欢迎来到天天文库
浏览记录
ID:9211488
大小:2.05 MB
页数:28页
时间:2018-04-22
《amesim过程集成与优化分析工具 - 副本》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、NewFeatureinDesignExlorationforAMESimV5.0LMSImagine.LabOptimus过程集成与优化分析工具2008AMESim重工行业研讨会张钊–应用工程师目录1设计空间探索与优化2Optimus功能介绍3AMESim优化设置与模型导出4算例演示2copyrightLMSInternational-2006设计空间探索与优化°CAE开发流程Engineering设计参数CAE仿真响应(结果)AMESim压力人工判断流量改进方案…3copyrightLMSInternational-2006系统优化的意义°CA
2、E开发流程°研发人员在实际的设计过程中往往只能选取几个自认重要的设计样本进行评价,往往是局部的、不具代表性°无法“试出”全局最优方案°难以进行可靠性分析,设计方案满足性能最优要求,但系统可靠性和鲁棒性较差,这是工程中非常忌讳的问题°依靠经验判断对“不可行设计”进行改进,设计过程实际是“试误”过程:试验-错误-纠正过程°需要智能实验空间探索、优化与可靠性分析辅助工具4copyrightLMSInternational-2006系统优化的意义°CAE开发流程-OptimusinLoopEngineeringDesignParametersSimulat
3、ionResponsesOPTIMUSOPTIMUS-设计/反馈流程自动化-智能设计空间探索&响应面-系统最优化设计-鲁棒性与可靠性分析5copyrightLMSInternational-2006系统优化的意义°CAE开发流程-OptimusinLoop质量工程(StatisticalSampling)寻找最佳方案2(Optimization)μ3σ约束条件设计变量决定主要设计变量(DOESampling)“S”“F”初始设计点设计变量16copyrightLMSInternational-2006系统优化的意义TESTCAEPIDO基于“试错”
4、的物理样机基于“试错”的虚拟样机DesignRightFirstTime实验实验虚拟样机一次成型$$$物理样机概念设计$成本质量7copyrightLMSInternational-2006目录1设计空间探索与优化2Optimus功能介绍3AMESim优化设置与模型导出4算例演示8copyrightLMSInternational-2006Optimus功能简介LMSImagine.LabOptimus为全球领先的设计优化PIDO软件包,能够集成、优化LMSImagine.Lab工程仿真过程°与LMSImagine.LabAMESim无缝集成°实验
5、设计(DOE)&响应面分析(RSM)°系统全局最优化设计°鲁棒性和可靠性分析°友好的用户界面°强大的后处理能力9copyrightLMSInternational-2006LMSImagine.LabOPTIMUS解决方案LMSImagine.LabOPTIMUSAMESim过程集成实验设计响应面多学科优化DevelopmentToolkit(API)基于可靠性的最优化设计10copyrightLMSInternational-2006过程集成ProcessIntegration°工作流程自动化°直接在AMESim中启动OPTIMUS°全图形界面–
6、易于使用°多项目数据管理°无限制复杂度–powerusers°无需建立OPTIMUS工作流程!°仿真结果可与他人共享1D仿真过程集成使LMSImagine.LabAMESim分析过程自动化11copyrightLMSInternational-2006试验设计&响应面分析°试验设计(DOE)°如何选择虚拟实验点?°哪些设计参数更为重要?°如何避免乏味的“试错”过程?°Optimus方案:°智能试验空间探索°16种DOE设计方案可供选择°更深入的洞察系统响应°减少繁重的计算和等待时间12copyrightLMSInternational-2006试验
7、设计&响应面分析°响应面模型(RSM)°设计参数如何影响输出结果?°如何预估输出结果?°Optimus方案:°多种响应面模型°深入洞察物理参数之间的关系°给出各适应变量的影响因子°评估新的设计点更少的分析更深入的洞察力13copyrightLMSInternational-2006最优化设计DesignOptimization°最优设计°如何确定设计参数使结果最优?°在满足所以约束条件下,如何最优设计?°Optimus方案:°定义目标函数和约束条件°响应曲面模型°多种优化算法•局部搜索(SQP,GRG,NLPQL)•全局搜索(Evolutionba
8、sed,Simulatedannealing,EGO)•离散参数优化(MixedIntegerProgramming,Ra
此文档下载收益归作者所有