M5_优化设计 281448.pptVIP

第 五 章 优化设计 （II） 第 5章优化设计（II） 本章将学习更多的优化设计知识。 内容涵盖： A. 使用两种设计优化的方法以及他们是如何工作的 B. 如何选择设计变量，状态变量和目标函数的指导 C. 做 1-2 个练习 设计优化（II）A. 设计优化方法 ANSYS 提供了两中种优化设计方法（或称算法）： 零阶（Subproblem）近似方法 一阶方法 第三种方法，用户优化，允许加入自己的优化算法。 详见ANSYS Guide to User Programmable Features 设计优化（II） ?设计优化方法 零阶近似法 零阶方法只要求因变量SV 和 OBJ值，而不用他们的导数。 用因变量的近似值工作，而不用实际函数。 目标函数近似为最小值，而不是实际的目标函数。 状态变量近似为使用设计约束，而不用实际状态变量。 设计优化（II） - 方法? 零阶近似法 至少要适应所用的全部现有的设计集，以形成近似式： H 目标函数或状态变量的近似值 Xn 设计变量 n a, b, c 系数 N 设计变量总数 设计优化（II） - 方法? 零阶近似法 可用OPEQN 或 Design Opt Method/Tool Sub-problem 控制近似式的形成： 二次项 + 交叉项 缺省为 OBJ 仅有二次项 缺省为 SV 线形项 设计优化（II） - 方法? 零阶近似法 开始时， 需要几个设计集，以形成近似式。 ANSYS 产生随机设计 缺省为7个 ，或用优化数据库中的现成设计 可提供已知的“好的”设计来改进近似精度。 提示： 由随机法或单步循环法 或任何其他方法开始，以产生一些设计方案，然后只保留可行域内的或最好的n个设计。 设计优化（II） - 方法? 零阶近似法 对大多数应用推荐用零阶近似法，这是因为： 采用通用方法。 迅速获得优化结果。 设计优化（II） - 方法一阶方法 一阶方法 用因变量的导数 - OBJ 和 SV - 来决定搜索方向并获得优化结果。 没有近似，所以这种方法更精确。 每次迭代涉及多次分析 对分析文件的多次循环，以确定适当的搜索方向。 设计优化（II） - 方法?一阶方法 要选择一阶方法： Design Opt Method/Tool... 或用 OPTYPE 和 OPFRST: optype,first opfrst,nitr,size,delta SIZE 和 DELTA 用缺省值，通常已足够。 设计优化（II） - 方法?一阶方法 如这两个条件均能满足，就说是已收敛了： 改变目标函数，使当前设计和最优可行设计的目标函数之间的差值 小于允差。 |OBJcurrent - OBJbest| TOLERobj 和 改变目标函数，使当前设计和前一设计的目标函数之间的差值小于允差。 |OBJcurrent - OBJcurrent-1| TOLERobj 设计优化（II） - 方法?一阶方法 关于收敛还有一个要求就是，最后迭代必须用最陡下降搜索，否则，还要执行额外的迭代。 设计优化（II） - 方法?一阶方法 什么时候要用一阶方法？ 当精度很重要时。 当零阶方法不够精确时。 当速度很重要时，不推荐用一阶方法。 设计优化（II） - 方法B. 指导 将有： 总的指导 关于 DV的指导 关于 SV的指导 关于 OBJ的指导 设计优化（II） - 指导总的指导 无论什么时候，只要可能，就应利用对称性。记住：优化程序执行多次分析，所以模型规模愈小愈好。 设计优化（II） - 指导?总的指导 如果不是分析必须，要避免指定密度。这将节省计算质量矩阵所需的时间。 确认参数化模型对DV的所有可能值都要有效。 对每个DV，最好扫描两次（最小和最大值）。 每次运行后，以一 “安全”文件名保存优化数据库。保留此数据库将给你未来设计提供一个很大的数组，这是你不久可能要用的。 设计优化（II） - 指导?总的指导 有时优化问题可能收敛于一个局部最小值。 可以进行检查，而先用扫描工具（或其它工具）有可能获得全局最优。选择合适的初始设计。 设计优化（II） - 指导关于 DV的指导 关于设计变量的指导 设计变量数要少: 推荐不超过20个; 最好小于10个。 一种删除一些 DV的方法是，将其表示为其他参数的函数。例如，删除 R3可将其表示为 R1 和 T1的函数。R4也同样。 设计优化（II） - 指导?关于 DV的指导 选择 DV， 允许几种设计结构，但要排除不现实的和不要求的设计。 考虑，例如， 悬臂梁的重量优化。 一个 DV，x1，也能工作，但是，这就不能是带锥度的或曲线的设计。 设计优化（II） - 指导?关于 DV的指导 选择 4个 D