參數優化的案例
DfAM專欄 | DfAM底層通用技術之參數優化
（2）多學科多目標優化：
應用優化算法，搜索滿足優化目標的最佳設計變量值，實際客戶需求往往要求的優化目標可以是針對不同物理場或者學科的多個目標，故稱多學科多目標優化。
（3）穩健性可靠性評估與優化：
評估設計參數的波動對產品性能的影響，預測產品的失效概率并進行優化。
參數優化是詳細設計階段進行設計定型的重要技術，為了克服多學科非線性優化中遇到的大量設計參數的困難，參數優化可以進行參數敏感度分析、穩健性評估、可靠性分析、多學科優化、穩健與可靠性優化等等。
通過參數敏感性分析，在眾多參數中識別出影響性能的重要參數，過濾掉不重要的參數，建立響應面；通過多學科優化，輸出滿足設計需求的最佳設計參數；通過穩健性、可靠性分析及優化，評估離散參數對產品性能的影響程度，從而實現參數優化，對產品設計改進、定型，完成最終的詳細設計。
圖1 參數優化技術
參數優化的一般流程包括以下步驟：
（1）參數化建模：包括參數化CAD模型（如尺寸參數）以及參數化有限元模型（如載荷工況條件參數化）。
（2）參數敏感性分析：識別重要性參數，過濾無關參數，并建立高質量響應面，為后續快速優化做準備。
（3）優化分析：定義優化目標、約束條件，設定優化算法進行優化計算。
（4）設計驗證：對最終的優化設計進行驗證性分析。
展開 完全掌握workbench結構參數優化（參數相關） ￥5
微信 leslie_wj
～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～
workbench結構優化設計可以分為兩類：拓撲優化和參數優化。
本文內容：
workbench參數優化之參數相關實例詳解
下文目錄：
一：建模與參數設置
二：加載與參數設置
三：參數優化之參數相關
完全掌握workbench結構參數優化（響應面優化） ￥5
微信 leslie_wj
～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～
workbench結構優化設計可以分為兩類：拓撲優化和參數優化。
本文內容：
workbench參數優化之響應面優化實例詳解
下文目錄：
一：建模與參數設置
二：加載與參數設置
三：參數優化之響應面優化
參數優化
參數優化是光學設計中不可或缺的重要步驟。它可以幫助完善和改進系統，以確保完成任務的技術指標，并實現預期的性能。高速物理光學建模和設計軟件VirtualLab Fusion包括一個內置的參數優化功能，當然，根據設計任務的要求，該功能可以基于不同的仿真引擎(包括光線追跡和場追跡)工作。軟件隨附的現成探測器和分析器的選擇提供了許多最常見的優化函數，并可以通過編程進行額外的定制。
參數優化文檔簡介
VirtualLab Fusion提供三種局部優化算法和一種全局優化算法。此用例介紹了相關的參數優化文檔及其選項和設置。
了解更多
蛾眼抗反射結構的嚴格分析與設計
利用傅里葉模態法和VirtualLab Fusion中的參數優化，我們展示了抗反射蛾眼結構的分析和設計。
展開 
參數優化
參數優化是光學設計中不可或缺的重要步驟。它可以幫助完善和改進系統，以確保完成任務的技術指標，并實現預期的性能。高速物理光學建模和設計軟件VirtualLab Fusion包括一個內置的參數優化功能，當然，根據設計任務的要求，該功能可以基于不同的仿真引擎(包括光線追跡和場追跡)工作。軟件隨附的現成探測器和分析器的選擇提供了許多最常見的優化函數，并可以通過編程進行額外的定制。
參數優化文檔簡介
VirtualLab Fusion提供三種局部優化算法和一種全局優化算法。此用例介紹了相關的參數優化文檔及其選項和設置。
了解更多
蛾眼抗反射結構的嚴格分析與設計
利用傅里葉模態法和VirtualLab Fusion中的參數優化，我們展示了抗反射蛾眼結構的分析和設計。
展開 參數優化文檔介紹
摘要
VirtualLab Fusion的參數優化文檔使用戶能夠為其光學裝置應用非線性優化算法。該文檔指導您完成優化配置并最終輸出結果。這個用例解釋了參數優化文檔的不同選項和設置。目前包括三種局部優化算法和一種全局優化算法。
參數優化文檔
可以為光學裝置生成參數優化文檔，該光學裝置通過探測器或分析儀輸出要優化的數字。
參數優化文檔可以通過以下途徑打開
?功能區項目光學裝置>新參數優化
?快捷鍵“Ctrl+T”
?光學裝置編輯器的工具按鈕
參數選擇
檢測裝置規范
指定約束條件
在此頁面上，用戶可以指定約束類型和關聯值
? 系統選定的自由參數
? 探測器或分析儀計算的所有評價函數
? 可能的一般結構數量，取決于自由參數，不能直接修改。
指定約束條件
通過單擊“更新”，將觸發光學裝置的自由參數的起始值的模擬。所產生的評價函數（即其起始值）以及
→ 它們對優化的貢獻（相關性或優先級）
→ 公共價值函數值=目標函數值，定義為所有約束的加權和。
權重與貢獻
優化方法的選擇
所有提供的優化都旨在使目標函數值最小化。
1.選擇優化策略（局部或全局）
2.定義局部優化的設置
?選擇優化算法
?當達到最大迭代次數*或與上一模擬步驟的偏差小于最大公差**時，算法停止。
?通過初始步長比例因子，所有自由參數的起始值到第一次迭代值之間的步長均按比例縮放。即，控制初始配置周圍的搜索區域；
?eg.通過更高的值，可以跳出局部最小區域。
展開 HyperStudy在緩沖氣囊參數優化中的應用
3.3 優化結果
考慮到本文參數優化的規模，在HyperStudy中采用遺傳算法結合建立的響應面模型進行計算。因為緩沖氣囊參數優化的目標是函數的最小值，所以利用遺傳算法搜索響應面的最低點經過多次迭代最后趨于穩定可以得到緩沖氣囊參數優化的最優解，如表1所示。
進行仿真試驗可以得到優化前后主氣囊內壓、下落速度以及車體沖擊加速度的曲線分別如圖4～7所示：
由圖4可以看出優化前后主氣囊內壓最大時間大體一致，內壓大小優化后比優化前有所增大，最大值增大了0.9%，氣囊對車體的作用力加大，即增強了氣囊的緩沖效果。由圖5不難看出車體在第一個沖擊加速度峰值前下落速度曲線變化很小，優化前后基本一致，到達第一個沖擊加速度峰值之后下落速度曲線變化較大，經過優化著陸前的下落速度有所減小，且緩沖時間較長。由圖6可知優化后第一個沖擊加速度峰值有所增大，但相對較大的第二個峰值有顯著下降。優化后沖擊加速度最大值為4.94g，比優化前的6.48g減小了23.8%，氣囊的緩沖性能有顯著提高。由圖7可見優化后氣囊吸收能量由242.798 kJ增大為244.182 kJ。此次緩沖氣囊參數優化研究所采取的方法達到了預期目的。
4 結論
文中通過HyperMesh對車-氣囊有限元模型進行建模，采用響應面法結合車-氣囊有限元模型進行緩沖氣囊參數優化，通過對析因設計和中心組合設計兩種試驗設計方案進行比較后選擇采用中心組合設計結合二階多項式方程構建響應面，然后運用遺傳算法優化求解。優化前后氣囊緩沖特性的對比結果表明：經過優化車體的著陸速度有所減小；優化后車體沖擊加速度最大值為4.94g，比優化前的6.48g減小了23.8%；氣囊的緩沖性能有顯著提高。
展開 Moldex3D模流分析之設計參數優化流程
圖五 平行坐標圖
圖六 品質響應圖
圖七 實際案例優化最佳組
更多有關設計參數優化(DPS)
設計參數優化(DPS)除了可以透過Moldex3D SYNC本身進行分析外，也積極與其他優化軟件進行整合，透過其他優化軟件的算法配合SYNC本身的CAE自動化流程，協助用戶找到最佳的產品設計參數。除此之外，SYNC也積極在開發澆口位置優化，并且在未來提供更多的優化方法供使用者選擇。
汽車消聲器連結法蘭盤沖壓成形工藝參數優化
摘 要：選取了某企業生產的汽車消聲器連結法蘭盤零件為參數優化對象。利用Dynaform軟件對零件沖壓過程進行有限元數值模擬并記錄27組實驗數據。建立BP神經網絡模型并完成神經網絡模型的訓練及測試，最后結合遺傳算法優化工藝參數，得到最優值的試驗條件為：壓邊力68kN,凸模圓角半徑12mm,摩擦系數0.12,凸凹模間隙2.5mm。經過沖壓試驗，觀察該零件，成形質量完好，孔口處未見明顯的開裂。將神經網絡和遺傳算法相結合優化法蘭盤沖壓成形工藝參數的方法尋優范圍更大，獲取的最優值也更加準確。
關鍵詞：神經網絡;遺傳算法;參數優化;法蘭盤;沖壓成形;
神經網絡和遺傳算法相結合可以解決很多參數優化類的問題，在機械行業的應用也越來越廣泛。利用有限元軟件Dynaform對汽車消聲器連結法蘭盤的圓孔翻邊過程進行模擬分析，影響其成形質量的因素主要有凸模圓角半徑、壓邊力、摩擦系數和凸凹模間隙[1]。從理論上建立起成形質量影響因素與試驗結果的對應關系是非常復雜的，準確描述兩者之間關系的數學模型是很難建立的。在這種情況下，利用人工神經網絡可以逼近非線性函數的特點，首先進行法蘭盤沖壓成形工藝參數對成形結果的預測，再結合遺傳算法尋找最優的沖壓成形工藝參數。
工藝參數的優化常采用的方法是對正交實驗獲得數據進行分析，選擇結果最好的實驗數據作為最優的工藝參數。但是這種方法需要做大量的實驗，還要確保加工條件不能改變。目前關于沖壓工藝參數優化的研究主要有：李雷等[2]利用人工神經網絡，對封頭成形工藝參數進行優化，得到質量優異的封頭構件。王泌寶[3]依據Autoform有限元軟件得到實驗值，基于BP神經網絡擬合工藝參數與質量參數之間的關系，并依據預測均方根誤差驗證了擬合的精確性。
展開 VirtualLa Fusion：折射光束整形元件參數優化以實現圓形高帽整形
4.參數優化文檔，打開參數優化文檔，選擇變量，設置優化目標，開始優化
? 參數優化可以提高Top Hat的信噪比。應用經典場追跡模擬系統時可以將衍射，干涉以及像差效應考慮在內，因此可以小Top Hat的邊緣寬度。
? 優化文檔存儲在文件“Scenario_307.01_Refractive_Top_Hat_Beam_Shaper_2.opt”。
? 轉換效率和信噪比通過參數優化進行了優化。
? 由于效率已經相當不錯了，因此會增加信噪比對普通評價函數的影響。
下山單純形算法用于局部優化。
5.優化結果
? 優化后的Top Hat性能：
- SNR：39dB
- 效率：91%
SNR顯著增大。
? 優化的光路圖存儲在“Scenario_307.01_Refractive_Top_Hat_Beam_Shaper_3.lpd”。
? 盡管整體高帽形狀得到了優化，但高帽在光軸附近仍舊包含具有一定的一致性誤差。光路圖中的第二個衍射優化函數探測器可以用于計算和優化高帽中心區域一致性誤差以進一步提升光束質量并在邊緣形狀和光軸附近的一致性誤差之間尋找平衡。
6.結論
? VirtualLab Fusion允許進行折射光束整形系統的參數優化。
? 模擬和優化考慮了衍射，干涉和像差的影響。
? 信噪比和轉換效率的評價函數可以用于系統質量評估。
展開 折射光束整形元件參數優化以實現圓形高帽整形
4.參數優化文檔，打開參數優化文檔，選擇變量，設置優化目標，開始優化
? 參數優化可以提高Top Hat的信噪比。應用經典場追跡模擬系統時可以將衍射，干涉以及像差效應考慮在內，因此可以小Top Hat的邊緣寬度。
? 優化文檔存儲在文件“Scenario_307.01_Refractive_Top_Hat_Beam_Shaper_2.opt”。
? 轉換效率和信噪比通過參數優化進行了優化。
? 由于效率已經相當不錯了，因此會增加信噪比對普通評價函數的影響。
下山單純形算法用于局部優化。
5.優化結果
? 優化后的Top Hat性能：
- SNR：39dB
- 效率：91%
SNR顯著增大。
? 優化的光路圖存儲在“Scenario_307.01_Refractive_Top_Hat_Beam_Shaper_3.lpd”。
? 盡管整體高帽形狀得到了優化，但高帽在光軸附近仍舊包含具有一定的一致性誤差。光路圖中的第二個衍射優化函數探測器可以用于計算和優化高帽中心區域一致性誤差以進一步提升光束質量并在邊緣形狀和光軸附近的一致性誤差之間尋找平衡。
6.結論
? VirtualLab Fusion允許進行折射光束整形系統的參數優化。
? 模擬和優化考慮了衍射，干涉和像差的影響。
? 信噪比和轉換效率的評價函數可以用于系統質量評估。
展開 
VirtualLab運用：折射光束整形元件參數優化以實現圓形高帽整形
4.參數優化文檔，打開參數優化文檔，選擇變量，設置優化目標，開始優化
?參數優化可以提高Top Hat的信噪比。應用經典場追跡模擬系統時可以將衍射，干涉以及像差效應考慮在內，因此可以小Top Hat的邊緣寬度。
?優化文檔存儲在文件“Scenario_307.01_Refractive_Top_Hat_Beam_Shaper_2.opt”。
?轉換效率和信噪比通過參數優化進行了優化。
?由于效率已經相當不錯了，因此會增加信噪比對普通評價函數的影響。
下山單純形算法用于局部優化。
5.優化結果
?優化后的Top Hat性能：
-SNR：39dB
-效率：91%
SNR顯著增大。
?優化的光路圖存儲在“Scenario_307.01_Refractive_Top_Hat_Beam_Shaper_3.lpd”。
?盡管整體高帽形狀得到了優化，但高帽在光軸附近仍舊包含具有一定的一致性誤差。光路圖中的第二個衍射優化函數探測器可以用于計算和優化高帽中心區域一致性誤差以進一步提升光束質量并在邊緣形狀和光軸附近的一致性誤差之間尋找平衡。
6.結論
?VirtualLab Fusion允許進行折射光束整形系統的參數優化。
?模擬和優化考慮了衍射，干涉和像差的影響。
?信噪比和轉換效率的評價函數可以用于系統質量評估。
- - - - - - - - - - - - - - -近期推薦 - - - - - - - - - - - - - - - -
展開 VirtualLab：傾斜光柵的參數優化及公差分析
在本例中，提出了利用嚴格傅里葉模態方法（FMM，也稱為RCWA）對傾斜光柵的優化方法。優化后的光柵的衍射效率超過90%。此外，還研究了其對光柵的傾角偏差和圓角邊緣的影響。
建模任務
優化
為了為傾斜光柵找到一組優化的參數，優化文檔允許為目標值定義參數約束和權重值。更多信息請參見：
參數優化文檔的介紹
第一級次的參數優化
結果——公差分析
VirtualLab Fusion技術
文檔信息
拓展閱讀
用于光波導耦合的傾斜光柵設計
單入射方向光波導耦合光柵的優化
參數優化文檔的介紹
傾斜光柵的高級配置
利用界面配置光柵結構
光柵級次分析器
展開 VirtualLab：傾斜光柵的參數優化及公差分析
在本例中，提出了利用嚴格傅里葉模態方法（FMM，也稱為RCWA）對傾斜光柵的優化方法。優化后的光柵的衍射效率超過90%。此外，還研究了其對光柵的傾角偏差和圓角邊緣的影響。
建模任務
優化
為了為傾斜光柵找到一組優化的參數，優化文檔允許為目標值定義參數約束和權重值。更多信息請參見：
參數優化文檔的介紹
第一級次的參數優化
結果——公差分析
VirtualLab Fusion技術
文檔信息
拓展閱讀
用于光波導耦合的傾斜光柵設計
單入射方向光波導耦合光柵的優化
參數優化文檔的介紹
傾斜光柵的高級配置
利用界面配置光柵結構
光柵級次分析器
展開 isight參數優化理論與實例詳解下載
以上便完成了參數化模型的設置，保存模型用于后續優化集成。
二、基于優化軟件的參數優化集成
SFE與優化軟件的集成是通過后臺調用SFE軟件來實現的。通過SFE創建參數化模型后，可以導出對應優化軟件所需的配置文件。通過不同優化軟件接口導出的文件均包括三個文件：.con文件為批處理所需的控制文件，.mac文件為參數文件，另外一個文件為優化軟件所需的接口文件，不同的優化軟件具有不同的接口文件，用于進行優化軟件的配置。其中，Heeds的文件為.in，Isight的文件為.desc，LSOPT為.com，modefrontier為.info，optimus為.instr，optisLang為.xml。以上文件的使用方式在后續的文章中詳細介紹。
SFE軟件的批處理命令為concept -a -b filename.con，其中.con文件會調用.mac參數文件和.SFECmod模型文件生成對應的有限元求解文件。優化軟件對.mac進行參數化來修改變量，SFE后臺進行模型的更新以及FE求解文件的生成。
.con批處理文件：
.mac變量文件：
2.1 基于Isight和SFE的參數優化
正如上文所述，在SFE導出Isight軟件接口文件時，生成了一個.desc文件，這是一個Isight模型描述文件，Isight可以通過這個文件自動生成優化分析設置，包括設計變量的創建，文件的關聯等。然而這個文件應該是早期版本Isight的描述文件，現在版本的文件已經無法正常讀取生成模型。因此，無法直接使用SFE生成的.desc文件來自動創建Isight的優化流程。需要通過常規的方法來進行SFE軟件的集成，這里使用simcode的方式來進行。
展開 