筋板高度命名为Height,厚度命名Width。(此处选择简单参数,便于迅速对流程进行熟悉操作)
对模型质量、最大变形和最大应力值进行参数化,以同样的方式单击前端小方格,出现P字样图标即表示完成。
拉取optiSLang里的Optimization,采用自适应最优预后代理模型。
以下展示两种操作方式,本次采用workbench进行。
拉取optiSLang里的Optimization,采用自适应最优预后代理模型后,需要设置参数化变量的取值范围。如下图所示:
设置约束条件以及目标值,此处设置质量最小为目标:约束条件:变形小于0.9mm,应力小于160MPa。
设置约束条件以及目标值,多目标优化时候可以选择—OCO(One click Optimization)
OCO是Ansys 开发的一种混合和动态优化方法。有效的结合了高保真(Direct)和低保真(Mop)辅助搜索策略。是通用优化器,自动和迭代的选择OptiSlang的最优化方法。
OCO具有动态和适应性,根据算法行为,可以持续使用一个算法也可以在不同算法中切换,以求得最好的预期结果。
设置样品点数,越多越准确;设置优化算法。
案例并没有进行敏感度分析,以及Tradeoff输出。(如果想分析,workbench拉入即可,或者如果采用的是OptiSlang本身分析就需要先进行敏感分析)
1.Sensitivities:目标函数对参数的敏感度,越大表示影响越大,正值表示正相关,负值表示负相关。
2.Tradeoff输出:权衡分析,多个目标之间的关系。一般散点图形式呈现,XY分别表示不同的目标值,均是可行的,表示冲突本质,展示出设计的矛盾,支持设计者根据设计要求取舍。