Isight參數(shù)優(yōu)化與機(jī)器學(xué)習(xí)
關(guān)注創(chuàng)建者：至真散人 創(chuàng)建時間：2019-07-09
Isight參數(shù)優(yōu)化與機(jī)器學(xué)習(xí)的視頻教程
iSight參數(shù)優(yōu)化-本構(gòu)參數(shù)反演入門
一、視頻內(nèi)容介紹 二、準(zhǔn)備工作——非標(biāo)測試數(shù)據(jù)、對應(yīng)非標(biāo)測試的仿真模型及相應(yīng)仿真odb結(jié)果 三、參數(shù)優(yōu)化流程搭建 # isight軟件簡介 # 框架梳理——優(yōu)化對象（E、泊松比）、優(yōu)化目標(biāo)（仿真和測試誤差）、流程 # abaqus模塊——inp輸入、odb輸出讀取 # data matching模塊——仿真結(jié)果與測試結(jié)果比對 # optimization模塊——參數(shù)優(yōu)化算法 # 數(shù)據(jù)流檢查
￥24.9 1小時14分鐘 4203播放
查看
Isight參數(shù)優(yōu)化基礎(chǔ)教程
Isight參數(shù)優(yōu)化系列教程 當(dāng)前，有限元能將已有物理現(xiàn)實在計算機(jī)中完美復(fù)制。 而全局搜索算法加持下的有限元仿真，就像是上帝，給人類提供了能夠預(yù)測現(xiàn)實，優(yōu)化、改造世界的能力。就像阿爾法狗打敗圍棋世界冠軍，就像自動駕駛，利用它的全局搜索與預(yù)演能力，理論上可以解決任何工程問題。 本課程將帶來超有意思的優(yōu)化計算系列教程及案例。
￥788 45分鐘 150播放
查看
abaqus Isight參數(shù)研究與結(jié)構(gòu)優(yōu)化
CH01-Isight與功能元件介紹 CH02-資料管理與DOE分析 ?>WORKSHOP01-Gripper進(jìn)行DOE分析 ?>WORKSHOP05-Excel元件執(zhí)行DOE CH03-Isight優(yōu)化分析 ?>WORKSHOP02-Gripper優(yōu)化分析 CH04-Data?matching參數(shù)擬合 ?>WORKSHOP03-橡膠材料參數(shù)擬合 CH05-近似模型Approximation
￥69 5小時16分鐘 7594播放
查看
Isight參數(shù)優(yōu)化與機(jī)器學(xué)習(xí)的實例教程
靈敏度分析主要進(jìn)行設(shè)計空間縮減，這與機(jī)器學(xué)習(xí)的降維的目標(biāo)是一樣的。如機(jī)器學(xué)習(xí)的主成分分析，因子分析等。
通過建立的高精度的代理模型或機(jī)器學(xué)習(xí)模型可以進(jìn)行后續(xù)的參數(shù)優(yōu)化分析。
本文通過Python環(huán)境進(jìn)行以上分析。主要包括以下內(nèi)容：
1.通過doepy庫進(jìn)行DOE創(chuàng)建，如拉丁方DOE；
2.通過pyNastran庫對nastran求解文件進(jìn)行模型更新；
3.通過sklearn庫進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練，如支持向量機(jī)模型、貝葉斯嶺回歸模型；
4.通過smt庫進(jìn)行代理模型創(chuàng)建，如Kriging模型；
5.通過SALib庫進(jìn)行靈敏度分析。
展開 運(yùn)行門戶（Runtime Gateway）
監(jiān)控和后處理界面，可以繪制多種曲線、曲面、散點圖、柱狀圖、表格等，結(jié)果運(yùn)行完成后生成Summary報告給出優(yōu)化運(yùn)行時間、最優(yōu)結(jié)果及設(shè)計變量、約束等用戶關(guān)心的問題。提供設(shè)計空間可視化（VDD）、工程數(shù)據(jù)挖掘（EDM）等后處理功能。
組件庫（Library/Add-OnComponent）
包含通用和專用的CAD/CAE及自編軟件接口。
優(yōu)化算法庫（Optimization）
數(shù)值優(yōu)化、全局優(yōu)化、多目標(biāo)優(yōu)化、專家智能優(yōu)化算法，是工程師開展設(shè)計優(yōu)化工作的利器。
試驗設(shè)計算法庫（DOE, Design OfExperiments）
通過系統(tǒng)而有效的方法分析設(shè)計空間、篩選關(guān)鍵設(shè)計參數(shù)（減少問題規(guī)模）、評估設(shè)計變量影響以及辨別關(guān)鍵設(shè)計變量的交互影響關(guān)系。
近似模型算法庫（Approximation）
對于計算代價高昂的CAE分析，Isight用多種近似原理構(gòu)造替代模型，減少優(yōu)化中調(diào)用大規(guī)模CAE分析計算的次數(shù)，提高優(yōu)化效率。近似模型還用于剔除輸入參數(shù)平緩變化而輸出參數(shù)卻劇烈振蕩的仿真噪音。
質(zhì)量設(shè)計優(yōu)化（Quality Desgin）
運(yùn)用隨機(jī)仿真和優(yōu)化理論（包括：蒙特卡洛仿真、Taguchi田口穩(wěn)健性設(shè)計和基于6Sigma可靠性分析和穩(wěn)健性設(shè)計DFSS，Design For Six Sigma），構(gòu)成一個完整的、公式化的對可靠性和穩(wěn)健性進(jìn)行評價和改進(jìn)的品質(zhì)設(shè)計哲學(xué)框架。
下載地址：isight參數(shù)優(yōu)化理論和實例詳解
展開 視頻連接https://www.yqgqt.org.cn/college/video/c15246
CH01-Isight與功能元件介紹
CH02-資料管理與DOE分析
>WORKSHOP01-Gripper進(jìn)行DOE分析
CH03-Isight優(yōu)化分析
>WORKSHOP02-Gripper優(yōu)化分析
CH04-Data matching參數(shù)擬合
>WORKSHOP03-橡膠材料參數(shù)擬合
CH05-近似模型建立
>WORKSHOP04-Gripper近似模型建立
CH06-資料交換元件
展開 視頻連接https://www.yqgqt.org.cn/college/video/c15246
CH01-Isight與功能元件介紹
CH02-資料管理與DOE分析
>WORKSHOP01-Gripper進(jìn)行DOE分析
CH03-Isight優(yōu)化分析
>WORKSHOP02-Gripper優(yōu)化分析
CH04-Data matching參數(shù)擬合
>WORKSHOP03-橡膠材料參數(shù)擬合
CH05-近似模型建立
>WORKSHOP04-Gripper近似模型建立
CH06-資料交換元件
展開 <p>1 機(jī)器學(xué)習(xí)中的優(yōu)化算法</p><p><span style="color: rgb(62, 62, 62);">Optimization Algorithms in Machine Learning,機(jī)器學(xué)習(xí)中的優(yōu)化算法。</span></p><p>優(yōu)化算法是機(jī)器學(xué)習(xí)模型的支柱，因為它們使建模過程能夠從給定的數(shù)據(jù)集中學(xué)習(xí)。這些算法用于查找目標(biāo)函數(shù)的最小值或最大值，該函數(shù)在機(jī)器學(xué)習(xí)上下文中代表誤差或損失。<strong><em>在本文中，討論了不同的優(yōu)化方法以及它們在機(jī)器學(xué)習(xí)中的用途及其意義。</em></strong></p><p><strong>目錄</strong></p><ul><li>了解機(jī)器學(xué)習(xí)中的優(yōu)化</li><li>機(jī)器學(xué)習(xí)中的優(yōu)化算法類型</li><li class="ql-indent-1">1. 一階算法</li><li class="ql-indent-1">2. 二階算法</li><li>針對特定機(jī)器學(xué)習(xí)任務(wù)的優(yōu)化</li><li class="ql-indent-1">1. 分類任務(wù)：Logistic 回歸優(yōu)化</li><li class="ql-indent-1">2. 回歸任務(wù)：線性回歸優(yōu)化</li><li>優(yōu)化算法的挑戰(zhàn)和局限性</li></ul><p><strong>了解機(jī)器學(xué)習(xí)中的優(yōu)化</strong></p><p>優(yōu)化是從各種可用的可行解決方案中選擇最佳解決方案的過程。換句話說，優(yōu)化可以定義為獲得給定函數(shù)的最佳值或最小值的一種方式。在大多數(shù)問題中，目標(biāo)函數(shù) f（x） 是受約束的，目的是確定最小化或最大化 f（x） 的 ？x 值。
展開 
Isight參數(shù)優(yōu)化與機(jī)器學(xué)習(xí)的相關(guān)專題、標(biāo)簽、搜索
Isight參數(shù)優(yōu)化與機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)與參數(shù)優(yōu)化機(jī)器學(xué)習(xí)優(yōu)化Isight參數(shù)數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)isight優(yōu)化 Isight優(yōu)化設(shè)計仿真優(yōu)化有限元與力學(xué)測控與儀器 小楊的學(xué)習(xí)筆記isight參數(shù)優(yōu)化機(jī)器學(xué)習(xí)之工藝參數(shù)優(yōu)化基于機(jī)器學(xué)習(xí)和代理模型的cae參數(shù)優(yōu)化模型建立abaqus晶格結(jié)構(gòu)優(yōu)化機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)材料強(qiáng)度機(jī)器學(xué)習(xí)優(yōu)化機(jī)器學(xué)習(xí) 優(yōu)化
Isight參數(shù)優(yōu)化與機(jī)器學(xué)習(xí)的最新內(nèi)容
使用工具版本SIMULIA2023、ADAMS2024.2
前期對Isight調(diào)用ADAMS/CAR模塊所需的simcode文件的生成進(jìn)行了說明。但未進(jìn)行實際案例的提供。
近期在工作實際中，遇到某款車型，在選定懸架系統(tǒng)，轉(zhuǎn)向器型號后，轉(zhuǎn)向角及轉(zhuǎn)向特性匹配困難的實際問題。額外，轉(zhuǎn)向特性特性一般耦合前束角變化特性，因此需要多工況耦合尋解。借此幾乎，將“Isight集成ADAMS/CAR進(jìn)行多工況聯(lián)合參數(shù)
“使用 Adams 和 ODYSSEE 聯(lián)合分析策略，我們團(tuán)隊能夠迅速發(fā)現(xiàn)了潛在的故障，并相應(yīng)地調(diào)整了公差范圍。這改善了我們設(shè)計變速箱的響應(yīng)速度,通過及時調(diào)整來降低整體制造成本”
-Joel Ortiz，Tremec 概念工程師
變速箱機(jī)構(gòu)控制著換檔的質(zhì)量和有效性。這會影響車輛的速度、加速度和燃油效率，從而顯著影響車輛性能。使用專業(yè)工具測試不同的公差范圍可以幫助提高車輛的響應(yīng)能力
<p>1 機(jī)器學(xué)習(xí)中的優(yōu)化算法</p><p><span style="color: rgb(62, 62, 62);">Optimization Algorithms in Machine Learning,機(jī)器學(xué)習(xí)中的優(yōu)化算法。</span></p><p>優(yōu)化算法是機(jī)器學(xué)習(xí)模型的支柱，因為它們使建模過程能夠從給定的數(shù)據(jù)集中學(xué)習(xí)
本文主要以金屬成形過程的非線性幾何優(yōu)化模擬為例，介紹人工智能（AI）/機(jī)器學(xué)習(xí)（ML）工具在非線性優(yōu)化中的應(yīng)用方法。
對于很多非線性問題，當(dāng)采用有限元模型的直接優(yōu)化時，在計算上會需要很多時間，導(dǎo)致成本增高，采用ML技術(shù)來替代一些傳統(tǒng)的優(yōu)化方法能顯著提高效率。ML的主要思想是用訓(xùn)練數(shù)據(jù)構(gòu)建預(yù)測模型，直接使用預(yù)測模型進(jìn)行在線優(yōu)化。由于預(yù)測模型的計算工作量通常比全有限元模型低得多，因此在線優(yōu)化問題通常可以很快得到解決
本文主要以金屬成形過程的非線性幾何優(yōu)化模擬為例，介紹人工智能（AI）/機(jī)器學(xué)習(xí)（ML）工具在非線性優(yōu)化中的應(yīng)用方法。
對于很多非線性問題，當(dāng)采用有限元模型的直接優(yōu)化時，在計算上會需要很多時間，導(dǎo)致成本增高，采用ML技術(shù)來替代一些傳統(tǒng)的優(yōu)化方法能顯著提高效率。ML的主要思想是用訓(xùn)練數(shù)據(jù)構(gòu)建預(yù)測模型，直接使用預(yù)測模型進(jìn)行在線優(yōu)化。由于預(yù)測模型的計算工作量通常比全有限元模型低得多，因此在線優(yōu)化問題通?？梢院芸斓玫浇鉀Q
從兩個分子的描述符中創(chuàng)建特征，學(xué)習(xí)與相互作用參數(shù) χ 的關(guān)系
目標(biāo)和方法
使用 J-OCTA 機(jī)器學(xué)習(xí)功能（MI-Suite）來估計 χ 參數(shù)。使用的數(shù)據(jù)來自 Flory-Huggins Chi 數(shù)據(jù)庫。獲取的數(shù)據(jù)包括兩個化合物 A 和 B 的名稱以及它們之間的 χ 參數(shù)值。數(shù)據(jù)量為 263。學(xué)習(xí)/預(yù)測 χ 參數(shù)的過程如下：
χ 參數(shù)學(xué)習(xí)/預(yù)測過程
1. 從公共化合物數(shù)據(jù)庫 PubChem
大型語言模型已成為 AI/ML 的頭版新聞，但與許多計算技術(shù)一樣，CFD 行業(yè)長期以來一直在該領(lǐng)域取得突破，而 Cadence Fidelity CFD 軟件就是其中之一。但與處理從互聯(lián)網(wǎng)上抓取的 JPEG 或文本片段不同，CFD 計算可能需要數(shù)小時，因此我們需要機(jī)器學(xué)習(xí)算法以盡可能少的輸入提供結(jié)果 - 我們談?wù)摰氖蔷哂袛?shù)十個輸入的模型，而不是數(shù)十億個參數(shù)。話雖如此，尋找最佳設(shè)計的自動化、人工智能
isight參數(shù)優(yōu)化理論與實例詳解_配套練習(xí)文件第2章.zip
isight參數(shù)優(yōu)化理論與實例詳解_書.zip
isight參數(shù)優(yōu)化理論與實例詳解_配套練習(xí)文件3-13章.zip
iSIGHT 工程優(yōu)化實例分析.pdf
在百度文庫，豆丁，還有原創(chuàng)力文檔，道客巴巴中都找到了這本書，但是不是缺少圖片就是格式混亂，要不就是圖片模糊。后來技術(shù)鄰發(fā)現(xiàn)了可能是我認(rèn)為最清晰的這本書。（ei碼字的時候才想到我是不是可以去學(xué)校圖書館看看
設(shè)計門戶（Design Gateway）
流程集成界面，通過搭積木的方式實現(xiàn)流程集成，將數(shù)據(jù)流和控制流可視化，并提供對整個流程進(jìn)行瀏覽的界面。設(shè)計流程按樹狀結(jié)構(gòu)定義，每個層次的子任務(wù)可以使用不同的設(shè)計探索策略。
運(yùn)行門戶（Runtime Gateway）
監(jiān)控和后處理界面，可以繪制多種曲線、曲面、散點圖、柱狀圖、表格等，結(jié)果運(yùn)行完成后生成Summary報告給出優(yōu)化運(yùn)行時間、最優(yōu)結(jié)果及設(shè)計變量
前言：SFE軟件是一款可以進(jìn)行隱式全參數(shù)化建模的軟件，基于點-線-(截)面的建模體系，創(chuàng)建幾何模型，并通過自動網(wǎng)格劃分完成參數(shù)化有限元模型的創(chuàng)建。
SFE可參對象包括：
?InfluencePoints(IP點)：包括基點/輔助點的空間坐標(biāo)；線上點的曲線特征參數(shù)?Lines(線)：切角
?BaseSections(基礎(chǔ)截面)：截面點的坐標(biāo)；片段切角
?LocalSections(
