CFD專欄丨參數優化案例（三）：基礎教程
本期文章將通過2個簡單案例演示 HyperWorks CFD 參數優化的操作步驟，一起來看看吧。
流程自動化
實現 CFD 參數優化，首先要創建流程自動化。用戶可采用SimLab的Python宏命令，錄制建模流程。或在HyperWorks CFD模塊的Template Manager創建Tcl/Tk命令流。這兩種方法都可以在后臺調用AcuSolve求解器，自動劃分網格，提交計算任務和獲取響應值。
Automation → Scripting → Record/Play錄制或回放Python腳本。
SimLab 自動化
SimLab 的 DOE 工具用于多工況（例如不同的流量，閥門開度等）的一鍵提交計算。
SimLab多工況批量計算
HyperWorks CFD的流程自動化。用戶在Template Manager中定義一系列動作，例如劃分網格，定義邊界，材料定義等，而無需手動編輯Tck/Tk腳本。
Template Manager腳本回放
HyperWorks CFD的多工況批量計算
案例一：管路水溫優化
管路分別有一個大直徑的冷水入口，和一個小直徑的熱水入口。管路出口的溫度受2個入口流速和溫度的影響。
演示 HyperStudy 優化CFD模型：
DOE研究4個輸入參數，流速V_cold,V_hot，溫度T_hot,T_cold的敏感性和相關性
擬合出口溫度的響應面
尋優入口流速和溫度的參數組合，滿足目標出口溫度。
參數化AcuSolve的*inp求解文件，將 inlet 的參數作為設計變量：
定義設計參數的范圍，數據類型（整數、小數，字符）：
驅動CFD模型在后臺完成計算：
提取響應：outlet的平均溫度
Setup Definition完成表明參數化模型創建成功，就可以進入下一步DOE，擬合響應面或優化的步驟。
DOE的Full Factorial會將每種參數組合計算一次，對于本例，總共有5^4=625個工況。選Fractional Factorial（Resolution III）計算代價最小，對于本例，只需要計算25個工況。但是這會混雜主效應與輸入參數之間的相互作用，如果相互作用顯著，預測可能不準確。如選Resolution V，代價只有Full Factorial的1/4，且主效應和相互作用沒有混雜。
Pareto Plot顯示出口溫度的主要影響參數：T_hot最大，且是正影響(陰影線條是”///”)。V_cold影響最小，且是負影響(陰影線條是”\\\”) 。
Linear Effects顯示有3個輸入參數都是正效應，T_hot影響最大（正斜率最大）。
說明：增大T_hot，對提高出口水溫效果最好，增大T_cold效果次之，增大V_hot再次之，增大V_cold在一定范圍內影響不大。
Interactions顯示T_cold和T_hot對出口溫度的影響相對獨立。（越接近平行線表明相關性越小）。
Interactions顯示T_cold和V_cold對出口溫度的影響是相關的（2條線越偏離平行，相關性越強）。對于這個簡單模型，這是顯而易見的：當V_cold高的時候，T_cold稍微變動就會顯著影響出口溫度。
響應面擬合：將上一步DOE的Fractional Factorial結果作為響應面的輸入， DOE的Hammersley方法作為驗證。默認的擬合選項FAST會從LSR/MLSM/RBF中自動找出一個最佳的算法。R-Square是確定性系數，>0.92表示擬合質量較好。
Trade-off可以進行預測分析，用鼠標滑塊調整輸出參數，進行what-if分析。
用Report工具將響應面輸出成多種格式，包括*fmu,*htm等。如輸出*xls格式，則可以在excel中進行what-if分析而無須打開HyperStudy。
GRSM全局響應面優化算法找出最接近目標值的參數組合：
案例二：散熱片優化
HyperStudy 驅動NX參數對散熱片模型進行參數研究， 分析最高溫度和風道壓差的變化。
2個輸入參數：散熱片的翅片數和厚度。2個輸出參數：散熱片最高溫度和風道壓力損失
優化目標：散熱片溫度最低，同時滿足風道的壓力損失約束條件
散熱片原設計：24個翅片，厚度1mm。入口邊界：300K, 7m/s。發熱功率密度：5 W。
風冷散熱片模型
在SimLab中啟動宏錄制功能，導入NX散熱片模型。（首次運行，需要雙擊SimLab安裝目錄下的configure.exe文件配置CAD環境變量）
在SimLab的參數管理器中修改NX尺寸參數, 劃分網格，設置邊界條件、材料屬性、求解器參數等，提交CFD計算，保存腳本*py文件
散熱片表面溫度
切面風速
HyperStudy 參數化SimLab的*py文件，定義散熱片的厚度和個數為設計變量：
定義風道壓差和散熱片最高溫度為響應參數：
Setup Definition完成表明參數化模型創建成功，下一步選擇拉丁超立方DOE：
Multi-Execution設置同時執行多個計算任務。比如CPU有32線程，可以設置為4Jobs，每個Job用8線程：
Pareto Plots顯示散熱片溫度影響因素：翅片厚度影響大于翅片個數，
翅片厚度和個數對溫度都是負影響（陰影線條是”\\\”）。
Pareto Plots顯示風道壓力損失影響因素：翅片厚度影響大于個數，
翅片厚度和個數對溫度都是正影響。（陰影線條是”///”）
Interactions顯示：當翅片較厚的時候，翅片越多，風壓損失越大（斜率大）。當翅片較薄的時候，翅片個數對風壓影響不顯著（斜率小）
Interactions顯示：無論翅片薄厚， 翅片個數越多，溫度越低（兩條線幾乎平行，且是負斜率）
定義優化目標：散熱片溫度最低，同時滿足風道的壓力損失約束條件。采用GRSM全局響應面法尋優50次，找到最優解
優化結論：散熱片25個翅片，厚度3mm, 溫度最低，但是風壓損失超過約束值。因此最終方案是16個翅片，厚度2.8mm。
本期的案例講解就到這里啦，感興趣的朋友們歡迎持續關注 Altair 官方微信公眾號，點擊文末或標題下方的CFD專欄，閱讀更多往期文章。
同時，也可以關注 Altair中國 Bilibili官方賬號CFD頻道，觀看更多CFD技術視頻，我們下期見~
掃碼進入
Altair Bilibili
無廣告流暢視頻體驗；彈幕、評論區讓學習不再孤單；視頻頻道分類易于查找；嗶哩嗶哩 (゜-゜)つロ 干杯~
關于 Altair 澳汰爾
Altair（納斯達克股票代碼：ALTR）是計算科學和智能領域的全球領導者之一，在仿真、高性能計算 (HPC) 和人工智能等領域提供軟件和云解決方案。Altair 能使跨越廣泛行業的企業們在連接的世界中更高效地競爭，并創造更可持續的未來。
公司總部位于美國密歇根州，服務于13000多家全球企業，應用行業包括汽車、消費電子、航空航天、能源、機車車輛、造船、國防軍工、金融、零售等。
欲了解更多信息，歡迎訪問：
工程師必備
- 項目客服
- 培訓客服
- 平臺客服
TOP
