原创力文档- 1、本文档共39页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
Optislang模型标定与优化设计
刘丙权ANSYSChina
1?2016ANSYS,Inc.July4,2018ANSYSConfidential
目录
?Optislang简介
?Optislang优化设计和鲁棒性分析功能
?模型标定
2?2016ANSYS,Inc.July4,2018ANSYSConfidential
仿真驱动研发
ANSYSWorkbench
Solver
Mechanical
CADGeometryMeshingPost-ProcessingOptimization
FluidsEmag
3?2016ANSYS,Inc.July4,2018ANSYSConfidential
什么是optiSLang
?optiSLang是进行参数敏感性分析、多学科优化、稳健性、可靠性分析
与设计优化的算法工具包.
Start
稳健性设计优化
稳健性设计优化
基于方差的稳健性评估
敏感性分析
基于概率的稳健性评估单目标优化
（可靠性分析）
多目标优化
（帕累托优化）
求解器集成(FEM,CFD,MBD,Excel,Matlab,等)
4?2016ANSYS,Inc.July4,2018ANSYSConfidential
DesignUnderstanding
Investigateparametersensitivities,
reducecomplexityand
generatebestpossiblemetamodels
DesignImprovement
Optimizedesignperformance
Optimizedesignperformance
CAE-Data
RobustDesign
Measurement
Data
ModelCalibration
Identifyimportantmodelparameter
forthebestfitbetweensimulation
andmeasurement
DesignQuality
Ensuredesignrobustness
andreliability
5?2016ANSYS,Inc.July4,2018ANSYSConfidential
集成与ANSYSWorkbench
?optiSLangmodules
Sensitivity+MOP,OptimizationandRobustnessaredirectlyavailableinANSYSWorkbench
SignalProcessingmodule
toworkwithcurves
insideANSYSWorkbench
6?2016ANSYS,Inc.July4,2018ANSYSConfidential
Optislang优化设计和鲁棒性分析功能
?敏感性分析
?多学科优化
?鲁棒性和可靠性分析
7?2016ANSYS,Inc.July4,2018ANSYSConfidential
optiSLang的样本方法
?全因子法
?中心组合法
?D-最优二次
?完全蒙特卡洛法(MCS)
?拉丁超立方取样法(LHS)
?高级拉丁超立方取样法(ALHS)
?空间填充拉丁超立方取样(SLHS)
?……
MCS，?=0.085LHS，?=0.010
全因子中心组合D-最优二次
ALHS，?=0.000SLHS，?=0.000
8?2016ANSYS,Inc.July4,2018ANSYSConfidential
传统预测质量评估指标：CoD（决定系数）
?CoD用于评估多项式回归模型的拟合精度，数学定义：可以被响应参数
拟合值解释的变差百分比
其中：
总变差：
已解释变差：
未解释变差：
?缺陷
?只能反映回归模型通过样本点的精度，而不是整个参数空间的预测
?样本数量少的的情况下，出现虚假精确现象，CoD反而大
?对于插值模型，CoD等于1（即使预测质量很差）
9?2016ANSYS,Inc.July4,2018ANSYSConfidential
optiSLang预测质量评估指标：CoP（预测系数）
?对样本空间进行分区，采用交叉验证算法计算CoP
?预测模型已解释变差百分比。
?优势
?CoP随着样本数量的增加而增加，无虚假精确现象
?CoP对于插值模型和回归模型均可以准确评价回归质量
10?2016
文档评论（0）