Optislang模型标定与优化设计.docxVIP

Optislang模型标定与优化设计

刘丙权ANSYSChina

1?2016ANSYS,Inc.July4,2018ANSYSConfidential

目录

?Optislang简介

?Optislang优化设计和鲁棒性分析功能

?模型标定

2?2016ANSYS,Inc.July4,2018ANSYSConfidential

仿真驱动研发

ANSYSWorkbench

Solver

Mechanical

CADGeometryMeshingPost-ProcessingOptimization

FluidsEmag

3?2016ANSYS,Inc.July4,2018ANSYSConfidential

什么是optiSLang

?optiSLang是进行参数敏感性分析、多学科优化、稳健性、可靠性分析

与设计优化的算法工具包.

Start

稳健性设计优化

稳健性设计优化

基于方差的稳健性评估

敏感性分析

基于概率的稳健性评估单目标优化

（可靠性分析）

多目标优化

（帕累托优化）

求解器集成(FEM,CFD,MBD,Excel,Matlab,等)

4?2016ANSYS,Inc.July4,2018ANSYSConfidential

DesignUnderstanding

Investigateparametersensitivities,

reducecomplexityand

generatebestpossiblemetamodels

DesignImprovement

Optimizedesignperformance

Optimizedesignperformance

CAE-Data

RobustDesign

Measurement

Data

ModelCalibration

Identifyimportantmodelparameter

forthebestfitbetweensimulation

andmeasurement

DesignQuality

Ensuredesignrobustness

andreliability

5?2016ANSYS,Inc.July4,2018ANSYSConfidential

集成与ANSYSWorkbench

?optiSLangmodules

Sensitivity+MOP,OptimizationandRobustnessaredirectlyavailableinANSYSWorkbench

SignalProcessingmodule

toworkwithcurves

insideANSYSWorkbench

6?2016ANSYS,Inc.July4,2018ANSYSConfidential

Optislang优化设计和鲁棒性分析功能

?敏感性分析

?多学科优化

?鲁棒性和可靠性分析

7?2016ANSYS,Inc.July4,2018ANSYSConfidential

optiSLang的样本方法

?全因子法

?中心组合法

?D-最优二次

?完全蒙特卡洛法(MCS)

?拉丁超立方取样法(LHS)

?高级拉丁超立方取样法(ALHS)

?空间填充拉丁超立方取样(SLHS)

?……

MCS，?=0.085LHS，?=0.010

全因子中心组合D-最优二次

ALHS，?=0.000SLHS，?=0.000

8?2016ANSYS,Inc.July4,2018ANSYSConfidential

传统预测质量评估指标：CoD（决定系数）

?CoD用于评估多项式回归模型的拟合精度，数学定义：可以被响应参数

拟合值解释的变差百分比

其中：

总变差：

已解释变差：

未解释变差：

?缺陷

?只能反映回归模型通过样本点的精度，而不是整个参数空间的预测

?样本数量少的的情况下，出现虚假精确现象，CoD反而大

?对于插值模型，CoD等于1（即使预测质量很差）

9?2016ANSYS,Inc.July4,2018ANSYSConfidential

optiSLang预测质量评估指标：CoP（预测系数）

?对样本空间进行分区，采用交叉验证算法计算CoP

?预测模型已解释变差百分比。

?优势

?CoP随着样本数量的增加而增加，无虚假精确现象

?CoP对于插值模型和回归模型均可以准确评价回归质量

10?2016