在本教程中,您将体验SRO,并将SRO与HS-5000中介绍的顺序优化和可靠性评估(SORA) 进行比较:随机方法比较:Arm模型的随机研究。
在开始之前,请将HS-4500.hstx从/HS-4500/ 复 制到您的工作目录。
SRO搜索满足设计要求且整个系统具有所需成功概率的设计,而不是单个约束的可靠性。
在此步骤中,您将从使用全局响应搜索方法(GRSM) 找到的最优解开始执行SRO。
1.打开HyperStudy并将HS-4500.hstx导入到您的工作目录中。
2.添加优化。
a)在Explorer中,右键单击并从上下文菜单中选择Add。
b)在Add对话框中,选择Optimization并在标签字段中输入SRO。
c)单击OK。
3.复 制最优设计中的参数值。
a)转到GRSM>Evaluate步骤。
b)打开Iteration History选项卡。
c)找到最优设计并复 制length_1、length_2、length_3、length_4和length_5参数值。
Tip:最佳设计以绿色显示。
d)转到SRO>Definition>Define Input Variables步骤。
e)选择length_1**、length_2、length_3、**length_4和length_5的名义字段,然后右键单击并从上下文菜单中选择Paste transpose。
f)对于高标签,在Nominal列中输入0.9989591。
4.修改分配。
a)打开Distributions选项卡。
b)在Distribution Role列中,为所有活动Inputs Variable选择Design和Random。
c)在2列中,为所有活动Inputs Variable输入6.25e-04。
5.对Volume输出响应应用一个目标,如图1所示。
a)转到Define Output Responses步骤。
b)单击Objectives/Constraints - Goals选项卡。
c)单击Add Goal。
d)在Apply On列中,选择Volume(m_1_r_2)。
e)在Type列中,选择Minimize。
6.对Max_Disp输出响应应用约束。
a)单击Add Goal。
b)在Label列中,输入Constraint 1
c)在Apply On列中,选择Max_Disp(m_1_r_1)。
d)在Type列中,选择More。
e)在1列中,选择Probabilistic Constraint。
f)在2列中,单击。
g)对于绑定类型,请选择 <= 。
h)对于绑定值,输入1.5
i)对于累积分布函数,输入95。
j)单击OK。
7.通过重复步骤6创建另外五个约束,但更改每个约束的输出响应、边界值和累积分布函数,如表1所示。
表1.
8.总共添加了6个约束。
9.定义规范。
a)转到Specifications步骤。
b)在工作区中,将Mode设置为System可靠性优化(SRO)。
c)单击Apply。
10.评估任务。
a)转到Evaluate步骤。
b)单击Evaluate Tasks。
13.单击Iteration History选项卡以查看结果。
在此步骤中,您将运行稳健的系统可靠性优化来创建一系列最优设计。
1.添加优化。
a)在Explorer中,右键单击SRO,然后从上下文菜单中选择Copy。
b)在Label字段中,输入SRO_ROB然后单击OK。
2.转到SRO_ROB>Definition>Define Input Variables步骤。
3.打开Distributions选项卡。
4.在2列中,为所有活动Inputs Variable输入6.25e-4。
5.转到SRO_ROB>Definition>Define Output Responses步骤。
6.打开Objectives/Constraints - Goals选项卡。
7.将所有约束的累积分布函数设置为95。
a)在2列中,单击。
b)对于累积分布函数,输入95。
8.转到SRO_ROB>Specifications步骤。
9.将模式设置为System Reliability Optimization。
10.在Channel Selector中,将System Reliability(%) 设置为95并启用Robust Optimization复选框。
11.单击Apply。
12.评估任务。
a)转到SRO_ROB>Evaluate步骤。
b)单击Evaluate Tasks。
13.转到SRO_ROB>Post-Processing步骤。
14.打开Optima选项卡。
Tip: 你可以使用Optima选项卡来可视化Pareto前沿,它代表了性能和健壮性之间的权衡。
如果激活了稳健优化,则优化问题将表述为介于名义目标目标和最小化目标标准差之间的多目标问题。创建了一系列最佳设计,探索性能和稳健性之间的权衡。