仿真優化的案例
單級渦輪轉子-CAESES仿真優化經驗分享
在渦輪的氣動設計過程中，因設計需求變更導致的渦輪葉片優化迭代較多。目前CFD仿真技術應用廣泛，在葉輪機設計領域更有多款單獨的仿真軟件。而因造型參數較多（單個葉片30個以上），渦輪葉片的優化工作還是較為耗時繁瑣，往往只有經驗豐富的工程師才能合理把握進度。
本次分享的輸入條件為單級渦輪葉片，針對轉子葉片進行參數優化仿真。整個優化仿真過程依賴于CAESES仿真優化軟件進行，主要分為CAESES參數化建模、制定仿真優化方案、CFX仿真及腳本錄制、軟件鏈接優化仿真四大步驟，希望本人的淺析能為大家在葉輪機葉片優化仿真方面帶來幫助。
一、CAESES參數化建模
本方案葉型采用基于Nurbs曲線的方法進行參數化造型，包含了前/尾緣圓弧、Nurbs曲線（5個控制點）、角度、位置等參數共21個（主要參數如圖2所示）。該造型方法具有光順連接、靈活多變、完全可調等特點，較為適合直拉式葉片的設計。
在CAESES建模過程中，采用“Feature”功能實現葉型參數化設計，基于“Curve Engine”進行參數控制，最終通過“Meta Surface”曲面造型功能實現基于參數曲線的三維葉片造型。參數曲線以及相應的三維葉片如圖3所示，此模型可通過參數曲線的調節控制模型的形狀變化。
二、仿真優化方案
由于三維葉片造型參數較多，本方案采用等截面葉柵的方式對葉片進行優化。仿真優化方案如圖4所示，在CAESES參數化模型進行上，在不同葉高位置截取葉型，由直拉的方式得到等截面葉柵（如圖5所示），通過等截面葉柵葉型氣動優化間接實現三維葉片的優化。
展開 汽車進氣岐管-CAESES仿真優化經驗分享
（a）Free Form Deformation （b）直接參數控制 （c）間接關聯控制
圖3 參數變化演示
二、軟件鏈接仿真優化
網格生成及CFD計算采用現在較為流行的商業仿真軟件Star-CCM+，參數化建模生成 “stl”數模，仿真計算流程生成“java”腳本文件，整個仿真優化流程如圖4所示。使用CAESES強大的外部軟件鏈接及優化功能，即可將兩個仿真軟件進行串聯，實現方案的自動仿真優化（鏈接文件如圖5所示）。
圖4 仿真優化流程
圖5 建模-仿真軟件鏈接
CAESES包含了單目標、多目標、遺傳算法等多種優化算法。本方案在保證速度均勻性的條件下，降低壓損為目標參數進行優化。選擇對模型以及氣流均勻性影響較大的10個參數變量，先用sobol算法進行設計參數的敏感度分析，然后在sobol結果（20個）基礎上選擇優化算法（如T-search算法）進行進一步優化。通過1天的CFD仿真計算，在80個自動優化方案中得到了最終方案（如圖6所示）。
圖6 T-search仿真數據
圖7為原始方案與優化方案的仿真流場對比結果，通過參數改進，入口與中間腔體連接區域的流動更為均勻，最終對4個出氣口的均勻性有所提高前提下，壓損降低了3%。
整個進氣岐管方案的仿真優化時間共為3天（包括參數化建模），可見CAESES軟件對于復雜變形模型的優化也具有較大優勢，通過參數關聯以及敏感性分析，可快速高效地實現仿真優化目的。
圖7 流場對比圖（速度）
展開 汽車進氣岐管-CAESES仿真優化經驗分享
在仿真設計過程中，因進氣岐管造型復雜，通過單一參數的調節往往無法得到理想方案，且耗時耗力。本文采用CAESES軟件對進氣岐管進行全參數化建模，鏈接商業仿真軟件（如Star-CCM+）對多個關鍵參數進行同時優化，通過自動化仿真計算快速高效地得到了優化方案。
本次分享的輸入條件為進氣歧管，對已有參考模型進行參數優化建模仿真。整個仿真優化過程依托于CAESES仿真優化軟件進行，主要分為CAESES參數化建模、CFD仿真及腳本錄制、軟件鏈接仿真優化三個部分。希望本人的優化嘗試能讓大家對CAESES這款軟件更為了解，同時也能為進氣岐管或是類似模型的仿真優化提供思路。
一、CAESES參數化建模
本方案的進氣歧管連接有4個氣缸，進氣管與4個出氣口之間通過一個腔室進行串聯，同時實現氣流分配。整個CAESES參數化建模過程主要為8個步驟（如圖2所示），參考已有模型尺寸及位置，分別創建入口段、中間腔體和4個出口段；接著創建入口和出口分別與中間腔體之間的連接段；然后對中間腔體和其他連接曲面進行分割及閉合處理，并得到完整進氣岐管模型。
模型變形，除了全參數化建模，還可以針對已有模型通過“Free Form Deformation”自由變形、直接參數控制、間接關聯控制等多種方法對現有模型進行外形變化（如圖3所示），通過對關鍵位置的變形控制獲取不同方案的CFD結果，從而達到優化的目的。
二、軟件鏈接仿真優化
網格生成及CFD計算采用現在較為流行的商業仿真軟件Star-CCM+，參數化建模生成 “stl”數模，仿真計算流程生成“java”腳本文件，整個仿真優化流程如圖4所示。
展開 承接連接器及其他類電子機械產品的仿真優化
各類防水仿真優化，接觸電阻仿真優化，溫升仿真優化，插拔力仿真優化，保持力仿真優化等等
二元可調進氣道-CAESES仿真優化經驗分享
使用CAESES強大的外部軟件鏈接功能，即可將通過輸入/輸出文件將三部分的仿真軟件進行串聯（如圖6所示）。
圖5 優化仿真流程
圖6 優化仿真軟件鏈接
CAESES包含許多優化算法，本輪方案采用Sobol算法對兩個自變量參數進行明暗度分析，初步擬定了20套模型進行優化對比（如圖7所示）。通過仿真結果排序，優化效果較為明顯，喉道總壓恢復系數由初始方案的0.794提升至0.844，提升了6%，出口總壓恢復系數則提升了4%。
圖8-圖10為仿真結果及對比方案，由仿真結果可知，在楔板總傾角不變的條件下，內唇口偏轉角對總壓性能表現出了良好的單調影響趨勢，為喉道總壓性能的主要影響因素。
通過本輪方案的優化仿真，初步摸索了無粘條件M3.4下二元可調進氣道的角度參數對進氣道性能的影響，再次體現了CAESES軟件在仿真優化方面的優勢。在此基礎上，可通過來流條件變化、附面層吸除、粘性計算、擴壓器分流等方式，對二元可調進氣道進行下一步的仿真優化，往工程設計靠攏。
圖7 仿真優化數據
圖8 仿真流場圖（總壓恢復系數）
圖9 性能曲線圖
圖10 優化方案對比
展開 HFSS應用案例：參數掃描與自動優化仿真
在HFSS仿真中實現自動優化仿真
1、建立HFSS project，建立模型和參數化模型如上節1-2點所述；
2、在左側Project Manager框中右鍵點擊Optimetrics，并選擇Add Optimization；
3、在彈出的菜單中Optimizer下拉框中可選擇自動優化的算法，點擊Setup Calculations，在彈出的菜單中選擇自動優化的目標表達式，點擊Add Calculation確定；
4、在生成的表達式行中，填寫自動優化目標的表達式值及權重，可設置多個優化目標；
5、點擊Edit Variables，選擇用來做自動優化的參數變量；
6、完成后即可開始自動優化仿真；
7、仿真完成后即可輸出自動優化結果；
結論
使用仿真手段進行優化設計已成為現代產品研發的常態，Ansys HFSS仿真軟件具備多種優化分析工具，能夠協助我們快速進行仿真優化設計最優解，幫助企業更高效完成更具挑戰性的產品設計。
展開 第七屆"仿真優化+工業人工智能"國產工業軟件研討會暨2025年天洑軟件用戶大會圓滿召開
國家杰出青年科學基金獲得者、國家自然科學二等獎獲得者
清華大學長聘教授、中國仿真學會常務副理事長 王凌
PART2 產品發布會：基于人工智能的工業軟件創新實踐
天洑自研的仿真、設計類工業軟件是制造業數字化的源頭，也是所有工業軟件中難度最大、技術壁壘最高的領域，天洑軟件自2011年成立以來，致力于解決工業軟件應用難題，堅持以“國產替代+創新引領”為雙輪驅動，通過國產替代打磨產品，通過創新解決行業卡點難題，構建設計+仿真+優化+工業人工智能的完整智能工業軟件鏈條。
大會上，天洑軟件產品經理分別發布了天洑五款主打軟件的2025R1版本：
工業AI底座TFIIF 2025R1升級點：大模型+智能體，重塑工業AI建模；基于仿真的數字孿生建模及應用；智能優化，讓生產運維效益最大化；振動分析工具，多維診斷，預見故障；豐富的數據監測與分析手段；功能、交互、性能全面提升。
智能熱流體仿真軟件AICFD 2025R1升級點：“AI網格”全新發布；幾何網格模塊功能升級；可壓縮求解能力大幅提升；界面交互體驗提升；AIPOD自動優化接口；智能問答和智能建模。
智能結構仿真軟件AIFEM 2025R1升級點：幾何建模與編輯；自動縫焊；分析類型全覆蓋；一鍵生成仿真報告；AIPOD自動優化接口；拓撲優化CAD結果導出。
智能優化設計軟件AIPOD 2025R1升級點：新增全模塊用戶自定義功能；生態開放增強；DFX能力全面改造升級；云原生架構改造。
智能數據建模軟件DTEmpower 2025R1升級點：新增系統仿真代理模型構建能力；新增智能分類工作流；幫助體系全面升級；AutoML易用性提升；工業Excel Plus增加峰值提取與指標面板。
以上軟件可在天洑官網下載，軟件內置30天免費試用，即下即用。
展開 結構優化仿真計算的最佳利器-UltraLAB圖形工作站、集群配置推薦20230927
以下是結構優化仿真中常用的一些計算方法：
§ 靜態優化：針對結構在靜力作用下的性能進行優化。
§ 動力優化：針對結構在動力作用下的性能進行優化。
§ 非線性優化：針對結構在非線性條件下的性能進行優化。
§ 多尺度優化：針對結構在不同尺度下的性能進行優化。
靜態優化是結構優化仿真的最常見的類型，用于針對結構在靜力作用下的性能進行優化，如結構的強度、剛度等。
動力優化用于針對結構在動力作用下的性能進行優化，如結構的振動、沖擊等。
非線性優化用于針對結構在非線性條件下的性能進行優化，如塑性變形、屈曲等。
多尺度優化用于針對結構在不同尺度下的性能進行優化，如宏觀尺度和微觀尺度等。
主要結構優化仿真軟件：
§ Ansys OptiStruct：用于結構優化，主要用于機械產品、航空航天產品、汽車產品等的設計和分析。
§ ABAQUS/CAE：用于結構優化，主要用于機械產品、航空航天產品、汽車產品等的設計和分析。
§ LS-DYNA：用于結構優化，主要用于復雜結構、碰撞仿真等。
§ COMSOL Multiphysics：用于多物理場仿真，包括結構優化、流體仿真、熱仿真等。
計算的特點：
§ 計算量大：結構優化仿真通常涉及大量的計算量，這對計算機硬件和軟件提出較高的要求。
§ 迭代次數多：結構優化仿真需要進行多次迭代計算，才能找到最優解。
§ 模型復雜：結構優化仿真模型通常比較復雜，這對軟件的功能和性能提出較高的要求。
結構優化仿真是結構設計和制造的重要工具，可以幫助工程師找到最優的結構設計方案，提高結構的性能和可靠性。
展開 6/25 工程仿真優化技術OptiSLang案例
隨著仿真技術的發展，傳統的仿真技術已經日趨完善，其功能已經覆蓋結構電磁流體系統化等多個領域的需求。在仿真工具的幫助下，客戶可以基于仿真結果對設計進行修改和優化，提升自身產品性能的同時降低開發成本。但這同時也帶來一個問題，我們在周而復始的仿真——修改——優化——仿真過程中需要不斷的手動修改變量參數去獲取我們新一輪的結果，并且無法準確判斷其結果的優化性能究竟達到多少的效果，這就需要引入我們一個新的仿真優化思路。PIDO基于過程集成與優化設計，作為仿真一個新的臺階，利用優化軟件驅動其他仿真工具類軟件，實現自動化工作流程代替人工試錯過程，提高設計效率。
本次內容將針對Ansys OptiSlang這一新的多學科優化仿真平臺軟件，實現鏡頭設計中的MTF優化過程進行介紹。考慮盡可能多的鏡頭組設計參數，利用先進的優化算法代替人為經驗進行鏡頭的優化設計，找到最佳設計參數組合。
展開 中天陽光CAE仿真計算與優化工作室
中天陽光CAE仿真計算與優化工作室
承接各類CAE仿真計算與優化項目。
誠邀加盟：誠邀從事CAE仿真計算與優化的自由職業者和有志之士加盟中天陽光CAE仿真計算與優化工作室QQ群：156051689！新手老手均可，互相學習，抱團取暖，合作共贏！
中天陽光CAE仿真計算與優化工作室QQ群號：156051689。
中天陽光CAE仿真計算與優化工作室QQ號：470727065。
中天陽光CAE仿真計算與優化工作室微信號：ztygcae；二維碼：
淘寶網店鋪網址：https://shop150003938.taobao.com。
豬八戒店鋪：http://shop.zbj.com/14551800。
新浪微博網址：http://weibo.com/ztygcae。
騰訊微博網址：http://t.qq.com/ztygcae。
地址：湖南長沙湖南大學（南校區）天馬西村14棟301 室(郵編：410012)
工作室主任工作領域：碰撞、侵蝕、沖壓、結構分析等各類CAE仿真計算與優化項目；LS-DYNA,HYPERMESH和ABAQUS的軟件應用；接觸碰撞問題（CONTACT-IMPACT PROBLEMS）的算法研究，包括接觸搜尋和接觸力的算法研究。
工作室業務領域：承接各類CAE仿真計算與優化項目，如汽車碰撞，乘員約束，NVH, 沖壓成形，跌落，穿靶等。涵蓋結構靜、動態分析；線性、非線性問題的處理。工作室承接產品結構強度、剛度、屈曲穩定性、模態，動力響應分析、熱傳導、三維多體接觸、彈塑性等力學性能的分析計算以及結構性能的優化等有關項目。
展開 2025大賽優秀作品 | 研發仿真數智轉型：電機數智仿真優化平臺
“Ansys 2025 全球仿真大會”仿真應用大賽優秀作品展示
本屆仿真應用大賽最終評選出 30 篇 TOP 優秀作品，分別榮獲一、二、三等獎及行業最佳實踐獎。近 200 位來自汽車、半導體、高科技、能源等行業的仿真精英參賽，他們以前沿思維與創新實踐，充分展現了仿真技術的無限潛能。我們將陸續為大家分享獲獎佳作，帶您一同領略仿真賦能創新的非凡力量，希望用戶能從中汲取靈感、啟迪思路。
作品名稱：研發仿真數智轉型：電機數智仿真優化平臺
作者： 舒圣浪 | 美的集團 電磁研究高級工程師
關鍵詞：智能尋優，機器學習，流程自動化，電機
作者說
設計特征可靈活退化與布爾衍生拓展是AEDT全參數化模型庫（UDP）的一大特色，其優秀的可移植性利于研發協同；完整的二次開發腳本幫助文檔與PyAEDT庫可顯著提高定制開發效率；在高性能計算HPC方面，RSM與LSDSO在不同場景下的針對性應用亦可顯著提高計算效率。
本應用案例聚焦于研發仿真數智轉型建設，以電機數智仿真優化平臺為例，闡述美的在仿真數智轉型上的一些思考和嘗試，供行業參考。平臺從滿足研發組織多職群、產品設計多階段的仿真需求出發，開發了適用于0-1研發（EMotor）、1-N研發（ProSim）的專用仿真App。
EMotor平臺為基于技術指標需求的多工況多目標一鍵自動化式設計優化平臺，融合了全參數化建模、前后處理、繞組設計與集總參數計算、專家設計流程策略、智能尋優與機器學習、方案綜合評價等功能，具備良好的可拓展性、計算穩健性，可滿足0-1研發對高效高精度概念設計與詳細設計的需求。
展開 
AI神經網絡在旋轉機械葉片設計、仿真及優化中的應用。
本文介紹了使用AI神經網絡進行旋轉機械葉片設計、仿真和優化的方法。通過建立神經網絡模型，實現了對葉片性能的準確預測和優化。本文的研究結果表明，AI神經網絡能夠有效地應用于旋轉機械葉片的設計、仿真和優化過程，并可提高葉片的性能和效率。
旋轉機械葉片是各種動力設備的關鍵部件，如航空發動機、燃氣輪機、壓縮機等。這些設備的性能和效率往往受到旋轉機械葉片的設計和性能的影響。因此，如何提高旋轉機械葉片的性能和效率是當前研究的熱點問題。傳統的旋轉機械葉片設計方法通常基于經驗或試驗，不僅耗費大量時間和資源，而且不能保證設計的最優性。因此，研究人員嘗試利用人工智能技術，特別是神經網絡技術，對旋轉機械葉片進行設計和優化。
近年來，國內外研究者對旋轉機械葉片設計、仿真和優化方法進行了廣泛研究。傳統的旋轉機械葉片設計方法主要基于經驗公式和試驗方法，如采用流體力學、熱力學和結構力學等相關理論進行葉片設計和優化。然而，這些方法往往存在耗時長、成本高、無法保證最優性等問題，因此限制了其應用范圍。近年來，隨著人工智能技術的發展，特別是神經網絡技術的應用，為旋轉機械葉片的設計和優化提供了新的解決方案。
神經網絡是一種模擬人腦神經元網絡的結構和功能的計算模型，具有自學習、自組織和適應性等特點。在旋轉機械葉片設計、仿真和優化中，神經網絡可以用于建立模型，實現對葉片性能的預測和優化。本文采用深度學習框架下的卷積神經網絡（CNN）和循環神經網絡（RNN）相結合的方法，建立了一個多層次、多尺度的神經網絡模型，用于旋轉機械葉片的設計、仿真和優化。
結合神經網絡進行葉片優化設計主要有以下幾方面內容：
1) 應用神經網絡模型：當模型經過足夠的訓練和驗證后，可以將其應用于新的旋轉機械葉片的設計。
展開 CRUISE與Isight聯合仿真優化
動力連參數優化
動力鏈匹配期間，經常會遇到主減速優化，變速箱速比優化，甚至換擋策略優化這類尋找最優值的問題。項目要求性能匹配工程師，根據已經確定的動力性指標，找到一組經濟性最優的配置。
邏輯閾值的優化
另外由于目前新能源汽車的能量管理策略大部分是基于邏輯門開發的。所以這樣的控制策略中就會有非常多的判斷閾值，如：并聯驅動模式與純電驅動切換的閾值、前后電機扭矩分配系數等。也是需要策略工程師在滿足動力性指標的前提下尋找最優值。
Isight軟件介紹
Ds Isight為法國著名飛機制造公司達索旗下的一款多功能優化工具軟件。
Isight軟件本身集成了多種常用的優化算法（如：NLPQLP、遺傳算法等等），并對算法進行了封裝。封裝算法的好處是非常容易上手，用戶直接修改參數就可以對算法進行調整，十分方便。
CRUISE與Isight聯合仿真優化
聯合仿真接口
Isight目前已經集成了非常多軟件的運行接口，很遺憾暫時不支持CRUISE。但是Isight提供了一個Simcode的功能模塊，允許用戶通過自定義批處理文件作為聯合仿真的接口。
批處理文件包含的信息有CRUISE解算器的位置、需要調用的CRUISE工程位置。這樣就不需要啟動CRUISE軟件，也能對工程進行仿真計算。
Bat生成工具
如果bat文件每次都用人工創建，難免偶爾出現問題，所以【思想】開發一款可以自動生成bat的工具，免除手工創建的煩惱。
聯合仿真優化流程
首先需要了解下CRUISE工程中，相關的文件存儲了哪些內容：
dbf文件：用于保存模型中各個模塊的參數信息，如發動機數據、電機數據、檔位信息、換擋策略等。
展開 【技術】軸對稱進氣道-AIPOD仿真優化
圖4 軸對稱進氣道型線
自動化仿真流程
為保證計算精度，本方案采用結構化網格如圖5所示，對所有壁面進行套殼加密處理，喉道方案的網格量為4萬，擴壓器方案的網格量為5萬。仿真類型為軸對稱，采用遠場邊界條件，來流馬赫數為3.5，湍流模型采用 k-omega SST。
圖5 網格示意圖
整個仿真優化流程如圖6所示，完成軸對稱進氣道氣動設計后，使用CAESES軟件實現參數化建模，并用其耦合鏈接功能調用網格和計算腳本，實現仿真流程的自動化。在優化平臺軟件AIPOD中搭建完整的計算流程，以批處理的方式調用CAESES腳本（fsc文件），實現參數定義、幾何輸出、仿真計算、結果輸出等仿真過程。通過變量輸入功能，編輯fsc腳本文件，提取文件中的變量參數。通過參數提取功能，讀取仿真結果，并編輯正激波公式換算得到優化目標（波后總壓恢復系數）。最后，調用優化算法實現自動尋優，快速得到優化后的喉道方案和相應的仿真結果。
展開 【資料分享專區】Ansys自動駕駛雷達仿真優化方案
自動駕駛雷達仿真優化方案
