- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
ANSYS优化设计--设计优化技术(精选)
ANSYS优化设计--设计优化技术ANSYS设计优化技术基于ANSYS的APDL语言建立的参数化模型。基于参数化有限元分析过程的设计优化包含下列基本要素:1、设计变量(往往在开始级、前处理器或求解器中定义);2、状态变量(来源于分析的结果后处理);3、目标函数(最后得到关于模型系统或分析结果的导出量);4、优化计算方法即优化设计工具(零阶方法是一个可以有效处理大多数工程问题的方法,一阶方法基于目标函数对设计变量的敏感程度,更加适合于精确的优化分析)。 优化设计过程就是一个反复优化改变设计变量以在满足状态变量限制条件下使目标函数变量参数逼近最小值。在执行优化分析前必须创建一个分析文件,它是一个基于APDL参数化有限元分析过程的命令流输入文件,包括一个完整的前处理、求解和后处理分析过程,其中必须包含一个参数化的模型,定义有设计变量、状态变量和目标函数。基本过程:1、利用APDL的参数技术和ANSYS的命令创建参数化分析文件,用于优化循环分析文件,除包括整个分析过程外还必须满足以下条件。(1)在前处理器PREP7中建立参数化模型。(2)在求解器SOLUTION中求解。(3)在后处理器POST1/POST26中提取并指定状态变量和目标函数。2、进入优化设计器OPT,执行优化设计分析过程。(1)指定分析文件。(2)声明优化变量,包括设计变量、状态变量和目标函数。(3)选择优化工具或优化方法。(4)指定优化循环控制方式。(5)进行优化分析。(6)查看设计序列结果。求解方法:1、Single Run:2、Random Designs:3、Factorial:4、Gradient:5、DVSweeps:6、Sub-Problem:7、First-Order:8、UserOptimizer:注:1、在进入求解器之前定义设计变量,以便在优化设计器中指定读取分析文件的起始行为第一个/prep7命令行。每次优化迭代计算完成后程序自动修改设计变量的值,并进入下一次迭代,即重新从指定的起始行读取分析文件,如果起始行后接着出现优化变量赋值定义语句,那么优化变量的值就强制恢复成初始值,即设计变量始终保持不变,不进行任何循环优化计算。(亦即优化变量要在/prep7之前定义)2、优化技术是搜索和处理设计空间的技术,优化设计目标求最小值不一定是优化的最终目标。在无目标条件下,状态变量与设计变量均满足指定范围要求时获取可行性的设计序列,所以目标函数在实际应用中可以不定义。3、零阶方法与一阶方法的对比: 除一阶方法First-Order,其他方法均为零阶方法。除此之外,用户可以利用用户自己开发的外部优化计算法代替ANSYS本身的优化算法进行优化设计。1)零阶方法(直接法):是最常用的方法,使用所有因变量(状态变量和目标函数)的逼近,可以有效的处理绝大数工程问题。2)一阶方法(间接法):本方法使用偏导数,即使用因变量的一阶导数。此方法精度很高,尤其是在因变量变化很大,设计空间也相对较大时,但是,占用的机时较多。与零阶方法相比,一阶方法计算量大,结果精确。但是,精度高并不能保证所得的就是最佳解。下面是一些注意点:(1)一阶方法可能在不合理的设计序列上收敛,这时可能是找到了一个局部最小值,或是不存在合理的设计空间。如果出现这种情况,可以使用零阶方法,更好的 研究整个设计空间。也可以先运行随机搜索,确定合理的设计空间(如果存在的话),然后以合理设计序列为起点重新运行一阶优化方法。(2)一阶方法更容易获得局部最小值。这是因为一阶方法从设计空间的一个序列开始计算求解,如果起点很接近局部最小值的话,就会选择该最小值而找不到全局最小值。如果怀疑得到的是局部最小值,就可以用零阶方法或随机搜索验证。(3)目标函数容限过小将会引起迭代次数过多。因为本方法计算实际有限元解(而非逼近),在计算过程中会根据给定的容限尽量找到确定的结果。
文档评论(0)