isight優化的案例
ISIGHT工程優化案例分析1
ISIGHT工程優化案例分析.part01.rar
ISIGHT工程優化案例分析.part02.rar
ISIGHT工程優化案例分析.part03.rar
ISIGHT工程優化案例分析.part04.rar
ISIGHT工程優化案例分析.part05.rar
ISIGHT工程優化案例分析.part06.rar
ISIGHT工程優化案例分析.part07.rar
ISIGHT工程優化案例分析.part08.rar
ISIGHT工程優化案例分析.part09.rar
ISIGHT工程優化案例分析.part10.rar
展開 Isight混合優化策略方法與實踐 附iSIGHT工程優化實例分析下載
下面用DOE抽樣與梯度優化混合策略為例簡述這一優化方法
輸入文件及模型放在同一目錄下：
Isight優化模型如下：
求min z=20+x.^2+y.^2-10*(cos(0.4*pi*x)+cos(0.4*pi*y))
其中：-5≤x≤5；-5≤y≤5
這是一個多峰多谷問題，理論最優解為：x=0，y=0，z=0.
導入Excel文件，設置輸入、輸出：
設置任務為混合優化策略，DOE和Optimization：
設置DOE抽樣方法、樣本數、變量、響應：
設置Optimization算法、變量、目標：
數據流如下：
混合策略流程結構如下：
運行計算任務，DOE抽樣計算結果如下：
Optimization將DOE的最優解作為優化的初始位置點：
最終求解的最優解為：
x=2.41E-6，y=6.33E-6，z=4.1E-10.
與理論最優解x=0，y=0，z=0一致。
x，y，z 解算歷程如下：
結果表明混合策略是成功的，達到了預期的效果。
下載地址：iSIGHT工程優化實例分析
展開 Isight中三類優化算法比較
Isight中三類優化算法比較
Isight優化算法可分為梯度算法、直接搜索法和全局優化法。梯度算法通過在設計空間中的當前位置設定一個前進方法和搜索步長從而獲得設計空間中的另一個位置，并判斷收斂性，Isight中梯度優化算法有三種NLPQL,LSGRG和MMFD。直接搜索法不用計算函數的梯度，僅需要函數值評估，可以有效探索初始設計點周圍的局部區域，Isight中提供的直接法有HJ(Hooke-jeeves)和DS(downhill simplex)方法。全局優化法具有搜索全局最優解的，但計算耗時多，Isight中提供的全局優化算法有MIGA,ASA和PSO。本文通過一個雙峰的不完全可行域問題來比較三類優化算法求解全局最優解的效率。
優化問題：
max f(x)=60/(1+(x1+1)^2+(x2-3)^2)+20/(1+(x1-1)^2+(x2-3)^2)+30/(1+x1^2+(x2+4)^2)
s.t. –((x1-2)^2+x2^2<-4.0
-5<x1<5
-5<x2<5
優化算法分別選用NLPQL,HJ和MIGA。
局部解（0，-4），f(x)=31.57;全局解（-0.97,3），f(x)=64.63，如圖1所示。
圖1 目標函數的等值面
isight優化步驟：
1、
構建優化流程，application組件采用calculator，process 組件選用optimization;
圖2-優化流程構建
2、
設置優化算法、設計變量、約束及目標，設計變量初始值等；
圖3-優化算法及參數設置
3、
查看優化結果，并比較3種算法搜尋全局最優解的效率。
展開 應用ISIGHT集成Gambit和Fluent優化大小葉片葉柵案例（內附源文件及資料）
isight做氣動優化的資料比較少，網上經常見到的就是"應用ISIGHT集成Gambit和Fluent優化大小葉片葉柵"這個案例，這個案例也出現在了《isight參數優化理論與實例詳解》這本書的P103頁，但是網上下載到的文件中solve.jou文件是有一些錯誤的，如下附件是包含修改好的solve.jou文件的所有源文件，通過此案例希望大家可以熟悉isight做氣動優化的方式方法。
Isight其他氣動優化案例
http://www.yqgqt.org.cn/college/video/c12286
http://www.yqgqt.org.cn/college/video/c12236
希望有所幫助！
應用ISIGHT集成Gambit和Fluent優化大小葉片葉柵.pdf
Splitter.rar
isight參數優化理論與實例詳解.pdf
展開 
達索SIMULIA多學科多目標優化設計軟件Isight高級應用研討論壇回顧
達索SIMULIA多學科多目標優化設計軟件Isight高級應用研討論壇于2018年7月26日在杭州洲際酒店北京廳召開。來自達索總部的專家，國內的航空航天、鐵路、汽車、石油、能源動力與高校等行業的高級客戶；以及達索的合作伙伴從全國各地齊聚杭州參加了此次技術高峰論壇。對基于多學科多領域的參數綜合優化、設計流程自動化、分析流程模板、基于Isight的定制流程開發的領域進行了多方面專業化的深入的技術交流。
多學科多目標優化設計軟件Isight高級應用研討論壇注冊處：
大會于上午8：40時許召開。首先由達索系統SIMULIA品牌中國區總監MikeSheh博士致開場詞并介紹了大會的日程安排，并向到場的客戶、合作伙伴致謝。
達索系統SIMULIA品牌中國區總監Mike Sheh博士致開場詞
達索SIMULIA多學科多目標優化設計軟件Isight應用論壇主要內容涵蓋以下十個方面：
Isight多學科有目標優化軟件在國際上的應用（主要介紹在英國與日本的應用情況）
Isight多學科多目標優化技術的戰略規劃和版本更新。
Isight多學科多目標優化技術在航天領域的應用。
Isight多學科多目標優化技術在航空發動機設計領域中的應用。
Isight多學科多目標優化技術在鐵路行業中的應用。
Isight多學科多目標優化技術在石油鉆井領域的應用。
Isight多學科多目標優化技術在汽車行業中的應用。
Isight多學科多目標優化技術在船舶發動機領域的應用。
Isight多學科多目標優化技術定制化二次開發的應用。
達索合作伙伴對Isight優化技術的高級深度應用。
展開 這可能是全網最清的《isight參數優化理論與實例講解》+配套的練習文件
isight參數優化理論與實例詳解_配套練習文件第2章.zip
isight參數優化理論與實例詳解_書.zip
isight參數優化理論與實例詳解_配套練習文件3-13章.zip
iSIGHT 工程優化實例分析.pdf
在百度文庫，豆丁，還有原創力文檔，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。后來技術鄰發現了可能是我認為最清晰的這本書。（ei碼字的時候才想到我是不是可以去學校圖書館看看，說不定有電子版的清晰的書）。這本的清晰度我認為完全已經可以接受了，可以看清每一張圖。
另外，在查找這本書的過程中，一般都只能找到書，但是找不到配套的文件練習，本文附上了書+練習文件。
另外，在b站的評論區發現了很全的資料（共500多M，內含文檔，書籍，視頻，動畫等等）
算是比較全的資料，有聯合仿真的，復制這段內容后打開百度網盤手機App，操作更方便哦 鏈接:
https://pan.baidu.com/s/19zXYR_kUxXkC8MkQn9xFmA 提取碼:0565
所以資料均來源于網絡，回饋給網絡
展開 MeshWorks聯合Isight DOE優化流程
這些眾多的參數化功能可以幫助工程師快速進行優化分析，基于網格的技術而無需等待CAD數據更新，從而加快了設計周期。
本文介紹MeshWorks聯合Isight優化軟件進行DOE優化分析的詳細步驟，以副車架為例，應用MeshWorks軟件創建參數化模型，包括截面尺寸參數化和料厚參數化，然后聯合優化軟件Isight，進行DOE優化分析，約束條件為一階模態值，目標為重量最小。
優化步驟：
第一步：在MeshWorks中創建截面尺寸參數及料厚參數
第二步：生成Isight的接口文件
第三步：在Isight中搭建優化流程
第四步：運行DOE優化流程
第五步：結果后處理，創建響應面近似模型
總結：
MeshWorks不但可以和Isight聯合，和其他優化軟件如Hyperstudy，Optimus，Ls-OPT，ModeFrontier, HEEDS等都可以完美聯合，設置大同小異。MeshWorks在優化分析中的角色是批量輸出參數化模型，用于求解器計算，并且針對不同學科可以統一用同一套參數，是多學科多目標優化的利器。
若您想咨詢MeshWorks軟件購買事宜，請下方掃碼或聯系18665820511或Meng_L@depusa.com。
展開 Isight梯度優化算法淺析
Isight梯度優化算法淺析
梯度算法通過在設計空間中的當前位置設定一個前進方法和搜索步長從而獲得設計空間中的另一個位置，并判斷收斂性。Isight中梯度優化算法有三種NLPQL,LSGRG和MMFD,這里通過尋找數學函數表達式的最小值問題，來展示這三種算法搜尋最優解的效率。
優化問題：
min f(x)=100*(x2-x1^2)^2+10*(x1-1)^2
s.t. x1^2+x2^2=<9.0
isight優化步驟：
1、
構建優化流程，application組件采用calculator，process 組件選用optimization;
圖1-優化流程構建
2、
設置優化算法、設計變量、約束及目標，設計變量初始值為x1=2.0,x2=3.0;
圖2-優化算法及參數設置
3、
查看優化結果，并比較3種梯度算法搜尋全局最優解的效率。
圖3給出了三種算法的搜尋歷程，算法收斂準則均設置為1.0e-6，設計空間為以（0,0）為圓心半徑為3.0的圓域內，初始點為（2.0,3.0）不在設計空間內部，NLPQL算法迭代27次能搜尋到全局最優解（0.986,0.975），LSGRG算法迭代10次找到局部最優解（1.590,2.544），這個局部解剛好在設計區域的邊界上，因為LSGRG算法的搜尋梯度和它的臨界約束相關，MMFD算法迭代8次找到局部解（1.523,2.342），這個點剛好滿足目標函數高階項接近零。以上結果可以發現，初始點不在設計區域內，NLPQL算法通過多次迭代能搜尋到全局最優解，而LSGRG和MMFD算法能用較少的迭代次數搜尋到一個局部最優解而完成迭代過程。
展開 Isight優化算法之1——概述
Isight優化算法之1——概述
ISIGHT中存在大量的優化算法，每種優化算法根據不同的分類，可以解決不同類型的問題。今天我們來看看ISIGHT都提供了哪些優化算法，主要包括：AMGA、ASA、DownhillSimplex、Evol、Hooke-Jeeves、LSGRG、MISQP、MMFD、MOST、Multi-IslandGA、Multi-Objective Particle Swarm、NCGA、NLPQL、NSGA-II、Pointer、StressRatio等，后續我會對每種優化算法一一進行詳細介紹，敬請期待。
ISIGHT中的優化技術分為三類：
l
數值型優化技術（NumericalOptimization Techniques）
l
探索型優化技術（ExploratoryTechniques）
l
專家系統技術（ExperSystem Techniques）
下面對這些優化技術中的優化方法一一進行介紹。
n
數值型優化技術
數值型優化技術通常假定參數空間是單峰的、凸的和連續的，ISIGHT中使用了如下的數值型優化技術如下，而數值型優化技術又分為直接法和罰函數法：
（1）直接法，在搜索過程中直接處理約束。
展開 基于ABAQUS和Isight的液壓支架底座強度分析與優化
因此在底座優化分析中，取上述幾個參數為優化變量，其余不做為優化變量。墊塊的寬度由長度通過數學關系式表示，優化變量減少到4個。
優化變量及優化范圍見表4.
表4 優化變量及優化范圍表
優化變量
初值/mm
優化范圍/mm
墊塊長度
480
400～520
柱窩高度
80
60～100
耳板厚度
26
20～32
加強筋1厚度
28
15～35
2.2 底座優化
底座優化的目標函數、約束條件如下所示：
式中：m、n、k為3種工況下，各工況最大應力值的加權系數。
優化目標：3種工況下，底座最大應力值之和最小。
約束函數：底座整體重量減重不少于8%.
底座的Isight優化流程見圖6. 優化算法采用DOE算法，抽樣方法為超拉丁算法，樣本數為50.
圖6 底座Isight優化流程圖
2.3 優化結果
通過Isight優化分析，經圓整后，得到底座參數的最優值。優化前后參數見表5.
展開 利用Isight優化的五個步驟
結果解讀
Isight提供了相應的工具幫助用戶深入了解探索結果：
試驗設計：Pareto圖、主效應圖和相關性圖
優化：表格、圖表、數據挖掘及總結
蒙特卡洛分析：概率分布、累積分布
近似模型：結果可視化工具
來源：有限元在線
iSIGHT優化軟件
iSIGHT優化軟件.docx
isight參數優化理論與實例詳解下載
最后進行求解設置，如試驗設計、優化分析等。
本文簡單介紹了基于Isight和SFE的參數優化流程設置，其中對設計變量的創建做了簡單的二次開發用于快速創建設計變量。SFE中isight優化接口的描述文件.desc只能在低版本的isight軟件中使用。因此優化流程的設置需要手動完成。正如上文所述，SFE軟件導出優化軟件接口文件可以快速創建優化流程，只不過isight的描述文件只能用于低版本isight的軟件使用。而入optismus、modefrontier等接口文件可以快速創建優化流程，這個在后續的文章中詳細介紹。因為我這邊沒有安裝SFE軟件，這里就不給出計算結果了。
下載地址：isight參數優化理論與實例詳解
展開 求工科大佬輔導isight聯合abaqus優化鉆削模型
具體問題：導師要求我優化鉆削模型，一個拉格朗日一個CEL，以使模擬數據與實際做實驗的數據相接近和吻合，但是問題在于1.我不太懂isight優化流程，網上看了很多教程也不知道我這個題目該如何做。2.他給我的實驗數據長達幾百秒，可是我總不能abaqus跑幾百秒一個模型吧，這就讓我很苦惱。
Isight多學科參數優化軟件模塊構成 附isight參數優化理論和實例詳解下載
運行門戶（Runtime Gateway）
監控和后處理界面，可以繪制多種曲線、曲面、散點圖、柱狀圖、表格等，結果運行完成后生成Summary報告給出優化運行時間、最優結果及設計變量、約束等用戶關心的問題。提供設計空間可視化（VDD）、工程數據挖掘（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。
優化算法庫（Optimization）
數值優化、全局優化、多目標優化、專家智能優化算法，是工程師開展設計優化工作的利器。
試驗設計算法庫（DOE, Design OfExperiments）
通過系統而有效的方法分析設計空間、篩選關鍵設計參數（減少問題規模）、評估設計變量影響以及辨別關鍵設計變量的交互影響關系。
近似模型算法庫（Approximation）
對于計算代價高昂的CAE分析，Isight用多種近似原理構造替代模型，減少優化中調用大規模CAE分析計算的次數，提高優化效率。近似模型還用于剔除輸入參數平緩變化而輸出參數卻劇烈振蕩的仿真噪音。
質量設計優化（Quality Desgin）
運用隨機仿真和優化理論（包括：蒙特卡洛仿真、Taguchi田口穩健性設計和基于6Sigma可靠性分析和穩健性設計DFSS，Design For Six Sigma），構成一個完整的、公式化的對可靠性和穩健性進行評價和改進的品質設計哲學框架。
下載地址：isight參數優化理論和實例詳解
展開 