本文摘要(由AI生成):
本文主要介绍了优化计算的重要性、优化方法、优化过程中的注意事项等内容。优化计算是当代社会追求效率和效益的体现,通过优化可以提高产品的性能和降低成本。本文主要介绍了基于Ansys Workbench平台的优化方法,包括确定输入变量和输出变量、参数相关性分析、响应面优化等。在优化过程中,需要注意离散参数连续化、输入参数取值范围等问题。
可以说,在当代这个一个“效率”和“效益”社会,干什么事情都在讲究做事情的最优化,讲究花最少的钱,最少的功夫办最大的事。这也是社会进步的主要体现。
不多扯了,讲讲CAE中的优化吧。如果你在高校做研究,做毕业设计、做课题,获得一个“更上一层楼”的结果,才能充分展示显示你的“功力”;如果你是在企业或者在研究院所,优化更是需要,因为通过优化后的产品——更省钱,领导更喜欢!
所以,优化体现了一个人对工作的精益求精,体现品质的工作和贵族的人生。
这里讲的优化,主要是基于ansys workbench平台的优化,其主要实现工具就是DesignXplorer,简称DX。
顾名思义,“设计探索”,也就是要探索产品性能(输出变量)与输入变量(设计变量)之间的关系。因为真正的物理过程就像现实社会一样,很少是简单的线性关系,而非线性或者超线性的问题比比皆是。所以,对于这种关系的判断,需要借助软件,借助数理分析,通过数据来说话,了解其中的关系。
图1 DX相关模块
另外,也有专业的优化软件,这里推荐采用这个,因为这个软件在安装完ansys集成包之后,自动出现在workbench平台上,不需要另外安装。而且,根据本人的使用经验,对于一般的方程问题来说,DX时足够的,虽然他在算法和设计参数方面有一定的限制。
上面说到了,做任何事情都要讲究效率,做优化同样也要讲究效率。特别是对计算过程比较耗时的CAE来说,进行一个DX优化有时更是耗时,耗机器。所以,一般进行优化计算需要做以下工作。
第一,确定你要变化的输入变量和关心的输出变量。输出变量可能比较确定,但如何在参数中设定,有时需要花一番功夫。最难的是确定输入变量,也就是说,你怎么知道哪些变量“可能”对你的计算结果有影响,或者说有较大影响。这一方面就是通过物理过程分析,另外一方面就要通过设计经验,甚至靠前期的“海选”,即“宁可错杀一千,不可漏网一人”的思路对相关参数进行分析。这部分主要通过parameter set实现。由于ansys软件的通用性,不可能对特定行业或者领域的参数有设定,所以这个时候就常常需要一些小编程,小技巧。
第二,参数相关性(parameters correlation)分析。上面说到了,在确定好输入变量之后,还不能确定设定的输入变量是否对输出变量有影响,有很大影响。这就需要采用参数相关性对相关变量进行分析。最常用的方法就是相关矩阵(correlation matrix)和敏感性(sensitivities)分析。最根本的目的就是剔除一些对输出变量影响比较小的参数。因为这些“无关紧”要变量的存在可能会大大加大优化过程的计算成本。
第三,响应面优化(Response surface optimization,RSO).在DX中,还存在一个直接优化的方法,在实际操作中并不建议使用,主要是因为RSO的方法能够用较少的计算实现更好的计算。存在一个在特定数量设计点计算完成后的回归拟合的问题。所以常常可以看到,最终获得的嘴有点并不是诸多设定设计点中的一个。
第一,离散参数要连续化。对于离散问题和连续问题,优化中所采用的方法是由很大差别的。如果采用离散方法,则会大大增加设计点的数量,因为DX默认对每一种离散变量组合都要进行匹配计算。所以,常用的方法就是离散参数连续化,再获得较好值之后,再取整计算。
第二,输入参数的取值范围,如下图所示Lower Bound和Upper Bound.这个值的选取,在默认的计算中,都是选取“目前给定值”的±10%。之所以是整个范围,主要是考虑一般的优化计算都是“小改”而不是“大改”,这其实与我国各行业产品现状相符合的,即很多都是“继承”,“改进”,“模仿”。
图2 输入参数取值范围
图3 目前给定值示意图
“目前给定值”的选取,也应该给定一个不是很差的值。所以,在很多情况下,会采用“二次优化”或者“三次优化”的方法,即对“海选”数据进行DX分析,获得几个相对比较比较不错的值(Candidate Point),继而再在这些候选点的基础上继续进行DX分析,获得更好的值。