多模型優化
關注創建者：CAE追夢者 創建時間：2021-03-21
多模型優化的視頻教程
Isight近似模型及多目標優化
Isight對四因素三水平數據建立近似模型，完成誤差分析并改善精度； 而后利用所建立的近似模型進行多目標優化，并介紹多目標優化相關知識點。
￥29 40分鐘 1145播放
查看
Isight+Abaqus(工字梁多因素多目標優化仿真)
Isight聯合Abaqus進行工字梁的試驗設計優化仿真，以工字梁腹板厚度、腹板高度、緣條厚度、緣條寬度為試驗變量，以拉丁超立方試驗生成各變量組合，以工字梁重量、最大應力為優化目標進行優化仿真。
￥18 24分鐘 470播放
查看
Optistruct多工況優化目標函數如何進行修正，以控制優化結果
本課適合哪些人學習： 1、optistruct拓撲優化設計人員 2、理工科學子和老師 3、學習型仿真工程師 4、結構優化、參數化優化，拓撲優化學習者 你會得到什么： optistruct 多工況優化目標函數如何進行修正，以控制優化結果。
￥29 30分鐘 139播放
查看
多模型優化的實例教程
這里在介紹一下截面力提取的方法，正常處理過程是需要提前在模型中定義好截面，然后將截面力輸出才可以在后處理軟件中完成截面力的提取。這里介紹一下基于META后處理截面力的提取，不需要在模型中事先定義，只需要在后處理時即可完成任意截面的截面力的提取。即通過Meta-Calculate-Section Forces插件完成。
以上便完成了結構正碰分析下靜態載荷工況分解以及對應工況下截面力。在整車結構碰撞工況對應的柔度計算和結構碰撞拓撲分析優化時，分別應用上述載荷創建對應的工況以及在對應的位置進行加載即可。
三.多模型優化
多模型優化同時對多個模型進行協同拓撲優化，本例中包括車身剛度拓撲優化和整車結構碰撞拓撲優化兩個模型。多模型優化不需要太多的額外設置，只需要設置一個計算文件即可，提交計算時提交該文件即可。本例的MMO求解文件如下：
最后根據單模型拓撲優化和多模型拓撲優化結果進行拓撲優化結果的解讀。完成概念階段整車拓撲優化傳力路徑優化。
以上簡單介紹了多模型優化MMO在整車拓撲優化分析中的應用。后續還會介紹多模型優化在參數優化尺寸優化中的應用。
展開 在汽車設計過程中，經常會遇到同一個零部件適用不同車型，如何滿足不同車型下的結構設計，可以采用多模型優化的思想。當然，多模型優化還可以用于多學科、多工況的優化。本節案例僅僅以汽車控制的結構優化為例，闡述如何在optistruct中進行多模型（MMO）優化。
左圖為單個模型下的優化結果，右圖為多模型下的優化結果。
具體操作部分見收費內容部分，相關模型及腳本文件見附件。凡購買本案例的朋友針對收費內容部分有疑問，可以一起交流。
展開 手把手教你使用Isight構建近似模型進行多學科優化 ￥159.9
使用Isight構建近似模型，進行優化攏共分7步，其中前4步參見我之前發布的貼子《LS-DYNA批量生成K文件與批量計算》和《LS-DYNA批處理計算后處理Matlab腳本文件》。
圖1 多學科優化流程
下面把操作教程的部分章節放在免費部分請大家了解文檔內容和質量，有感興趣的朋友可以嘗試下載，無需下載的請不吝惜點贊、關注，爭取把小翼送入技術鄰影響力前50，謝謝。
.。。。。。。。。。。。。。。。。
詳情見附件。
展開 最終優化目標的解:取得出解集中離原點距離最近的點為最優集，即
式中：x0=(D10，D20，Y0，J0，R0)T為多目標優化結果。
4.3 多目標優化模型
圖7所示為多目標優化平臺modeFRONTIER與AMESim聯合仿真模型，首先實驗設計隨機產生輸入變量的相互組合，即賦予遺傳算法初始值，經過AMESim計算得出輸出變量的值，優化算法再根據目標函數的要求進行選擇優化參數的變異和交換等操作，從而達到優化目的。本研究共有5 個輸入變量，電控單體泵在典型工況下進行仿真，將開啟、關閉延遲時間作為輸出變量，并將開啟、關閉延遲時間最小作為最終優化目標。
圖7 電控單體泵多目標優化模型
4.4 多目標優化結果分析
圖8(a)所示為電磁閥響應延遲時間多目標優化解集，從中選取符合電磁閥開啟、關閉延遲時間都最小的Pareto最優解集前沿，如圖8(b)所示，在Pareto前沿上選取滿足優化目標的點，點A為優化前電磁閥響應延遲時間點，點C為關閉延遲最小點，點D為開啟延遲最小點，但這兩個點的參數配置均只能實現對單個目標的優化，為了同時實現對電磁閥開啟和關閉延遲時間優化的目標，應用式(2 )計算出d最小值的x0點，即點B作為最終優化結果點。
從優化結果中可看出，表2給出了優化前后設計參數對比值，表3所示為優化前后電磁閥關閉延遲時間和開啟延遲時間。優化后，關閉延遲時間減小了6%，開啟延遲時間減小了17.7%，循環噴油量減小了1.50mm3, 噴油壓力峰值增加0.63MPa。說明經過電磁閥延遲響應多目標優化，隨著電磁閥響應的加快，噴油壓力有所增加，對循環噴油量的控制也更加精確，可進一步改善電控單體泵的噴射特性。
展開 第三步則要勾選一個個響應，這些響應要和公式中的未知數一一對應，NEL一般很大，手動創建太難了，為此我們很自然想到使用腳本自動創建這些數據，只要了解Optistruct的語言習慣，自動創建不是難題，本人在研究時，首先創建了基本的優化模型，并驗證可運行，然后使用Python腳本自動完成了1-3步。對于下面的經典L型梁
其中有1600個單元，手動創建很不現實，部分響應和公式如下圖所示
使用本人單獨開發的小腳本，很方便完成這部分內容，然后將它們粘貼到之前創建的簡單優化模型中即可。
優化過程和優化后的效果如下圖所示：
拓撲優化后的等值圖如下圖，可見應力集中的部位基本被消除。本人使用的p范數為6，大家可以嘗試其它數值得到更優異的解：
而柔度最小化優化的結果是下面這樣的，顯然和應力最小拓撲優化是不一樣的，因為拐角還是直的，沒有去除應力集中。
創建公式需要注意格式，感興趣的同學可以嘗試下載附件，附件包括腳本和有效的應力優化模型，謝謝。
同樣使用本文的方法還可以求解多目標優化和多約束優化等等，不僅僅是拓撲優化，尺寸優化，形狀優化也能解決，因為這三種優化類型都需要響應。
展開 
多模型優化的相關專題、標簽、搜索
多模型優化的最新內容
概述
汽車控制臂（Control Arm）是懸架系統的關鍵部件，其核心作用是將車輪與車架連接，并在車輛行駛過程中承受并傳遞來自車輪的多方向力和力矩。拓撲優化的目標是在給定的設計空間、材料和工況下，找到材料的最優分布，使結構在滿足多種性能要求（如剛度、強度、頻率）的同時，實現輕量化。
“多工況加權柔度響應”指的是將結構在多種不同載荷工況下的柔度（Compliance） 進行加權求和，作為拓撲優化的目標函數或約束條件
作者： Aliyah Mallak | Ansys市場傳播經理
編輯整理：張旭 | Ansys 高級應用工程師
為滿足全球人工智能（AI）發展需求而建立的數據中心，催生了前所未有的電力需求。2018年，美國數據中心耗電量為76 TWh，占美國總能耗的1.9%。而到2028年，美國數據中心的電力需求預計將達到325至580 TWh，約占美國總能耗的12%。
上述情況對AI數據中心的各個環節都提出了巨大挑戰
<p>本算例集基于 MATLAB 編寫，深度聚焦于近場動力學對應模型（Correspondence Model）中的核心痛點——零能模式（數值不穩定性）的消除。代碼通過一個帶中心圓孔的三維/二維板拉伸試驗，復現并對比了三種主流的穩定化控制方案。核心研究內容常規態基近場動力學 (Ordinary State-based PD)：基礎模型實現，作為對比基準。零能模式抑制算法對比：Silling 方案 (
01/簡介
隨著集成電路制程向3nm及以下節點突破，光刻系統的光學畸變、掩模三維衍射及光致抗蝕劑非線性響應等效應疊加，使光源-掩模協同優化（SMO）成為保障成像精度的核心技術。
傳統線性壓縮感知技術雖在光源單變量優化中實現了降維高效求解，但面對SMO場景中掩模-成像的強非線性映射關系，其線性假設難以精準刻畫優化變量與成像質量的關聯，導致優化精度與可制造性失衡
<p>一、 核心痛點與解決方案（圖文介紹）</p><p><strong>1. 痛點：Excel模型很完美，但“規劃求解”太拉胯</strong> 很多工程與科研人員（特別是土木、化工、金融領域）習慣用Excel構建復雜的計算模型，里面包含了大量的Sheet關聯、VBA自定義函數。當需要對這些模型進行參數反演或優化時，Excel自帶的Solver（規劃求解）往往表現極差：<strong>容易陷入局部最優
摘要
在基于波導的近眼顯示器的設計中，關鍵問題在于內耦合和外耦合光柵的配置。 作為多通道成像系統，必須確保所有輸出通道之間光分布的均勻性。 在此示例中，在VirtualLab中優化了一組外耦合光柵，從而生成了均勻光分布的多個通道。 對于光柵建模和衍射效率計算的優化，本示例采用了嚴格的傅立葉模態方法。
設計任務
針對垂直堆疊結構，開發“深度-偏振-劑量”多維度耦合優化模型，實現亞納米級CD均勻性控制。
通過推進AI與物理驅動建模的深度融合，利用Transformer架構捕捉三維光場長距離依賴關系，結合FPGA硬件加速實現毫秒級動態光場仿真。探索數字孿生技術應用，搭建光刻過程虛實映射系統，實現三維模型參數的實時自適應調整。
Scanian 公司在NAFEMS 會議上，總結了應用 SimManager 系統的收益，包括：多體模型迭代優化歷程的管理、模型（子模型）與仿真結果的關聯和譜系追溯、模型一致性和質量提高、命名規則、仿真自動化等。
本視頻集錦內容由Ansys技術專家：董驍、王強、王應奇、黎勇校對整理
為了幫助更多工程師深入掌握LS-DYNA的核心技術，我們特別精選了三大熱門主題上線Ansys數字資源中心，全面覆蓋LS-DYNA的各仿真應用。集錦由15個來自Ansys DYNAmore近年推出的熱門網絡研討會視頻組成，分為三大主題方向：多種求解器功能及單元算法、前后處理及優化、材料模型，所有視頻均配有中文字幕
例如在汽車行業，通過多源數據融合和 AI 預測算法，實現整車電池包布置方案的自動推薦；在高科技制造領域，通過多目標優化與模型降階技術，幫助客戶在極短時間內完成高頻器件的快速迭代；在航空航天領域，Altair 的 AI 輔助設計平臺已被用于氣動布局與結構減重協同設計，顯著提升了初期概念設計效率。
