不確定性分析的案例
基于HyperWorks的聲固耦合系統不確定性分析與優化
摘要：在實際工程問題中，計算模型、材料屬性、幾何特性及測量響應等有關的誤差或者不確定性現象廣泛存在，雖然各個參數的不確定范圍較小，但這些不確定性耦合在一起可能使結構響應產生較大的偏差，因此在工程分析中，應將不確定性考慮在內。聲固耦合系統由聲學域和結構域組成，結構域的振動會激勵聲學域的壓力波動，聲學域的聲壓波動也會反過來作用在結構域上對其產生影響，在聲學域與結構域及其耦合面均存在不確定性影響因素，本文將某型客車對聲固耦合系統的不確定性分析方法展開研究，基于HyerWorks對可客車聲學響應進行仿真分析，并對不確定系統進行魯棒性優化，減小聲場的性能波動性。
關鍵詞：不確定性分析；HyperWorks；聲學仿真；魯棒性優化；
備注：詳細案例見附件
基于HyperWorks的聲固耦合系統不確定性分析與優化.pdf
展開 2018年不確定性結構分析與優化設計專題學術研討會在哈爾濱召開
“2018年不確定性結構分析與優化設計專題學術研討會”于2018年9月15-16日在哈爾濱召開。本次會議由哈爾濱工業大學呂大剛研究團隊承辦。來自北京航空航天大學、電子科技大學、同濟大學、大連理工大學、南京航空航天大學、哈爾濱工業大學、華中科技大學等多個院校30余人參會。會議共邀請12位專家分別針對各自研究領域，圍繞“不確定性結構分析與優化設計”這一會議主題，對各自的研究成果進行了較為全面的匯報和討論，內容涵蓋了土木工程、機械工程、海洋工程和航空航天工程等多個研究領域。本次會議地特邀報告內容比較深入全面，報告后的學術討論較為充分，參會人員都從中獲得了較好的學術體驗。本次會議的成功召開，將很好地激發我國在不確定性結構分析與優化設計相關領域研究人員地科研熱情，推動我國在“不確定性結構分析與優化設計”相關領域的研究發展。
來源：中國力學學會
展開 設計仿真 | 基于Digimat & ODYSSEE的結構不確定性量化分析
不同溫度下，PBT-GF30零部件力-位移曲線及失效
3-2 產品可靠性分析
上述仿真分析是確定性的，即忽略了實際情況中的不確定性來源。在產品設計生產過程中考慮不確定性因素越晚，則需要設計更改的時間越晚，這樣實施起來的成本就會很高。同時，考慮組件結構可靠性的所有不確定性，需要大量的仿真計算工作。
圖6. 在設計前期考慮產品的各種不確定性，可以有效減少設計變更成本和時間花費
這里我們考慮纖維取向不確定性對結構可靠性的影響，研究產品在準靜態載荷下的變化，考慮其失效指標（FI）的分布情況。
按照圖1所示的UQ分析流程進行產品可靠性分析：
●首先進行DoE樣本點的準備，按照二階取向張量均勻分布的要求生成10個樣本點，每個樣本點使用Digimat進行零部件性能仿真分析并計算FI。
●利用上述10組結果進行高精度ROM訓練和驗證，即7組樣本進行訓練，3組樣本進行驗證，結果表明預測模型和高保真仿真模型之間非常匹配。
●之后利用上述高精度ROM進行產品可靠性分析，以評估纖維取向的不確定性對結構可靠性的影響，針對五種纖維取向波動情況進行研究，每種情況調用1000次ROM進行計算，結果表明當纖維取向不確定性大于0.05時，產品可靠性開始下降；當外載荷降低20%時，纖維取向不確定性即使達到0.2，產品可靠性也不會降低。
圖7.
展開 SALOME_HYDRO在二維水力學不確定性分析方面的應用
更多內容也將在接下來的幾期逐步介紹，歡迎大家持續關注~
問題背景
對于水壩來說，每年在不同季節的河水徑流量變化很大，一旦發生洪水而沒有及時預警做好準備，則很有可能會造成潰壩這種毀滅性的災難。對核電站來說，由于它的運行需要大量的冷卻水，而無論是河水還是海水，在特定情況下也都存在著進水口堵塞可能，導致反應堆不能得到及時的冷卻，造成堆芯融化的風險。至于各種工廠所關心的廢水排放達標問題，也必須關注當地的河流實際情況，分析污染物的擴散速度和面積。總之，對水文環境的分析和預測在我們日常的生產生活，尤其是核電站的運營中十分重要，而有效的水動力分析模擬軟件TELEMAC-MASCARET正能幫助我們解決這些問題。
水環境模擬的不確定性
一般來說，采用TELEMAC-MASCARET 軟件所進行的簡單模擬都是近似性的，這主要是因為實際水文環境的復雜和不確定性，使得我們無法精準測定實際水流特征的諸多參數，而各種不確定的數據如初始條件，邊界條件乃至天氣影響等等更使得這一模擬的不確定性大大增加。
因此，為了得到更好的貼近實際的模擬結果，我們需要對可能存在的不確定性進行量化，以及采取參數優化和干擾預報等方式，使我們的模型更接近于實際情況。所謂不確定性量化，也就是研究不確定性對模型輸出的影響，如敏感性分析等。除此之外，數據同化（在近似模型和測量之間進行取舍，以更好地模擬和預測）也是行之有效的方法。
展開 
Moldex3D模流分析之幫助消除模具制造過程的不確定性
為了減少制造過程中的諸多不確定性，Extreme決定借助Moldex3D來尋找合適的解決方案，希望在制造前能夠獲得更多自信。
挑戰
須找到合適的排氣位置
須決定合適的冷卻液溫度
須決定有效的保壓時間，以達到產品可容許的收縮量
解決方案
使用Moldex3D Advanced解決方案(流動、保壓、冷卻、翹曲模塊)以及3D Coolant CFD)找到最佳的成型條件
效益
找到合適的排氣位置
減少產品收縮
優化冷卻時間及生產周期
案例研究
Extreme借助Moldex3D來降低成型過程中的不確定性，希望在試模前找到適合排氣的位置、評估機臺是否符合需求、最大鎖模力、合理的充填時間，以及預測翹曲情形等等。
從Moldex3D的充填/保壓模擬結果中可發現，充填壓力低于機臺最大值，其最大的鎖模力和最大剪切率也都在可接受范圍。因此評估機臺符合制造需求(圖一)。
圖一 經由Moldex3D充填/保壓模擬，可得知Extreme的機臺符合制造需求。
Moldex3D的流動波前模擬結果，也幫助Extreme做出有把握的決策，找到合適的排氣位置并在制造初期就做出正確的工具設計，而不必等到發生短射問題后，才進行后續修正(圖二)。
圖二 Moldex3D的短射模擬符合實際結果。
接下來Extreme降低冷卻液溫度，使得表面平均溫度大幅降低。他們進行了3種不同冷卻液溫度的仿真，并觀察其對于產品收縮的影響。最后發現在117℉時，收縮量符合了規格需求(圖三)。
圖三 透過3種不同冷卻液溫度仿真，發現在117℉時的收縮量最符合規格。
Extreme并嘗試提高保壓時間，進行了4種不同的保壓時間模擬，觀察到其中在保壓時間17秒時，會獲得較佳的收縮結果(圖四)。
圖四 仿真結果顯示17秒的保壓時間可達到最適的收縮量。
展開 Moldex3D仿真分析之芯片封裝制程挑戰與不確定性
在封裝的過程中包含了微芯片和其他電子組件(所謂的打線)、熱固性材料的固化反應、封裝制程條件控制之間的交互作用。由于微芯片封裝包含許多復雜組件，故芯片封裝制程中將會產生許多制程挑戰與不確定性。常見的IC封裝問題如：充填不完全、空孔、金線偏移、導線架偏移及翹曲變形等。
Moldex3D 解決方案
Moldex3D芯片封裝模塊目前支持的分析項目相當完善，以準確的材料量測為基礎，除了基本的流動充填與硬化過程模擬；并延伸到其他先進制造評估，例如 : 金線偏移、芯片偏移、填充料比例、底部填充封裝、后熟化過程、應力分布與結構變形等。透過精準的模擬可以預測及解決重大成型問題，將有助于產品質量提升，更可以有效地預防潛在缺陷；藉由模擬優化達到優化設計，并縮減制造成本和周期。
芯片布局評估
? 顯示動態熔膠流動行為
? 評估澆口與流道設計
? 優化流動平衡
? 避免產生氣泡缺陷
結構驗證
? 應用流固耦合（fluid-structure interaction）算法預測金線、導線架、芯片偏移、芯片變形等行為
? 可與ANSYS及Abaqus整合，共同分析結構強度
制程條件影響預測
? 模擬實際生產的多樣化制程條件
? 計算制程改變所造成的溫度、轉化率和壓力分布
? 預測氣泡缺陷（考慮排氣效果）與翹曲
后熟化制程翹曲與應力分析
? 顯示經過后熟化階段的應力松弛和化學收縮現象
? 計算溫度、轉化率與應力分布并預測可能產生的變形
高階材料特性量測
? 可量測反應動力、黏度、黏彈性提供流動仿真
? 黏彈應力釋放、化學收縮率、熱膨脹收縮效應達成精準預測翹曲
Moldex3D 支持多種封裝制程模擬轉注成型與覆晶底部填膠模擬。
展開 全新發布 | COMSOL 6.0版本: 新增"模型管理器"和"不確定性量化模塊"
不確定性量化模塊增強了敏感和可靠性分析能力
模型管理器擴展了COMSOL在工程設計和開發領域的應用范圍，而不確定性量化模塊使其能夠生成更加完整、準確且實用的多物理場模型。
基于概率設計法，用戶可以通過可靠性分析估算制造公差如何影響最終產品的預期性能，以避免對設備或工藝過程的過度設計或設計不足。
參數篩選和敏感性分析揭示了哪些參數比其他參數更為重要，可以用于測試模型的基本假設是否有效，而誤差傳遞可以用來預估輸出量的概率分布。
圖|不確定性量化模塊揭示了輸入參數的變化對仿真結果的影響
“不確定性量化模塊的一個優勢是，它可以與COMSOL Multiphysics中的所有物理場仿真結合使用。” COMSOL數值分析技術總監Jacob Ystr?m介紹道，“該模塊不僅適用于結構分析，還可以對聲學、流體、電磁以及多物理場耦合問題進行類似分析，其應用范圍非常廣泛。”
6.0版本帶來求解器性能和建模能力的廣泛提升
COMSOL Multiphysics 6.0版本對軟件平臺和附加產品進行了全面更新，對特定工程領域的問題，以內存消耗和計算速度為指標的求解性能提升了10倍以上；除此之外，新版本還增強了針對 PCB 電路板設計的電磁仿真能力，并為聲學領域的用戶帶來了一個全新的仿真方向：流致噪聲。
了解 COMSOL 軟件新版本的更多信息，請點擊【閱讀原文】訪問 6.0 版本發布亮點。
展開 科普時刻 | 借助魯棒性設計解決制造中的不確定性問題
工程團隊往往會對其設計進行過高或過低的評估，因為他們不能確切地確定所需的公差。通常，這會導致所需的材料、成本和時間增加。大多數工程師都熟悉優化技術，但魯棒性評估可進一步為高質量提供保證。
電子設計和制造中的魯棒性
制造單個電子組件會產生偏差，裝配流程也會導致不一致性，這已不是行業秘密。而這正是我們需要六西格瑪等設計指南的原因所在。六西格瑪質量水平要求制造流程生產出的產品缺陷率不超過百萬分之3.4。六西格瑪，也被稱為魯棒性設計，可促進工程師設計出不容易受制造變化因素影響的產品。
隨著電子系統和組件變得更小、密度更高、更容易受到熱的影響，不僅有更多的意外相互作用需要被納入考慮范圍，而且也很難預測公差將如何影響設計和制造。通過找出必須遵守的生產公差以確保一致的質量，工程師能夠減少成本和缺陷，提高質量并簡化工作流程。
評估魯棒性的流程包括：
識別制造階段可能產生不確定性并影響最終產品質量的隨機參數，如隨機環境變量或材料屬性。
將來自制造的統計數據作為概率參數輸入到仿真模型中，以量化不確定性并預測這些參數的相對影響。
使用人工智能/機器學習（AI/ML）算法對設計進行迭代，并通過自動化和系統化仿真流程找到最佳值。
許多公司使用Ansys optiSLang進行優化，但下面要介紹的是，其中一些公司如何使用該軟件來證明或改進設計和最終產品的魯棒性。
獲得共封裝光學的優勢
自動變速器的成本和功能優化
產品設計中的一項主要挑戰是確定功能和成本的最佳組合；有許多方法可以實現這一目標，然而每種方法都需要在開發范圍方面做出不同的承諾。
一家全球汽車制造商在其自動變速器設備設計中比較和評估螺線管的設計替代方案時，就親身體驗過這種情況。
展開 2020年的3D打印趨勢：可持續性、規模化和不確定性
2020年的3D打印
如果只能帶著一個詞進入2020年，那這個詞就是‘可持續性’。對可持續性的關注不僅僅在對環境和社會的影響。盡管未來的經濟形勢充滿不確定性，但3D打印通過生產終端產品、開發新應用、應用自動化后處理以及人工智能等技術，為企業達成財務上的可持續性提供了機遇。這些趨勢將在2020年定義我們的行業。”
降低增材制造仿真工作流程復雜性和零件性能不確定性的工作流程
基于圖像的模型的準確性被用于與原始CAD設計進行偏差分析。在使用軟件的偏差分析工具識別它們之間的關鍵差異之前，使用Simpleware軟件的標記和自動注冊工具來對齊這兩個部分。通過該方法，可以發現制造過程中先前未檢測到的問題，使研究人員能夠將它們納入3D打印零部件的未來設計迭代中。
匹茲堡大學的研究人員接下來將FE體積網格導入ANSYS Mechanical軟件，對原始CAD設計和CT掃描部件的性能進行結構模擬。模擬解決了機械載荷問題，并驗證了原始設計和制造設計之間的偏差不會影響組件的性能。
降低3D打印液壓歧管性能的不確定性
穆格公司也將Synopsys-NSI-ANSYS工作流程用于檢測和性能模擬。
穆格使用CAD工作流程進行增材制造脈沖壓力歧管的設計與測試，該零件具有特定材料和液壓流體配置。該零件通過Renishaw公司的選區激光熔化3D打印設備AM 250 進行制造，在打印前通過ANSYS Mechanical 軟件進行了仿真模擬。
展示內部細節的脈沖壓力模型。
3D打印液壓歧管在Simpleware軟件中進行分割之前，首先由NSI 進行CT 掃描。掃描部件內部特征的可視化顯示了制造過程中的孔隙，裂縫和殘留粉末。與原始CAD設計相比，還可以揭示出部件孔隙率等幾何偏差。有限元網格從CAD和斷層CT數據中被生成，用于在ANSYS Mechanical軟件中模擬最大主應力。在此過程中，CAD設計和3D打印部件之間增加的最大主應力被確定下來。
穆格通過這些結果來掌握液壓歧管的設計迭代及其增材制造質量，從而降低3D打印液壓歧管性能的不確定性。
小結
以上兩個案例展示了將CT 檢測、仿真、增材制造進行銜接的工作流程，在改進3D打印金屬零部件設計和制造決策中的應用。
展開 尾礦壩破壞原因解釋的不確定性
3 破壞原因的不確定性
最近30年發生的10個重大尾礦壩破壞事故如下所示：
(1) Merriespruit, South Africa (1997)
(2) Aznalcóllar, Spain (1998)【尾礦壩破壞全過程的物質點法(MPM)模擬】
(3) Kingston Ash Flow, TN, USA (2008)
(4) Kolontár, Hungary, (2010)
(5) Mount Polly, Canada (2014)【能精確預警尾礦壩的潰壩嗎?|波利山(Mount Polley)尾礦壩事故調查】
(6) Fundao, Samarco, Brazil (2015)
(7) Mishor Rotem, Israel (2017)
(8) Cieneguita mine, Mexico (2018)
(9) Newcreast Cadia Mine, Australia (2018)【卡迪亞尾礦庫潰壩專家組調查結果(Cadia Embankment Failure)】
(10) Brumadinho Tailings Dam, Brzail (2019)
【布魯馬迪尼尾礦壩破壞的原因(Brumadinho dam disaster)】
本節簡要討論了2個破壞原因的不確定性案例。
展開 
新論文 | 顆粒材料不確定性量化的隨機離散元方法
研究背景
土體等離散顆粒材料存在著不可忽視的隨機性，這對其力學行為有著強烈的不確定性影響 (Phoon & Kulhawy 1999, Huang et al. 2010, Li et al. 2015)。然而，囿于顆粒材料確定性離散元精細化建模與分析 (O'Sullivan 2011, Liu et al. 2022, 2023) 的復雜性和高昂計算成本，傳統方法難以對其進行隨機力學行為的精細化分析。本研究將概率密度演化理論 (Li & Chen 2009, Chen et al. 2016, Li & Wang 2022) 應用于巖土工程領域，與精細化確定性離散元分析技術相結合，提出了一類分析顆粒材料隨機力學行為的非侵入式隨機離散元方法。
工作概述
本研究建立的針對顆粒材料隨機力學行為分析的
隨機離散元方法框架
大致分為
4
個步驟：
1. 根據試驗數據對
隨機源
進行概率建模，獲得隨機源變量的概率分布；
2. 依據建立的隨機源概率分布模型，進行基本隨機變量的
概率空間剖分
，生成一系列代表性點及其賦得概率；
3. 在每個代表性點下，對顆粒材料代表性體積元進行
確定性離散元分析
，獲得其關鍵力學響應隨應變的演化曲線；
4. 將代表性點下的賦得概率和確定性響應信息代入
Li-Chen 方程
，采用概率密度演化方法數值求解獲得關鍵響應量和隨機源變量的聯合概率密度函數，進而積分獲得關鍵響應量的概率分布。
研究框架的整體分析流程如下圖所示：
數值結果
應力比隨應變的概率密度演化特征：
(a. 概率密度云圖; b. 概率密度曲面; c. 均值和2倍標準差; d.
展開 宏觀經濟存在不確定性 有色金屬維持盤整
短期鉛價震蕩行情仍有望維持，關注滬鉛在15000 元/噸附近表現，等待后期做出方向性選擇。
影響因素：
上周五有消息稱，歐洲央行和國際貨幣基金組織貸款可能對規模較大的歐元區經濟體進行援助，導致歐元走強，暫時提振的有色金屬價格。然而，歐洲及其對全球經濟造成的不確定影響的擔憂導致投資者謹慎立場。此外，美國國會未能對削減赤字達成協議。這致使部分投資者削減了有色金屬等風險資產的敞口，對有色金屬價格形成一定壓力。
品種基本面：
銅：國內銅現貨升水擴大到700 元，另外，中國10 月份精銅進口39.5 萬噸，這使得中國銅表觀消費強勁，但根據我們對消費行業的了解，對此結論還是較為謹慎。據悉，江銅與Freeport 明年的銅加費上升至63.5 美元，高于今年的56 美元，大大出乎市場預料。我們對原來的原材料談判小組組長進行了學習，他說在Freeport 下屬兩大銅礦礦減產前，BHP 來中國宣的銅礦是明年達到平衡，可見礦的供應并沒有像市場預料的那么緊張，目前現貨加工費低于20 美元只是銅礦罷工的結果。考慮到此，供應上的瓶頸更多的體現在上游的惜售上。
鋁：國內鋁現貨庫存升至40 萬噸附近，現貨價格在多數情況下維持貼水，吹塑模具http://zhizao.mouldu.com/sell_list/keyword-%E5%90%B9%E5%A1%91%E5%85%B7下游采購積極性較弱。鋁價經過連續下挫后，部分鋁廠已經陷入虧損，對鋁廠減產的預期仍對鋁價有一定的支持，導致鋁價相對抗跌。此外，有報道稱，由于全球需求放緩之際，生產成本上升擠壓企業的利潤空間，如果國內鋁價進一步下跌，中國內陸鋁冶煉商可能將削減產量。
鋅：寒冬已至，我國內蒙以及北方鋅精礦產區的部分礦廠正在臨近停產，有些已經停產。
展開 基于重建和不確定性傳播的單目視覺3D物體檢測
本文將6DoF位姿估計領域常用的稠密關聯方法應用到了交通場景的單目3D物體檢測，并引入了不確定性傳播，可以描述物體位置的不確定性。針對深度回歸問題中偶然不確定性的估計，本文提出了魯棒KL損失，顯著提升了檢測精度，對于一般的不確定性估計網絡有借鑒價值。
摘要：
單目視覺3D物體檢測的主要難點在于物體在3D空間中的定位。近年關于6DoF位姿估計的研究表明，預測圖像與物體3D模型之間的2D-3D稠密關聯（Dense Correspondence）并使用PnP算法求解物體位姿，可以取得很高的定位精度。然而，在這些研究中，模型的訓練均依賴物體的3D模型真值，這一條件在真實的室外場景中難以滿足。為解決這一問題，本文提出了MonoRUn檢測算法，以自監督的形式學習稠密關聯和物體幾何，這一過程中僅需用到物體的3D框標注。本文使用基于不確定性的區域重建網絡回歸與2D像素相關聯的3D坐標。自監督訓練是指將3D坐標重投影以重構圖像的2D坐標。為優化重投影誤差并考慮其不確定性，本文提出了魯棒KL損失。在測試階段，網絡預測的不確定性將傳播至所有下游模塊。具體而言，模型使用不確定性PnP算法估計物體的位姿及其協方差。在KITTI數據集上的實驗表明，本文所提出方法的檢測精度超過了目前的前沿方法。
展開 ABAQUS隔震分析—隔震單元雙線性模型的參數確定及設置方法（可實現三維隔震） ￥68
ABAQUS隔震分析—隔震單元雙線性模型的參數確定及設置方法
