智能優(yōu)化算法的案例
Abaqus|智能優(yōu)化算法的反演加強筋位置，提升薄壁結構穩(wěn)定性 ￥50
文章來源：微信公眾號“仿真社”，主要分享Abaqus、ANSYS仿真案例，聚焦于結構優(yōu)化、參數(shù)優(yōu)化，二次開發(fā)等領域，歡迎關注。
本文你將獲得如下干貨：
1. 有限元模型修正法FEMU結合智能優(yōu)化算法反演了加強筋位置布局的源程序（python程序，可反演位置、厚度、材料參數(shù)，通用反演程序）
2. 參數(shù)化建模的一些技巧；
3. 直接搜索法和智能算法兩種反演方法，以及了解他們的優(yōu)勢所在；
1.導讀
薄壁結構最常見的失效方式是屈曲（失穩(wěn)）。為了避免此類結構發(fā)生屈曲現(xiàn)象，可以使用加強筋，加強筋可增加結合面的強度。屈曲臨界載荷是衡量結構發(fā)生屈曲現(xiàn)象的最小載荷，由下式?jīng)Q定：
為屈曲載荷因子，F(xiàn)為外載荷。由上式可知，在外載一定的時候，臨街載荷與屈曲載荷因子成正比，而屈曲載荷因子與加強筋的位置有關。因此為了提高結構的穩(wěn)定性，需要找到加強筋的最優(yōu)位置使得該結構擁有最大屈曲載荷因子。
尋找最優(yōu)位置的問題是一個反問題，可通過優(yōu)化算法來獲到最優(yōu)解。差分進化算法是一種全局智能優(yōu)化算法，是遺傳算法的變體，可高效獲得最優(yōu)解。本文使用智能優(yōu)化算法對位置參數(shù)進行了反演并使用遍歷搜索優(yōu)化算法來進行了對比。
2.問題描述
針對圖1優(yōu)化前所示結構，優(yōu)化軸向4個加強筋位置，使得屈曲載荷因子最大。圓筒高400mm，圓筒直徑為400mm,薄壁厚1mm,加強筋厚2mm。圓筒在頂端受到大小為500N，方向為-y方向的集中力。
圖1 帶有加強筋的圓筒模型
通過差分進化優(yōu)化算法獲得的加強筋均勻分布在圓筒的四周，是不是很符合力學認知？
3. 代碼詳解
這一部分將結合代碼詳細展現(xiàn)如何實現(xiàn)這一過程的技術細節(jié)以及智能優(yōu)化算法的優(yōu)勢。
展開 人才+技術雙輪驅(qū)動：天洑研發(fā)專家夏松濤攻克優(yōu)化算法卡脖子難題
南京天洑軟件有限公司研發(fā)專家夏松濤，曾任職于西門子美國研究院和Ansys公司的技術專家，他始終心系祖國制造業(yè)的"軟肋"，于2022年底回國加入天洑軟件，致力于智能優(yōu)化算法的自主研發(fā)。
作為南京市重點引進人才及天洑軟件核心技術帶頭人，夏博士近日在接受南京電視臺和南京日報聯(lián)合采訪時表示：“南京的人才扶持政策非常完善，從科研資金支持到人才安居保障，為我們解除了后顧之憂，能夠全心投入CAE算法的研發(fā)攻關。”
天洑軟件作為國家級專精特新“小巨人”企業(yè)、國家鼓勵的重點軟件企業(yè)，通過引進國際頂尖人才與自主創(chuàng)新相結合，在智能優(yōu)化算法領域取得重大突破。夏博士介紹：傳統(tǒng)優(yōu)化方案需要專家數(shù)周時間才能完成，而天洑自研的人工智能優(yōu)化算法可將這一過程縮短至數(shù)小時，在精度和效率上實現(xiàn)了質(zhì)的飛躍。
天洑軟件始終堅持人才+技術雙輪驅(qū)動。夏松濤等核心專家的回歸不僅帶來了國際前沿經(jīng)驗，更推動了公司技術體系的全面升級。
目前，天洑軟件的智能優(yōu)化算法已在多個工業(yè)領域成功應用，幫助客戶顯著縮短研發(fā)周期，提升產(chǎn)品性能，生動踐行了天洑軟件“軟件報國”使命。
展開 【產(chǎn)品】智能優(yōu)化設計軟件平臺AIPOD 2024R1正式發(fā)布
AIPOD是由天洑軟件自主研發(fā)的一款通用的智能優(yōu)化設計軟件平臺，致力于解決性能更優(yōu)、成本更低、重量更輕等目標的工程設計尋優(yōu)問題。軟件針對工業(yè)設計仿真領域存在的諸多問題，如產(chǎn)品指標達到瓶頸、依賴專家經(jīng)驗、多學科多目標難以兼顧等，基于人工智能技術研發(fā)了先進的智能優(yōu)化策略，使得軟件使用門檻更低，優(yōu)化效率更高，優(yōu)化效果更好。無論是結構、流體、熱力學、電磁學或多物理場耦合問題，AIPOD都可以幫助設計團隊高效地尋找到更好的設計方案。
一、AIPOD的功能和特色
● 豐富的CAD/CAE軟件接口
● 前沿高效的新一代智能優(yōu)化算法
● 數(shù)字化專家知識挖掘與優(yōu)化輔助
● 便利的圖形化優(yōu)化流程搭建界面
● 自動化流程執(zhí)行引擎
● 適配多類型的操作系統(tǒng)及計算集群
● 敏捷的后處理可視化探索
● 國產(chǎn)自主可控
二、版本更新介紹
AIPOD 2024R1在軟件功能和操作體驗上均實現(xiàn)了升級，具體包括
■ 支持基于Hypermorph的非參數(shù)化幾何模型優(yōu)化
■ 新增CAD/CAE軟件接口，結構優(yōu)化場景覆蓋更全面
■ 升級變量關聯(lián)功能，變量提取更輕松
■ 新增優(yōu)化任務結果一鍵驗證功能，優(yōu)化方案更可信
■ 升級采樣可視化功能，算力利用更高效
■ 其他易用性升級（多列排序、算例重新執(zhí)行、任務監(jiān)控）
圖1 智能優(yōu)化設計軟件AIPOD 2024R1啟動界面
1）支持基于Hypermorph的非參數(shù)化幾何模型優(yōu)化
AIPOD 2024R1版本新增對非參數(shù)化幾何模型的優(yōu)化支持。在以往的版本中，AIPOD擅長處理如變幾何參數(shù)、變邊界條件等優(yōu)化任務；但在部分場景下（如整車廠等），由于上游供應商只提供了非參數(shù)化的幾何模型，導致優(yōu)化工作無法開展。
展開 天洑軟件6月23日“智能優(yōu)化平臺軟件AIPOD操作培訓” 線上線下免費培訓課即將開始
（2）全新的代理優(yōu)化加速模塊
AIAgent可通過與計算流程的連接，進行數(shù)據(jù)智能采樣，通過天洑自研的機器學習算法，進行代理模型的訓練，為優(yōu)化設計加速助力。AIAgent中的機器學習算法來自于天洑數(shù)據(jù)建模平臺，其核心是天洑自研的超參學習框架，相較于傳統(tǒng)響應面、Kriging模型，AIAgent針對復雜問題表征能力更強、數(shù)據(jù)集需求量更低、使用門檻更低，而且訓練得到的模型可導出，可復用，可作為企業(yè)的核心知識進行管理，提升企業(yè)快速優(yōu)化設計的能力。
圖4 AIAgent一鍵構建可復用的高精度代理模型
（3）具有智能探索能力的SilverBullet算法
SilverBullet算法是針對工業(yè)設計領域數(shù)值模擬計算成本高的痛點而研發(fā)，在計算成本有限的情況下（百量級），以盡可能少的計算代價，獲取盡可能高的性能提升。SilverBullet算法整合了智能采樣技術、耦合優(yōu)化技術，以及一套核心的參數(shù)指標動態(tài)協(xié)調(diào)全局優(yōu)化和局部探索力度，從而實現(xiàn)在小計算規(guī)模下的高效性能優(yōu)化提升。SilverBullet算法有以下兩大特色：
① 自適應優(yōu)化場景，零使用門檻
SilverBullet算法具有強大的自適應性，用戶僅需提供計算代價，無需任何超參設定，即可一鍵啟動優(yōu)化流程，大幅降低了用戶的使用門檻；
② 智能邊界突破（Bound-break）
SilverBullet獨有的智能優(yōu)化探索能夠擺脫參數(shù)范圍不夠精確的困擾，對于無法精確給定變量范圍的部分變量，在滿足不增加搜索成本的前提下，自主決策有選擇性地突破設計參數(shù)范圍邊界，獲得更好的設計方案。
展開 
AIPOD——人工智能優(yōu)化設計平臺
AIPOD是一款智能優(yōu)化平臺，具有先進的智能優(yōu)化策略；主要用于目標函數(shù)為數(shù)值模擬（如CAE）類的優(yōu)化問題，追求以更小的計算代價，更短的時間找到更優(yōu)的設計方案。
AIPOD特點
1) 具有優(yōu)秀的智能優(yōu)化算法，擁有較高的優(yōu)化效率；
2) 包括含代理和無代理多種優(yōu)化模式；
3) 支持多目標優(yōu)化與多工況優(yōu)化；
4) 仿真求解器連接靈活，用戶使用簡便；
5) 具備DoE與后處理功能。
AIPOD界面演示
后處理界面
AIPOD優(yōu)化算法測試
AIPOD通用全局優(yōu)化算法測試，驗證算法是否能夠滿足，在充分小的計算規(guī)模下，尋找到充分可取的優(yōu)解；測試函數(shù)如表1所示。
同時，對比測試選用的優(yōu)化算法和最大計算數(shù)目如下表所示；
1 單目標值優(yōu)化
1.1 Shubert函數(shù)：
1.2 Griewank函數(shù)：
2 多目標值優(yōu)化
ZDT1，2，3，4測試函數(shù)：
Pareto 前沿對比策略：
按照計算次序，每間隔1000個計算中獲取對應的pareto前沿，觀察pareto前沿移動的效率 。
ZDT1函數(shù)測試
ZDT2函數(shù)測試
ZDT3函數(shù)測試
ZDT4函數(shù)測試
展開 基于灰狼算法優(yōu)化支持向量機的matlab算法
灰狼優(yōu)化算法優(yōu)化支持向量機MATLAB實戰(zhàn)
今天給大家分享灰狼優(yōu)化算法的MATLAB實戰(zhàn) ，主要從算法原理和代碼實戰(zhàn)展開。
需要了解更多算法代碼的，可以點擊文章左下角的閱讀全文，進行獲取哦~需要了解智能算法、機器學習、深度學習和信號處理相關理論的可以后臺私信哦，下一期分享的內(nèi)容就是你想了解的內(nèi)容~
一、灰狼優(yōu)化算法
灰狼優(yōu)化算法（Grey Wolf Optimizer，GWO）由澳大利亞格里菲斯大學學者 Mirjalili 等人于2014年提出來的一種群智能優(yōu)化算法。該算法受到了灰狼捕食獵物活動的啟發(fā)而開發(fā)的一種優(yōu)化搜索方法，它具有較強的收斂性能、參數(shù)少、易實現(xiàn)等特點。
灰狼屬于犬科動物，被認為是頂級的掠食者，它們處于生物圈食物鏈的頂端。灰狼大多喜歡群居，它們具有非常嚴格的社會等級層次制度，如下圖所示。
金字塔第一層為種群中的領導者，稱為 α 。在狼群中 α 是具有管理能力的個體，主要負責關于狩獵、睡覺的時間和地方、食物分配等群體中各項決策的事務。
金字塔第二層是 α 的智囊團隊，稱為 β 。β 主要負責協(xié)助α 進行決策。當整個狼群的 α 出現(xiàn)空缺時，β 將接替 α 的位置。β 在狼群中的支配權僅次于 α，它將 α 的命令下達給其他成員，并將其他成員的執(zhí)行情況反饋給 α 起著橋梁的作用。
金字塔第三層是 δ ，δ 聽從 α 和 β 的決策命令，主要負責偵查、放哨、看護等事務。適應度不好的 α 和 β 也會降為 δ 。金字塔最底層是 ω ，主要負責種群內(nèi)部關系的平衡。
灰狼的社會等級在群體狩獵過程中發(fā)揮著重要的作用，捕食的過程在 α 的帶領下完成。
展開 【技術】天洑智能優(yōu)化案例集錦（1）——芯片散熱器結構優(yōu)化
圖2 電子芯片散熱結構的自動化優(yōu)化設計流程圖
圖3 AIPOD優(yōu)化流程搭建示意圖，只需要簡單的流程搭建即可開始優(yōu)化
1.基于參數(shù)化建模方法，有助于AIPOD優(yōu)化方案的實時驗證、評估和方案迭代，保證優(yōu)化方案的可行性；
2.基于AIPOD的自動化優(yōu)化流程，可以有效減少用戶手動操作的過程，基于優(yōu)化算法的自動尋優(yōu)也有助于發(fā)現(xiàn)新的散熱結構設計方法；
3.基于AIPOD中集成的智能優(yōu)化算法，可以有效幫助電子芯片散熱系統(tǒng)的結構設計，快速得到更好的散熱結構。
應用價值
1.有效提高散熱系統(tǒng)的平均熱流密度，在相同工作環(huán)境下，平均熱流密度可以提高5%左右；
2.高效輔助電子芯片散熱器設計，減少迭代設計的時間和人力成本。在硬件條件允許的情況下，可以同時進行多類散熱器的優(yōu)化設計。
相關案例
如對相關軟件感興趣，可以
聯(lián)系我們
或申請
軟件試用
。
展開 OASIS 奧希思 R2018.1智能優(yōu)化軟件培訓總結
為期三周的OASIS 奧希思 R2018.1智能優(yōu)化軟件培訓結束了。讓我們一起回顧總結一下這三周的主要內(nèi)容。
2018.11.15
首先介紹了奧希思所具有的智能優(yōu)化算法以及軟件特點。其次介紹了奧希思智能優(yōu)化軟件的文件構成、問題設置模塊、優(yōu)化設置模塊以及結果和可視化模塊。對于問題設置模塊深入講解了基于babel語言的數(shù)學表達方程式的書寫規(guī)則。最后引用了一個金屬罐優(yōu)化案例來進行實際操作驗證。
2018.11.22
主要介紹了針對工程問題仿真優(yōu)化的接口。奧希思智能優(yōu)化軟件目前具有三個接口，一個是一般接口，所謂的一般接口就是指只要找到外部軟件的輸入和輸出文件就可以與奧希思進行集成鏈接，形成各行各業(yè)具有特色的設計仿真優(yōu)化智能軟件。第二個接口是ANSYS接口，我們都知道ANSYS是一款很強大的CAE仿真軟件，并具備多學科仿真能力，目前奧希思已經(jīng)在ANSYS Worbench里具有插件，只需一鍵就可以將ANSYS Workbench和奧希思集成起來進行仿真優(yōu)化。第三個接口是SolidWorks接口，同第二個接口一樣，我們亦可在SolidWorks中找到奧希思插件模塊，一鍵進行優(yōu)化同步設計，使模型設計參數(shù)達到最優(yōu)。最后操作了三個集成案例來分別演示說明奧希思具有的三個接口。
2018.11.29
重點介紹了決策支持模塊，幫助工程師進一步地進行方案的智能抉擇。其次又分別介紹了一些額外的功能，像DOE模塊，設計驗證，歷史日志等等。
奧希思智能優(yōu)化軟件操作簡單易懂，無需選擇算法調(diào)節(jié)參數(shù)，并具有高效的搜索及全局優(yōu)化算法并且擅于解決大變量，強約束以及黑箱問題。設計和搜索過程可以隨時觀察分析，結果可靠性更高，并具有獨特的決策分析與篩選模塊。使工程師從優(yōu)化中解放出來，全身心投入到設計仿真當中。
展開 智能優(yōu)化設計軟件AIPOD 2023R1新版本功能介紹
圖3 新增優(yōu)化任務節(jié)點，適配系統(tǒng)級的設計流程自動化
三、專家知識輔助優(yōu)化
在傳統(tǒng)產(chǎn)品迭代設計過程中，工程師的經(jīng)驗可幫助判斷產(chǎn)品優(yōu)化方向。為解決自動優(yōu)化早期探索不力的問題，AIPOD 2023R1版本引入了專家知識輔助優(yōu)化模塊：一方面，將工程專家經(jīng)驗固化為規(guī)則化的知識，幫助在自動優(yōu)化過程中快速找到高效設計區(qū)域；另一方面，在優(yōu)化過程中不斷迭代挖掘已有算例中的知識，并以可視化效果向用戶呈現(xiàn)，從而指導下一輪優(yōu)化設計。
圖4 專家知識輔助優(yōu)化，有效解決自動優(yōu)化早期探索不力問題
四、代理訓練算法擴展
AIPOD 2023R1版本將代理訓練算法的集成數(shù)量擴充至近30種，其中既包括了開箱即用的智能算法，以面向入門用戶；同時也提供了更開放、更專業(yè)的算法選擇和超參數(shù)配置，以面向?qū)υO計空間了解更深入的用戶。
圖5 代理訓練算法擴展
AIPOD更多詳細介紹及軟件試用申請，請點擊
“AIPOD - 智能優(yōu)化設計平臺”，前往查閱。
展開 Flotherm智能溫控引擎：GPU服務器散熱優(yōu)化設計
突破散熱極限，釋放GPU算力潛能
GPU散熱面臨的挑戰(zhàn)
在人工智能、高性能計算和圖形處理需求爆炸式增長的時代，GPU服務器已成為現(xiàn)代數(shù)據(jù)中心的核心驅(qū)動力。然而，隨著計算密度的持續(xù)攀升，散熱問題正成為制約性能釋放的關鍵瓶頸。傳統(tǒng)散熱解決方案在應對新一代300W+ TDP的GPU時已顯得力不從心，導致：
? 芯片溫度頻繁觸及105℃臨界值，觸發(fā)降頻保護機制
? 冷卻系統(tǒng)噪音高達65分貝以上，嚴重影響數(shù)據(jù)中心工作環(huán)境
? 散熱能耗占總功耗比例超過15%，顯著增加運營成本
Flotherm智能溫控引擎簡介
Flotherm智能溫控引擎是一款基于先進計算流體動力學(CFD)技術，專為高性能計算環(huán)境開發(fā)的散熱優(yōu)化解決方案。該軟件通過精確的數(shù)值模擬和智能算法，為GPU服務器提供全方位的熱管理優(yōu)化。
核心優(yōu)勢
1. 精確的熱場分析能力
Flotherm采用0.1mm級超高精度網(wǎng)格劃分技術，能夠精準捕捉GPU芯片級的熱點分布。其獨有的k-ε湍流模型可精確預測氣流組織中的短路和回流現(xiàn)象，為優(yōu)化設計提供可靠依據(jù)。
2. 智能優(yōu)化算法
集成機器學習技術，F(xiàn)lotherm可自動評估數(shù)十種散熱方案，智能推薦最優(yōu)的導流結構和風扇配置。相比傳統(tǒng)試錯方法，優(yōu)化效率提升10倍以上。
3. 全流程解決方案
從概念設計到生產(chǎn)驗證，F(xiàn)lotherm提供完整的虛擬樣機開發(fā)環(huán)境，大幅縮短產(chǎn)品上市時間，降低實物樣機成本達80%。
技術亮點
1. 多物理場耦合分析
Flotherm突破性地實現(xiàn)了熱-流-結構多物理場的同步耦合計算，能夠準確模擬真實工況下的復雜熱行為。
2. 云端協(xié)同平臺
支持團隊協(xié)作和云端計算，使分布在不同地域的工程師可以實時共享分析結果，加速決策過程。
3.
展開 【產(chǎn)品】智能優(yōu)化軟件 - AIPOD 2022R2版本新功能詳解
AIPOD是由南京天洑軟件有限公司自主研發(fā)的一款通用的智能優(yōu)化設計軟件，其提供的CAD+CAE自動化集成功能和新一代智能優(yōu)化算法，可以讓設計團隊專注于產(chǎn)品設計本身，而非數(shù)值模擬仿真過程，從而幫助設計團隊快速地尋找到更好的產(chǎn)品或流程設計方案。
現(xiàn)已正式推出AIPOD 2022R2版本。與上個版本相比，全新的AIPOD 2022R2對軟件功能進行了升級，并對用戶體驗進行了全方面的優(yōu)化，具體包括：
更豐富的實驗設計(DOE)算法；
更豐富的優(yōu)化設計算法；
更靈活的分布式資源利用；
更完善的后處理功能。
AIPOD 2022R2帶來的這些令人振奮的新功能，大幅完善和豐富了平臺功能，對用戶的使用場景進行了更全面的覆蓋，能夠更好的幫助用戶開展優(yōu)化設計。
更豐富的實驗設計(DOE)算法
AIPOD 2022R2中補充了包含sobol、部分因子采樣等7種實驗設計算法，平臺內(nèi)實驗設計算法多樣性實現(xiàn)極大提升，進一步擴展了對用戶不同需求的實驗設計場景覆蓋。此外，2022R2版本對平臺內(nèi)已集成的均勻采樣等算法進行了優(yōu)化，賦予了用戶對參與采樣變量更靈活配置的能力。
圖 1 實驗設計(DOE算法)
更豐富的優(yōu)化設計算法
AIPOD 2022R2針對單目標優(yōu)化需求，補充了包含近兩年學術界提出的天鷹優(yōu)化引擎在內(nèi)20余種學術前沿算法；針對多目標優(yōu)化需求，補充了包含近兩年學術界最新提出的AGEMOEA2的5種學術前沿算法，新算法的引入使得平臺內(nèi)優(yōu)化設計算法數(shù)量多達50余種。
展開 
【產(chǎn)品】智能優(yōu)化設計軟件AIPOD 2023R2新版本功能介紹
本次版本更新在原有功能基礎上，補充了數(shù)據(jù)預處理環(huán)節(jié)，并內(nèi)嵌有智能數(shù)據(jù)清洗算法 AIOD和多種高維數(shù)據(jù)可視化算法。這些算法提供柱狀圖、散點圖等多種可視化圖表，直觀呈現(xiàn)數(shù)據(jù)一致性和數(shù)據(jù)分布情況，輔助用戶進行異常結果剔除和智能補點決策，為訓練集質(zhì)量提供了有效支撐,進一步保證了代理模型精度和泛化性。
圖3 智能代理優(yōu)化模塊2.0升級
3）HPC集群調(diào)度引擎適配
部分企業(yè)會部署并使用高性能計算集群（HPC）運行仿真任務。AIPOD軟件采用了靈活的分布式調(diào)度框架，其軟件本體與其所調(diào)用的各個設計仿真軟件支持在不同的物理機上執(zhí)行。在最新的2023R2版本，AIPOD進一步實現(xiàn)了HPC的遠程調(diào)用支持，可自動修改服務器軟件提交任務參數(shù)或者數(shù)據(jù)文件并提交計算，驅(qū)動HPC上的軟件調(diào)用，從而更好地適配各企業(yè)的真實研發(fā)設計場景需要。
圖4 HPC集群調(diào)度引擎適配
4）全新UI界面
AIPOD 2023R2版本對界面布局、圖標設計、色彩搭配、設計規(guī)范等完成了系統(tǒng)性的改造替換，形成天洑統(tǒng)一的工具軟件UI界面。作為國產(chǎn)自主可控的工業(yè)軟件，從過去對優(yōu)秀國外競品界面的學習致敬轉變?yōu)樽灾鲃?chuàng)新，形成自身設計體系的獨有風格，打造國產(chǎn)優(yōu)化設計軟件的新旗幟。
圖5 新版UI界面
AIPOD更多詳細介紹及軟件試用，請點擊“AIPOD - 智能優(yōu)化設計平臺”，前往查閱。試用無需申請license，下載軟件安裝后可直接免費試用30天。
展開 【新聞】智能優(yōu)化軟件 - AIPOD 2022R1版本發(fā)布
AIPOD是由天洑軟件自主研發(fā)的一款通用的智能優(yōu)化軟件，其提供的CAD+CAE自動化集成功能和新一代智能優(yōu)化算法，可以讓設計團隊專注于產(chǎn)品設計本身，而非數(shù)值模擬仿真過程，從而幫助設計團隊快速地尋找到更好的產(chǎn)品或流程設計方案。
在AIPOD 2.1基礎上，經(jīng)過迭代研發(fā)，現(xiàn)正式推出AIPOD 2022R1版本。與上個版本相比，全新的AIPOD 2022R1對軟件功能進行了升級，并對用戶體驗進行了全方面的優(yōu)化，具體包括：
全面升級軟件核心智能代理訓練算法 — AIAgent；
新增了穩(wěn)健性設計功能；
提供了控制節(jié)點工具箱，并新增計算器類型節(jié)點；
優(yōu)化了流程集成配置，并提升了軟件界面交互的友好性。
AIPOD 2022R1版本的新增功能，將大幅降低用戶的學習和使用成本，更好的幫助用戶開展優(yōu)化設計。
AIAgent升級
AIPOD 2022R1中對AIAgent智能代理訓練算法進行了升級。
展開 智能優(yōu)化設計軟件AIPOD 2025R1新版本功能介紹
AIPOD是由天洑軟件自主研發(fā)的一款通用的多學科優(yōu)化軟件，致力于解決性能更優(yōu)、成本更低、重量更輕等目標的工程設計尋優(yōu)問題。軟件針對工業(yè)設計仿真領域存在的諸多問題，如產(chǎn)品指標達到瓶頸、依賴專家經(jīng)驗、多學科多目標難以兼顧等，基于人工智能技術研發(fā)了先進的智能優(yōu)化策略，使得軟件使用門檻更低，優(yōu)化效率更高，優(yōu)化效果更好。無論是結構、流體、熱力學、電磁學或多物理場耦合問題，AIPOD都可以幫助設計團隊高效地尋找到更好的設計方案。
一、功能和特色
◆ 豐富的CAD/CAE軟件接口
◆ 前沿高效的新一代智能優(yōu)化算法
◆ 數(shù)字化專家知識挖掘與優(yōu)化輔助
◆ 便利的圖形化優(yōu)化流程搭建界面
◆ 自動化流程執(zhí)行引擎
◆ 適配多類型的操作系統(tǒng)及計算集群
◆ 敏捷的后處理可視化探索
◆ 國產(chǎn)自主可控
◆ 持續(xù)專注各行業(yè)痛點
◆ 軟件迭代更新快
二、版本更新介紹
AIPOD 2025R1在軟件功能和操作體驗上均實現(xiàn)了升級，具體包括：
1. 新增全模塊用戶自定義功能
升級點一，全模塊用戶自定義功能全面拓展。隨著AIPOD在高等院校及科研院所等用戶群體中的深入應用，用戶對各功能模塊定制化需求的呼聲日益凸顯。為響應這一需求，AIPOD 2025R1版本實現(xiàn)了包括算法模塊、功能組件、交互界面及分析報告在內(nèi)的全體系自定義支持。
在算法自定義功能方面，2025R1版本支持用戶將自主研發(fā)的采樣算法、優(yōu)化算法及代理模型訓練算法等，通過標準化格式進行封裝集成。經(jīng)集成的自定義算法可與平臺原生算法實現(xiàn)無縫切換與協(xié)同工作。
在組件擴展方面，2025R1版本實現(xiàn)了第三方國產(chǎn)CAE軟件的自主對接能力。用戶可基于自定義組件接口規(guī)范，獨立完成各類CAE軟件的適配工作，基本擺脫了對官方接口版本的依賴，顯著提升了平臺的兼容性與擴展性。
展開 PIDO智能仿真 | 基于optiSLang的渦輪葉片多學科耦合優(yōu)化設計
智能優(yōu)化算法
optiSLang在獲得采樣數(shù)據(jù)并生成高精度元模型后，基于元模型獲取參數(shù)敏感度信息并自動降低參數(shù)空間，根據(jù)最佳的起始設計進行下一步的優(yōu)化。軟件在優(yōu)化算法決策樹中根據(jù)所獲得信息自動推薦優(yōu)化算法。如下圖：綠色為推薦的優(yōu)化算法，黃色為可以使用的優(yōu)化算法，紅色為不推薦的優(yōu)化算法。設計人員無需具備專業(yè)優(yōu)化算法知識也可進行優(yōu)化設計！
3、成功案例：渦輪氣膜冷卻葉片參數(shù)優(yōu)化設計
以NASA C3X渦輪葉片為例，該葉片包含一個位于前緣的冷卻通道，需要在冷卻通道頭部添加3排氣膜冷卻孔，輸入?yún)?shù)為各排氣膜孔的直徑與射流角度；優(yōu)化目標為葉片表面的最大溫度和平均溫度最低，同時葉片的熱應力和熱變形盡可能的小。
NASA C3X氣膜冷卻渦輪葉片與內(nèi)部流體域
該問題是典型的流熱固耦合仿真，我們首先在Workbench平臺下搭建仿真流程：包含幾何模型前處理、流體域/固體域網(wǎng)格劃分、流場/溫度場求解和結構熱應力/熱變形分析。通過基于Ansys的流熱固耦合分析可得葉片的流場、溫度場、結構應力/變形結果。在此基礎之上提取輸入?yún)?shù)：3排氣膜孔各自的直徑、射流角度共6個參數(shù)；優(yōu)化目標量：葉片表面最大溫度/平均溫度、葉片最大熱應力/應變共4個參數(shù)。
經(jīng)過optiSLang的采樣計算、元模型構建，基于高精度的元模型自動對輸入/輸出參數(shù)進行參數(shù)敏感度分析并生成相關性矩陣。
展開 