OptiSLang多目標(biāo)/多學(xué)科/穩(wěn)健性/可靠性分析與優(yōu)化

2016-12-07 by:CAE仿真在線來源:互聯(lián)網(wǎng)

概述

OptiSLang是用于進(jìn)行多學(xué)科優(yōu)化、隨機(jī)分析、穩(wěn)健與可靠性優(yōu)化設(shè)計(jì)的專業(yè)分析軟件,在參數(shù)敏感度分析、穩(wěn)健性評(píng)估、可靠性分析、多學(xué)科優(yōu)化、穩(wěn)健與可靠性優(yōu)化設(shè)計(jì)方面具有強(qiáng)大的分析能力,集成了二十多種先進(jìn)的算法,為工程問題的多學(xué)科確定性優(yōu)化、隨機(jī)分析、多學(xué)科穩(wěn)健與可靠性優(yōu)化設(shè)計(jì)提供了堅(jiān)實(shí)的理論基礎(chǔ)。同時(shí),針對上述各種分析集成了強(qiáng)大的后處理模塊,提供了穩(wěn)健性評(píng)估與可靠性分析前沿研究領(lǐng)域中的各種先進(jìn)評(píng)價(jià)方法與指標(biāo),以豐富的圖例、表格展示各種分析結(jié)果。OptiSLang可與多種CAE軟件或者求解器集成,可基于其求解器進(jìn)行各種工程仿真分析或者數(shù)據(jù)處理,因此使得OptiSLang成為各工程領(lǐng)域中進(jìn)行參數(shù)敏感性、多學(xué)科優(yōu)化、穩(wěn)健可靠性分析優(yōu)化的專業(yè)工具。

OptiSLang多目標(biāo)/多學(xué)科/穩(wěn)健性/可靠性分析與優(yōu)化ansys分析案例圖片1

為了克服多學(xué)科非線性優(yōu)化中遇到的大量設(shè)計(jì)參數(shù)的困難,OptiSLang提供了高效的敏感性分析、參數(shù)識(shí)別算法,可以基于預(yù)測系數(shù)(COP)和最優(yōu)預(yù)測元模型(MOP)自動(dòng)識(shí)別重要性參數(shù)并對預(yù)測質(zhì)量進(jìn)行量化,獲取最優(yōu)預(yù)測模型作為替代求解器,該預(yù)測質(zhì)量是有效優(yōu)化的關(guān)鍵因素,因此可以最大限度減少求解時(shí)間。

功能與優(yōu)勢

OptiSLang提供了全面的穩(wěn)健性/可靠性評(píng)估與參數(shù)優(yōu)化分析工具:

敏感度分析。COD、COI、COP、CC等指標(biāo)精確而客觀地衡量隨機(jī)變量對響應(yīng)的影響程度。
多學(xué)科優(yōu)化。先進(jìn)的單目標(biāo)、多目標(biāo)尋優(yōu)算法,全局和局部的自適應(yīng)響應(yīng)面方法大大提高多變量工程優(yōu)化問題的求解效率。
穩(wěn)健性評(píng)估?；诜讲罘治?高級(jí)拉丁超立方抽樣方法有效降低變量間的相關(guān)性,以更少的樣本點(diǎn)獲取更多的響應(yīng)信息,有效提高計(jì)算效率。
可靠性分析?；诟怕试O(shè)計(jì)方法,提供先進(jìn)的可靠性分析方法,有效提高小概率事件的可靠度計(jì)算精度。
穩(wěn)健與可靠性優(yōu)化設(shè)計(jì)。穩(wěn)健可靠性與優(yōu)化分析集成,考慮產(chǎn)品設(shè)計(jì)的不確定性因素對產(chǎn)品性能進(jìn)行優(yōu)化,提高產(chǎn)品的穩(wěn)健性與可靠性,降低失效概率。

OptiSLang的優(yōu)勢體現(xiàn)在:

強(qiáng)大的功能

涵蓋參數(shù)敏感性分析、優(yōu)化設(shè)計(jì)、穩(wěn)健性、可靠性分析與優(yōu)化。
多參數(shù)、多目標(biāo)優(yōu)化。
參數(shù)識(shí)別能力,可以識(shí)別重要參數(shù)并對參數(shù)進(jìn)行過濾。
豐富的優(yōu)化算法,包括單目標(biāo)、多目標(biāo),梯度法、遺傳/進(jìn)化算法,自適應(yīng)響應(yīng)面、粒子群算法、帕累托優(yōu)化等。

高效求解

改進(jìn)的拉丁超立方取樣,避免樣本聚集,可以保證每個(gè)樣本的有效性并最大限度減小樣本之間的多余相關(guān)性。
基于移動(dòng)最小二乘法的高質(zhì)量響應(yīng)面(MOP),可以替代CAE求解器進(jìn)行求解,優(yōu)化過程的樣本計(jì)算效率可提高數(shù)個(gè)量級(jí)。
支持多機(jī)并行計(jì)算(多機(jī)集群化處理)