HyperStudy_对Arm模型进行近似处理 HS-6000

TodayCAEer

4月前浏览725

关注

在本教程中，您将学习如何使用Sampling Fit为输出响应创建近似值。

在开始之前，请完成HS-2000：DOE方法比较：Arm模型研究或导入HS-2000.hstx存档文件（可从

Sampling Fit是空间填充DOE和Fit在单一方法中的组合。

HS-2000：DOE方法比较：Arm模型研究表明，可以使用6个Inputs Variable而不是9个Inputs Variable有效地进行研究，因为其他Inputs Variable对输出响应没有太大影响。这将节省计算工作量。

一、执行抽样拟合方法

1.在Explorer中，右键单击并从上下文菜单中选择Add。

此时将打开Add - Altair HyperStudy对话框。

2.在Add - Altair HyperStudy对话框中，选择Sampling Fit。

3.为Definition From选择任何以前的方法，然后单击OK。

4.修改Inputs Variable。

a)转到Setup>Definition>Define Input Variables步骤。

b)在工作区的Active列中，清除radius_1、radius_2和radius_3复选框。

图1.

5.转到Specifications步骤。

6.在Specifications选项卡中，验证Mels是否为所选方法。

7.在Fit Specifications选项卡中，验证所有响应的Fit Type设置为FAST。    

图2.

8.单击Apply。

9.转到Evaluate步骤，然后单击Evaluate Tasks。

10.Optional：监控交叉验证的趋势，并在评估任务时执行假设场景。

a)转到R²Plot选项卡以监控每次迭代的交叉验证值。

图3.

b)转到Trade-off选项卡以查看假设场景。

Note：如果有感兴趣的数据点，请将其添加到队列中进行评估。

图4.

11.转到Post Processing步骤。    

a)转到Diagnostics选项卡，然后单击每个标签以查看每个响应的拟合模型的详细诊断。

图5.

b)转到Residuals选项卡，查看原始输出响应与每次运行输入和交叉验证矩阵的拟合之间的误差。

图6.

              

来源：TodayCAEer