參數優化分析的案例
基于機器學習和代理模型的CAE參數優化模型建立
本文介紹基于Python環境的元模型技術，包括DOE生成、靈敏度分析、代理模型生成、機器學習模型生成等內容。對比優化軟件相應的技術方案，基于Python環境的參數優化具有更高的靈活性和高效性。
案例選取白車身模態計算模型做為素材：
一.DOE分析
本文基于模態分析參數優化模型為例。設計變量包括26個部件屬性厚度，設計響應包括扭轉模態和彎曲模態。為了避免模態跳階失蹤，需要在程序中加入模態追蹤函數。
設置26個厚度參數的上下限值，并生成240個拉丁方DOE樣本點。
全部DOE樣本點數據集：
讀取nastran計算文件，并獲取所有屬性集。
這里需要對對應的部件屬性進行厚度修改，修改數值為DOE樣本點中數值。
定義一個生成DOE計算點的函數，并生成DOE樣本計算文件。
調用Nastran進行求解計算，并通過meta生成模態相關系數矩陣結果，用于模態追蹤。這里通過pool函數來設置nastran多線程計算。即Pool(N)調用N個線程進行DOE分析求解計算。
計算后會在每個DOE樣本文件夾下生成模態相關系數矩陣結果文件Mac.csv。
定義一個模態追蹤函數，通過每個DOE樣本點的結果文件mac來獲得彎曲模態和扭轉模態結果。并將所有結果匯總到一個數組結果中。
二.機器學習模型訓練
通過機器學習庫sklearn將所有DOE結果拆分為訓練集和測試集。這里測試集為百分之二十。后續通過這些學習進行機器學習模型訓練，并用同樣的數據集進行傳統代理模型的創建，本例中使用Kriging代理模型。
展開 優化設計分析系列（一）:靜力學優化設計 ￥9
1.1 優化設計概述
所謂優化，是指最大化或最小化，而優化設計是指尋找一種方案以滿足所有的設計要求，并且需要的支出最少。
優化設計有兩種分析方法:解析法--通過求解微分與極值，求解出最小值;數值法--借助計算機和有限元，通過反復迭代逼近，求解出最小值。解析法需要列方程并求解微分方程，然而針對復雜的問題列方程和求解微分方程都是比較困難的，因此解析法常用于理論研究，很少應用于工程中。
隨著計算機的發展，結構優化算法取得了較大的發展。根據設計變量的類型不同，結構優化已由較低層次的尺寸優化發展到較高層次的結構形狀優化，進而發展到更高層次的拓撲優化。優化算法也由簡單的準則法發展到數學規劃法，進而發展到遺傳算法等。
在保證產品達到某些性能目標并滿足一定的約束條件的前提下，通過改變某些允許改變的設計變量，使產品的指標或性能達到最期望的目標，就是優化方法。
1.2 優化分析工具
ANSYS Workbench 結構優化分析工具有5種，即 Direct Optimization(直接優化工具)、Goal Driven Optimization(多目標驅動優化分析工具)、Parameters Correlation(參數相關性優化分析工具)、Response Surface(響應曲面優化分析工具)及Six Sigma Analysis(六西格瑪優化分析工具)。
(1)Direct Optimization(直接優化工具):設置優化目標，利用默認參數進行優化分析，從中得到期望的組合方案。
(2)Goal Driven Optimization(多目標驅動優化分析工具):從給定的一組樣本中得到最佳的設計點。
(3)Parameters Correlation(參數相關性優化分析工具):可以得出某一輸入參數對響應曲面的影響的大小。
展開 結構優化設計分析系列（四）：模態分析優化設計 ￥9
1.1 優化設計概述
所謂優化，是指最大化或最小化，而優化設計是指尋找一種方案以滿足所有的設計要求，并且需要的支出最少。
優化設計有兩種分析方法:解析法--通過求解微分與極值，求解出最小值;數值法--借助計算機和有限元，通過反復迭代逼近，求解出最小值。解析法需要列方程并求解微分方程，然而針對復雜的問題列方程和求解微分方程都是比較困難的，因此解析法常用于理論研究，很少應用于工程中。
隨著計算機的發展，結構優化算法取得了較大的發展。根據設計變量的類型不同，結構優化已由較低層次的尺寸優化發展到較高層次的結構形狀優化，進而發展到更高層次的拓撲優化。優化算法也由簡單的準則法發展到數學規劃法，進而發展到遺傳算法等。
在保證產品達到某些性能目標并滿足一定的約束條件的前提下，通過改變某些允許改變的設計變量，使產品的指標或性能達到最期望的目標，就是優化方法。
1.2 優化分析工具
ANSYS Workbench 結構優化分析工具有5種，即 Direct Optimization(直接優化工具)、Goal Driven Optimization(多目標驅動優化分析工具)、Parameters Correlation(參數相關性優化分析工具)、Response Surface(響應曲面優化分析工具)及Six Sigma Analysis(六西格瑪優化分析工具)。
(1)Direct Optimization(直接優化工具):設置優化目標，利用默認參數進行優化分析，從中得到期望的組合方案。
(2)Goal Driven Optimization(多目標驅動優化分析工具):從給定的一組樣本中得到最佳的設計點。
(3)Parameters Correlation(參數相關性優化分析工具):可以得出某一輸入參數對響應曲面的影響的大小。
展開 結構優化設計分析系列（三）：APDL在Workbench中的優化設計 ￥9
1.1 優化設計概述
所謂優化，是指最大化或最小化，而優化設計是指尋找一種方案以滿足所有的設計要求，并且需要的支出最少。
優化設計有兩種分析方法:解析法--通過求解微分與極值，求解出最小值;數值法--借助計算機和有限元，通過反復迭代逼近，求解出最小值。解析法需要列方程并求解微分方程，然而針對復雜的問題列方程和求解微分方程都是比較困難的，因此解析法常用于理論研究，很少應用于工程中。
隨著計算機的發展，結構優化算法取得了較大的發展。根據設計變量的類型不同，結構優化已由較低層次的尺寸優化發展到較高層次的結構形狀優化，進而發展到更高層次的拓撲優化。優化算法也由簡單的準則法發展到數學規劃法，進而發展到遺傳算法等。
在保證產品達到某些性能目標并滿足一定的約束條件的前提下，通過改變某些允許改變的設計變量，使產品的指標或性能達到最期望的目標，就是優化方法。
1.2 優化分析工具
ANSYS Workbench 結構優化分析工具有5種，即 Direct Optimization(直接優化工具)、Goal Driven Optimization(多目標驅動優化分析工具)、Parameters Correlation(參數相關性優化分析工具)、Response Surface(響應曲面優化分析工具)及Six Sigma Analysis(六西格瑪優化分析工具)。
(1)Direct Optimization(直接優化工具):設置優化目標，利用默認參數進行優化分析，從中得到期望的組合方案。
(2)Goal Driven Optimization(多目標驅動優化分析工具):從給定的一組樣本中得到最佳的設計點。
(3)Parameters Correlation(參數相關性優化分析工具):可以得出某一輸入參數對響應曲面的影響的大小。
展開 
結構優化設計分析系列（二）：熱固耦合優化設計 ￥9
1.1 優化設計概述
所謂優化，是指最大化或最小化，而優化設計是指尋找一種方案以滿足所有的設計要求，并且需要的支出最少。
優化設計有兩種分析方法:解析法--通過求解微分與極值，求解出最小值;數值法--借助計算機和有限元，通過反復迭代逼近，求解出最小值。解析法需要列方程并求解微分方程，然而針對復雜的問題列方程和求解微分方程都是比較困難的，因此解析法常用于理論研究，很少應用于工程中。
隨著計算機的發展，結構優化算法取得了較大的發展。根據設計變量的類型不同，結構優化已由較低層次的尺寸優化發展到較高層次的結構形狀優化，進而發展到更高層次的拓撲優化。優化算法也由簡單的準則法發展到數學規劃法，進而發展到遺傳算法等。
在保證產品達到某些性能目標并滿足一定的約束條件的前提下，通過改變某些允許改變的設計變量，使產品的指標或性能達到最期望的目標，就是優化方法。
1.2 優化分析工具
ANSYS Workbench 結構優化分析工具有5種，即 Direct Optimization(直接優化工具)、Goal Driven Optimization(多目標驅動優化分析工具)、Parameters Correlation(參數相關性優化分析工具)、Response Surface(響應曲面優化分析工具)及Six Sigma Analysis(六西格瑪優化分析工具)。
(1)Direct Optimization(直接優化工具):設置優化目標，利用默認參數進行優化分析，從中得到期望的組合方案。
(2)Goal Driven Optimization(多目標驅動優化分析工具):從給定的一組樣本中得到最佳的設計點。
(3)Parameters Correlation(參數相關性優化分析工具):可以得出某一輸入參數對響應曲面的影響的大小。
展開 基于參數優化的 LED 驅動電路 PCB 熱仿真分析
摘要
為提升車規級氛圍燈LED驅動電路板(PCB)熱設計問題,該文提出了一種參數優化仿真的分析方法?該方法基于熱傳導?熱輻射和熱對流原理,使用ANSYSICEPAK軟件,從PCB尺寸?過孔設置和材質3個方面對參數進行了熱仿真優化實驗,分析了相同設計原理情況下,不同PCB布局和尺寸設計時熱仿真結果的差異性,并對參數進行了優化設計,實現了驅動電路熱性能的改善,滿足了車規級溫度的仿真要求?
關鍵詞：LED；熱仿真；ANSYS ICEPAK；印制電路板
作者：張開峰 1，安世龍 1，付 康 2，謝亞明 1，高 燕 1，萬國春 1
1. 同濟大學 電子與信息工程學院，上海 ；
2. 上海應用技術大學 電氣與電子工程學院，上海
隨著電子行業的快速發展，汽車級電子元件的性能越來越優越，以集成電路及芯片為主的微電子系統在信息、汽車電子等領域的應用越來越廣泛。
展開 傾斜光柵的參數優化與容差分析
這個例子展示了使用嚴格的傅立葉模態法（FMM，也稱為RCWA）對傾斜光柵進行優化。對于預定義方向的級次，優化得到的光柵的衍射效率超過90％。此外，還研究了斜率偏差和光柵圓角的影響。
摘要
VirtualLab：傾斜光柵的參數優化及公差分析
在本例中，提出了利用嚴格傅里葉模態方法（FMM，也稱為RCWA）對傾斜光柵的優化方法。優化后的光柵的衍射效率超過90%。此外，還研究了其對光柵的傾角偏差和圓角邊緣的影響。
建模任務
優化
為了為傾斜光柵找到一組優化的參數，優化文檔允許為目標值定義參數約束和權重值。
更多信息請參見：
參數優化文檔的介紹
第一級次的參數優化
結果——公差分析
VirtualLab Fusion技術
文檔信息
[VirtualLab] 傾斜光柵的參數優化與容差分析
在此示例中，介紹了使用嚴格的傅里葉模態法（FMM，也稱為RCWA）對傾斜光柵進行優化。對于給定的方向級次，優化的光柵展示出超過90％的衍射效率。此外，還研究了斜率偏差和光柵圓角的影響。
設計任務
1級參數優化
結果-容差分析
結果-容差分析
VirtualLab Fusion一瞥
VirtualLab Fusion中的工作流程
構建光柵結構
?使用特殊材料的光柵結構設定 [用例]
?傾斜光柵高級設定 [用例]
?光柵衍射效率分析
?光柵階序分析器 [用例]
?使用參數優化進行光柵參數優化
?使用參數運行的容差分析
VirtualLab Fusion技術
文件信息
更多閱讀
- Parametric Optimization and Tolerance Analysis of Slanted Gratings
- Optimization of Lightguide Coupling Grating for Single Incidence Direction
展開 傾斜光柵的參數優化及公差分析
在本例中，提出了利用嚴格傅里葉模態方法（FMM，也稱為RCWA）對傾斜光柵的優化方法。優化后的光柵的衍射效率超過90%。此外，還研究了其對光柵的傾角偏差和圓角邊緣的影響。
摘要
Moldex3D模流分析之設計參數優化
設計參數優化 (Design Parameter Study)
本章節中，將介紹執行 設計參數研究(Design Parameter Study) 的過程。
1. 使用設計參數研究 (Access Design Parameter Study)
在使用設計參數研究(Design Parameter Study)功能之前，用戶應至少執行一項分析。
?使用者應該完成由左至右的設定，以執行優化。
?從左至右分別為 參考組別設定(Reference Run Setting)、控制因子設定(Control Factor Setting)、質量因子設定(Quality Factor Setting)、執行優化分析設定(Run Optimization Analysis)和計算參數設定(Computing Setting)。
2. 參考組別設定 (Reference Run Setting)
使用者應選擇現有分析作為參考組別，以確保所有 CAE 分析設定都相同，除了幾何參數。在設計參數研究的期間，每次分析的成型條件和網格尺寸將會參考參考組別。
3. 控制因子設定 (Control Factor Setting)
?透過單擊新增(Add)選擇您要優化的特征。之后，所有您選擇特征的定義尺寸將列在幾何參數的列表中。
?透過在表格中選擇尺寸來進行控制因子設定。此外，您所選擇的尺寸將會在模型中被突顯出來。
?將所選的尺寸新增到控制因子表之前，使用者還可以調整控制因子的名稱、層級數目和變異限制等屬性。
4. 質量因子設定 (Quality Factor Setting)
?質量因子是優化的目標。
展開 
懸架靈敏度分析及參數點優化 ￥25
本文以弗遜懸架系統為例，優化懸架的前束，外傾角，非常詳細介紹例采用Adams/car insight對硬點坐標的調整進行優化的整個過程
傾斜光柵的參數優化與容差分析
在此示例中，介紹了使用嚴格的傅里葉模態法（FMM，也稱為RCWA）對傾斜光柵進行優化。對于給定的方向級次，優化的光柵展示出超過90％的衍射效率。此外，還研究了斜率偏差和光柵圓角的影響。
摘要
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 VirtualLab：傾斜光柵的參數優化及公差分析
在本例中，提出了利用嚴格傅里葉模態方法（FMM，也稱為RCWA）對傾斜光柵的優化方法。優化后的光柵的衍射效率超過90%。此外，還研究了其對光柵的傾角偏差和圓角邊緣的影響。
建模任務
優化
為了為傾斜光柵找到一組優化的參數，優化文檔允許為目標值定義參數約束和權重值。更多信息請參見：
參數優化文檔的介紹
第一級次的參數優化
結果——公差分析
VirtualLab Fusion技術
文檔信息
拓展閱讀
用于光波導耦合的傾斜光柵設計
單入射方向光波導耦合光柵的優化
參數優化文檔的介紹
傾斜光柵的高級配置
利用界面配置光柵結構
光柵級次分析器
展開 