DOE參數優化的案例
MeshWorks多學科網格參數化DOE優化
MeshWorks的參數化功能，包括形狀參數化、板厚、材料、孔、加強筋及焊接等參數化。這些眾多的參數化功能可以幫助工程師快速進行DOE分析，而無需等待CAD數據更新，從而加快了設計周期。
MeshWorks的參數化網格建模功能可以幫助用戶非常快速地分析多種工況，這些參數通常是常規形狀參數之外的參數類型，比如各種加強特征，如ribs、beads、bulkheads、darts以及縫焊長度、點焊數量等。MeshWorks擁有最全面的參數化特征庫，因此可以進行全面的DOE優化研究。
MeshWorks可以通過同一參數化模型同時生成不同學科的參數化模型，如Crash，NVH，Durab，CFD。當某一參數改變時，所有學科模型的參數同步改變，從而使得多學科優化MDO成為可能。
MeshWorks擁有眾多快速參數化面板，只需點擊一次鼠標，即可創建諸如倒角半徑、孔直徑、肋高度及肋厚度的參數化網格。對于鈑金件，也可以快速同時創建多種參數，如結構件寬度、高度、翻邊寬度及焊點間距的參數化網格。此強大功能大大節省了模型參數化的創建時間。
若您想咨詢MeshWorks軟件購買事宜，請下方掃碼或聯系18665820511或caesoft@qq.com。
展開 abaqus Isight參數研究與結構優化CH02-資料管理與DOE分析
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進行DOE分析
CH03-Isight優化分析
>WORKSHOP02-Gripper優化分析
CH04-Data matching參數擬合
>WORKSHOP03-橡膠材料參數擬合
CH05-近似模型建立
>WORKSHOP04-Gripper近似模型建立
CH06-資料交換元件
展開 MeshWorks自動DOE優化流程
MeshWorks是一款強大的有限元前處理軟件，主要核心功能是網格變形，參數化以及概念設計。MeshWorks擁有27大類的參數化庫，不但可以提供一般常用的形狀參數化，料厚參數化，材料參數化，還可以提供多種特殊的參數化功能，如肋筋，焊點數量，縫焊長度，加強筋，激光拼焊版TWB的參數化功能。借助于以上功能，工程師可以高效的創建DOE優化矩陣，大幅提升優化工作的效率。
基于AMESim的純電動汽車熱管理系統的優化設計 附AMESim優化過程基礎操作及DOE&遺傳算法G
4基于AMESim的純電動汽車熱管理系統的優化設計
4．1水冷系統的優化
分析仿真和實驗結果可以發現水冷系統的水泵、風扇的選型及系統的控制策略都有優化的空間．接下來，在仿真模型的參數設置中，減小散熱器的長度和寬度，在保證散熱能力的同時可以有效地節省空間．然后再根據冷卻系統的流量，對水泵進行選型，將水泵的額定流量減少為原車試驗型號的50%，在減少流量的同時水泵的功率也隨之降低。
由于原車的風扇根本沒有進行工作，在正常情況下，熱量全部都由散熱器流向環境，因此在優化時，我們根據設計規范來選擇風機的流量、風壓、功率等，可以根據風機的類型和性能曲線選擇風機，使所選風機在系統中處于最佳工況。
此外，水冷系統的控制策略也調整如表3所示。
在對參數進行重新設計匹配后，我們仍然采用FTP－72工況進行仿真計算．經過優化后的水冷系統仿真結果如圖7和圖8所示。
由上圖可以看出，通過散熱器的冷卻水溫度下降約11℃左右，完全可以滿足整車的散熱需求．冷卻水經過電機后的溫度仍然不太高，不到60℃，根據控制策略的要求，冷卻風扇仍然沒有工作．因此在接下來的優化中，我們可以采用更加惡劣的工況，考察車輛散熱系統的能力。
展開 
MeshWorks聯合Isight DOE優化流程
MeshWorks的參數化模塊是其三大優勢功能模塊之一（網格變形、網格參數化和概念設計），擁有非常全面的參數化庫。不但具備常規的形狀參數化、板厚參數化和材料參數化功能，還具備很多針對特殊部件或場景的參數化功能，如激光拼焊板TWB參數化、Bulkhead參數化、肋筋數量及間隔、加強特征參數化等功能。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。
展開 AWE中實現6sigma的DOE優化
3.JPG
確定標準差和分布類型
4.JPG
計算結果的響應分布，輸入參數對安全系數的影響。
5.JPG
6.JPG
在DOE優化中，選取的抽樣點由計算機控制，這種抽樣方式是兼顧了計算量和計算精度的結果。圖中顯示了自動抽樣點
7.JPG
6sigma優化結果。這是計算機1000次隨機抽樣后，通過抽樣得出的分布函數柱圖表示形式和積累函數的表現形式。
列表可以更詳細的提取需要的參數及數值。
如果達到6sigma水平，按照該給定的分布類型（確定的標準差為1mm及平均值），就需要以200為平均值使檢驗的尺寸偏差擴大200±5.97左右。如果確定結構尺寸誤差為1mm的檢驗標準，就會有16%的廢品率（寬度小于199的都不合格）。
[ 本帖最后由 leiting1891 于 2008-9-12 12:01 編輯 ]
8.JPG
9.JPG
展開 帶DOE與近似代理的iSIGHT協同優化實例
作為原來實例的一個擴展（包括PPT模版），將此實例發布于此,希望沒有侵權SIGHTAN
帶DOE與近似代理的iSIGHT協同優化實例Lab
co_rsm_doe_lab.rar
CO 關鍵步驟.part1.rar
CO 關鍵步驟.part2.rar
CO 關鍵步驟.part3.rar
利用Isight/DOE辨識Abaqus分析模型中的關鍵參數
Isight中的試驗設計方法DOE模塊用于辨識關鍵參數、構件經驗公式以獲得最佳設計。DOE運用包括三個步驟：試驗計劃、執行試驗和結果分析。
Isight/DOE與Abaqus結合，可以將Abaqus分析模型中的參數進行試驗設計，辨識出關鍵參數，從后處理Pareto圖等中分析出參數對輸出響應的影響大小。以沖擊力作用的鋼架結構為例進行說明，其中以兩種材料Al和STEEL的彈性模量和泊松比為設計參數，試驗測得鋼架結構在沖擊力作用下的位移響應曲線與仿真結果曲線之差為輸出響應。下圖為Abaqus分析模型。
在Isight中建立Abaqus工作流，如下圖所示。
Abaqus工作流
Isight中，有9種DOE方法，如參數試驗、全因子設計、部分因子設計、正交數組、中心組合設計、Box-Behnken設計、拉丁超立方設計、優化拉丁超立方設計及自定義數據文件，用戶也可以進行二次開發，自編DOE方法。用戶可以根據自己的需求選擇合適的試驗設計方法。
Isight提供后處理工具，幫助進行試驗設計的后處理工作，有試驗數據表格、散點圖、ANOVA分析表、Pareto圖、主效應圖、交互效應圖及相關性圖等。下圖為本鋼件結構的后處理。
利用IsightDOE辨識Abaqus分析模型中的關鍵參數.pdf
展開 Isight利用已有數據做近似模型優化與DOE ￥20
常常我們計算中并不能一次得到所有數據，并且大型仿真計算時構建近似模型與實驗設計非常麻煩容易出錯，我們可以通過多次計算最終把數據整合在一起，更加簡單有效的對數據進行分析。
此課程采用簡單的案例實現Isight數據分析流程，在實際應用中非常高效
基于ANSA-Solver-META某副車架聯合尺寸及Morphing形狀DOE優化設計 ￥20
本案例利用ANSA優化工具作為前處理使用Eplisis或其他求解器作為Solver來求解，利用META作為響應提取工具進行MISES應力的提取，整個過程均在ANSA軟件操作即可
此案例特色：
ansa網格變形操作
ansa變形參數設置
尺寸參數化設置
貢獻變形后網格自動劃分腳本
連接外部求解器接口
META提取響應
DOE自動優化設計
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 
完全掌握workbench結構參數優化（響應面優化） ￥5
微信 leslie_wj
～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～
workbench結構優化設計可以分為兩類：拓撲優化和參數優化。
本文內容：
workbench參數優化之響應面優化實例詳解
下文目錄：
一：建模與參數設置
二：加載與參數設置
三：參數優化之響應面優化
完全掌握workbench結構參數優化（參數相關） ￥5
微信 leslie_wj
～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～
workbench結構優化設計可以分為兩類：拓撲優化和參數優化。
本文內容：
workbench參數優化之參數相關實例詳解
下文目錄：
一：建模與參數設置
二：加載與參數設置
三：參數優化之參數相關
參數優化
參數優化是光學設計中不可或缺的重要步驟。它可以幫助完善和改進系統，以確保完成任務的技術指標，并實現預期的性能。高速物理光學建模和設計軟件VirtualLab Fusion包括一個內置的參數優化功能，當然，根據設計任務的要求，該功能可以基于不同的仿真引擎(包括光線追跡和場追跡)工作。軟件隨附的現成探測器和分析器的選擇提供了許多最常見的優化函數，并可以通過編程進行額外的定制。
參數優化文檔簡介
VirtualLab Fusion提供三種局部優化算法和一種全局優化算法。此用例介紹了相關的參數優化文檔及其選項和設置。
了解更多
蛾眼抗反射結構的嚴格分析與設計
利用傅里葉模態法和VirtualLab Fusion中的參數優化，我們展示了抗反射蛾眼結構的分析和設計。
展開 14基于MATLAB的鯨魚優化VMD參數，以熵值為適應度函數，對VMD參數懲罰因子和層數進行尋優 ￥30
基于MATLAB的鯨魚優化VMD參數，以熵值為適應度函數，對VMD參數懲罰因子和層數進行尋優，確定最優值并進行信號分解，程序已調通，可以直接運行。
