optiy
  • Description

OptiY®是一個開放的多學科設計環境,提供最先進的優化策略和最先進的概率算法,用於不確定性,可靠性,穩健性,靈敏度分析,疲勞壽命預測,數據挖掘和元建模。仿真模型可以視為具有輸入和輸出的黑盒子。在內部,它是一個適用於不同類型的模型類的開放平台。適應特殊模擬環境是通過合適的介面進行的。

作為網路,有限元方法,剛體動力學,以及作為驅動器控制優化的材料試驗台,可以協作不同的模擬系統。

隨機分佈

  • 正態分佈
  • 統一分配
  • 廣義Lambda分佈
  • 通過統計矩或MS Excel數據擬合任何分佈

優化方法

  • 胡克 - Jeeves公司
  • 網格搜索
  • 自適應響應曲面
  • 進化戰略
  • 遺傳算法
  • 帕累托強度進化算法
  • 使用代理模型進行快速優化

實驗設計

  • 全因子設計
  • 中心複合設計
  • 蒙特卡羅採樣
  • 拉丁超立方體抽樣
  • Sobol採樣
  • 響應面
  • 自適應高斯過程
  • 一階和二階矩法
  • 田口設計
  • 用戶設計

近似方法(0D-1D-元模型)

  • 任何順序的多項式
  • 泰勒系列在第一或第二順序
  • 高斯過程/克里金法
    • 指數
    • 方指數
    • 伽瑪指數
    • Matern Class 3/2
    • Matern Class 5/2
    • 理性二次方
    • 定期

疲勞壽命預測

  • 應力 - 應變滯後
  • 應變能密度

後期處理

  • 1D信號
  • 1D-2D-3D-圖表
  • 平行圖
  • Set-Select(所有步驟,Pareto,過濾Pareto
  • 最佳價值(模擬,展示)
  • 1D信號散點圖
  • 2D3D散點圖
  • 剖面圖
  • 3D響應曲面
  • 係數圖表
  • 0D-1D-殘差圖
  • 直方圖
  • 相關矩陣
  • 0D-1D-概率密度
  • 累積分佈
  • 0D-1D-靈敏度圖表
  • 互動圖表
  • 循環負載圖
  • 應力圖
  • 應變圖
  • 應力 - 應變滯後
  • 應變能密度
  • 失敗概率
  • Taguchi S / N比率

設計優化

 

設計優化是一種工程設計方法,使用設計問題的數學公式來支持在許多替代方案中選擇最優設計。CAD / CAE模型參數的設計優化滿足完全多學科和經常各種權衡設計目標,如提高速度和準確性,最小化溫度,噪聲,振動,體積,功率損失等...這導致最佳性能和最小化製造成本。工程師面臨著確定如何達到最佳整體設計,做出正確妥協,而不是犧牲安全等關鍵屬性的艱鉅挑戰。

設計過程需要經常不同的學科。產品必須在幾種條件下進行測試,以滿足所有要求和規格。多學科系統設計優化工具OptiY將所有相關學科同時納入不同的CAE領域,用於設計驗證,如靜力學,熱學,動力學,流體動力學等......使用可用的 外部CAD / CAE軟體介面。

 

CAD / CAE設計工作流程

在為不同的產品模塊製作所有必需的CAD / CAE模型後,可以在OptiY中創建系統設計工作流程。設計過程從定義設計參數及其值範圍開始。標準和約束是優化目標,其與產品屬性的改進相關聯。之後,OptiY將選擇並啟動最佳優化策略,以自動查找這些產品規格的最佳參數。結果可以很容易地在CAD系統中傳輸。


數據挖掘

 

數據挖掘 是從數據中提取隱藏模式的過程。數據挖掘可識別數據中超出簡單數據分析的趨勢。透過使用複雜的算法,非統計學家用戶有機會識別流程和目標機會的關鍵屬性。數據挖掘正在成為將這些數據轉換為信息的越來越重要的工具。它通常用於廣泛的應用,例如製造,營銷,欺詐檢測和科學發現等。如果統計模型的類型不可識別,通常使用它。

使用導入助手可以非常精確地從文本文件或MS Excel導入數據。對於回歸分析或元建模,OptiY中提供了不同的元模型類型以適應大多數現有問題。基於從數據中提取的數學模型,可以進行預測,設計分析和優化。代理模型的代碼可以導出到C / C ++ - Visual BasicModelicaMatlab中。


元建模

 

元建模或 代理建模是贏得設計參數和產品特性之間數學關係的過程。對於參數空間中的每個點,都有一個設計空間的對應點。應該進行許多模型計算,以系統地顯示輸出和輸入之間的關係(全因子設計)。對於產品模型的高計算量,它實際上是不可行的。自適應響應面方法可用於解決此問題。首先,參數空間中的預定義支持點由原始模型計算。然後,將使用這些支撐點之間的插值來構建響應面。基於此響應曲面,將由原始模型建議和計算參數空間中的新支撐點。密切關注的是,所有現有支持點都將建立一個新的響應面。將繼續該自適應過程,直到達到響應表面的定義精度或達到規定數量的模型計算。

設計參數與產品特性之間的數學關係呈現出模擬結果的新維度,即所謂的元模型。基於該元模型,可以非常快速地執行虛擬設計的虛擬優化或測試,以評估和改善實際條件下的設計。元模型可以導出為C / C ++ - Visual BasicModelica-Matlab-Code


敏感性分析

 

透過 敏感度分析,可以降低系統複雜性,並解釋因果關係:

l  哪些模型參數對輸出變化貢獻最大,並且可能需要進一步研究以加強知識庫,從而減少輸出不確定性?

l  哪些參數無關緊要,可以從最終模型中消除?

l  哪些參數相互影響?

 

偏導數和相關係數定義為局部靈敏度如果輸入和輸出之間的相關性是線性的,則只能使用它。如果設計空間是非線性的,則必須應用基於Sobol索引的全局方差靈敏度。它考慮了輸入變化對輸出變異性對總非線性設計空間的影響。主效應由單個輸入引起的輸出方差確定。總效應包括主效應和輸入之間的相互作用。基於方差的靈敏度分析還包括輸入 分佈。通過相同的模型,不同的輸入分佈也導致不同的靈敏度。憑藉新穎的算法,OptiY還能夠計算動力系統的全局靈敏度。因此, 設計人員擁有了一個強大的工具,可以在早期設計階段獲得動態系統的更深層信息,而無需原型,從而在可靠性和質量方面做出正確的設計決策。

切割線處動態系統靈敏度的敏感度(粉紅色


概率模擬

 

技術系統通常在不同的不確定性環境下不穩定。它們的特性取決於使用條件,如溫度,空氣濕度,侵蝕等。對於質量和可靠性,這些現實方面如可變性,不確定性,容差和誤差必須納入技術系統的設計階段。可變性通常以隨機分佈為特徵。確定性模擬不能預測實際系統行為,因為它僅通過標稱參數顯示理想的標稱系統響應而沒有任何不確定性。相反,概率模擬可以預測不確定性下的實際系統行為。基於可用介面的外部確定性模型輸入參數將被視為OptiY中的隨機分佈,輸出分佈將被計算出來。因此,可以通過概率分佈函數準確地預測系統行為。

概率模擬的巨大挑戰是大型確定性系統模型的長計算時間。隨機分佈的準確性取決於樣本大小和隨機參數數量的蒙特卡羅抽樣。適用的結果需要很大的樣本量,因為原始模型的數千次計算。因此,通過計算時間的蒙特卡羅模擬僅導致輸出分佈的準確性差,這是不正確的並且預測設計決策的錯誤。借助新穎的元建模技術,OptiY可以快速準確地執行概率模擬。此外,非線性動力系統的概率模擬可以通過OptiY完成。

 

蒙特卡羅模擬與概率模擬的比較

 


產品壽命疲勞分析預測

 

預測 疲勞分析一直是設計工程中可靠性和質量最重要的問題之一。它們有幾個實際用途:產品開發階段的快速設計優化和預測現場使用限制以及從現場重新調整或在資格測試中失敗的產品的故障分析。疲勞分析側重於熱和機械故障機制。大多數疲勞失效可歸因於由熱係數和機械膨脹係數的差異引起的熱機械應力。當部件經歷週期性應力和產生永久性損壞的應變時,將發生疲勞失效。疲勞失效有兩個主要組成部分:疲勞裂紋的產生和這些裂紋在循環載荷下的傳播。

疲勞壽命預測包括四個主要步驟。首先,定義或選擇形成建模基礎的理論或本構方程。在構造本構方程時需要做出適當的假設。其次,將本構方程轉化為FAE程序並創建模型。

FEA程序計算所研究系統的預測應力 - 應變值,並返回模擬條件的應力值。第三,FEA結果用於創建預測失敗循環次數的模型。第四,必須通過測量數據測試和驗證模型或結果。


穩健的設計優化

 

必須將可變性,不確定性和公差納入技術系統的設計過程,以確保高度要求的質量和可靠性。存在一類變異性和不確定性,這是由環境影響(溫度,濕度,日光等),負載變化(力,力矩),人為錯誤等引起的。它們是無法控制的,不可預測的並且導致不確定性滿足所需的產品功能。設計目標是確保所有產品規格,儘管存在不可避免的變化和不確定性。

贏得客戶並保存形象,在行業中付出了巨大努力,付出了極大的努力和成本。進行了許多原型的實驗設計。在批量生產前,即使在批量生產中,成本密集型產品也經常發生變化。解決該問題的新的,創新的和成本有效的方法是在早期設計過程中穩健地設計產品參數。因此,應找到最佳產品參數。在內部,儘管存在不可避免的可變性,但係統行為仍然穩健。例如,一致的可變性和不確定性僅導致產品性質的最小變化。因此,儘管存在可變性和不確定性,但仍將始終滿足所需的產品規格。這個過程就是所謂的穩健設計優化。有不同的優化類:

l  最大限度地提高可靠性,使輸出分佈的失敗概率最小化。

l  最大限度地提高質量,最大限度地減少輸出分佈的差異。

l  最大限度地提高產品優勢,最大限度地減少輸出分佈的平均值。

l  最大限度地降低製造成本,使公差最大化。

 

 

穩健設計優化的巨大挑戰是大型確定性產品模型的長計算時間。優化面臨技術可行性,並且僅適用於小型產品型號。OptiY是世界上最快的通用穩健設計選擇系統。它允許使用相當少的模型計算進行快速優化。因此,對於大型產品模型,穩健的設計優化也是可行的。

穩健的設計優化也稱為六西格瑪(DFSS)設計。它涉及有效的質量改進工具:減少可變性並提高質量。努力集中在降低開發成本和提高產品質量。