浅谈WORKBENCH DX优化仿真

本文摘要（由AI生成）：

本文主要介绍了优化计算的重要性、优化方法、优化过程中的注意事项等内容。优化计算是当代社会追求效率和效益的体现，通过优化可以提高产品的性能和降低成本。本文主要介绍了基于Ansys Workbench平台的优化方法，包括确定输入变量和输出变量、参数相关性分析、响应面优化等。在优化过程中，需要注意离散参数连续化、输入参数取值范围等问题。

1.为什么要做优化计算？

可以说，在当代这个一个“效率”和“效益”社会，干什么事情都在讲究做事情的最优化，讲究花最少的钱，最少的功夫办最大的事。这也是社会进步的主要体现。

不多扯了，讲讲CAE中的优化吧。如果你在高校做研究，做毕业设计、做课题，获得一个“更上一层楼”的结果，才能充分展示显示你的“功力”；如果你是在企业或者在研究院所，优化更是需要，因为通过优化后的产品——更省钱，领导更喜欢！

所以，优化体现了一个人对工作的精益求精，体现品质的工作和贵族的人生。

2.怎么做优化？

这里讲的优化，主要是基于ansys workbench平台的优化，其主要实现工具就是DesignXplorer,简称DX。

顾名思义，“设计探索”，也就是要探索产品性能(输出变量)与输入变量(设计变量)之间的关系。因为真正的物理过程就像现实社会一样，很少是简单的线性关系，而非线性或者超线性的问题比比皆是。所以，对于这种关系的判断，需要借助软件，借助数理分析，通过数据来说话，了解其中的关系。

图1 DX相关模块

另外，也有专业的优化软件，这里推荐采用这个，因为这个软件在安装完ansys集成包之后，自动出现在workbench平台上，不需要另外安装。而且，根据本人的使用经验，对于一般的方程问题来说，DX时足够的，虽然他在算法和设计参数方面有一定的限制。

上面说到了，做任何事情都要讲究效率，做优化同样也要讲究效率。特别是对计算过程比较耗时的CAE来说，进行一个DX优化有时更是耗时，耗机器。所以，一般进行优化计算需要做以下工作。

第一，确定你要变化的输入变量和关心的输出变量。输出变量可能比较确定，但如何在参数中设定，有时需要花一番功夫。最难的是确定输入变量，也就是说，你怎么知道哪些变量“可能”对你的计算结果有影响，或者说有较大影响。这一方面就是通过物理过程分析，另外一方面就要通过设计经验，甚至靠前期的“海选”，即“宁可错杀一千，不可漏网一人”的思路对相关参数进行分析。这部分主要通过parameter set实现。由于ansys软件的通用性，不可能对特定行业或者领域的参数有设定，所以这个时候就常常需要一些小编程，小技巧。

第二，参数相关性(parameters correlation)分析。上面说到了，在确定好输入变量之后，还不能确定设定的输入变量是否对输出变量有影响，有很大影响。这就需要采用参数相关性对相关变量进行分析。最常用的方法就是相关矩阵(correlation matrix)和敏感性(sensitivities)分析。最根本的目的就是剔除一些对输出变量影响比较小的参数。因为这些“无关紧”要变量的存在可能会大大加大优化过程的计算成本。

第三，响应面优化(Response surface optimization，RSO).在DX中，还存在一个直接优化的方法，在实际操作中并不建议使用，主要是因为RSO的方法能够用较少的计算实现更好的计算。存在一个在特定数量设计点计算完成后的回归拟合的问题。所以常常可以看到，最终获得的嘴有点并不是诸多设定设计点中的一个。

3.其他需要注意的问题

第一，离散参数要连续化。对于离散问题和连续问题，优化中所采用的方法是由很大差别的。如果采用离散方法，则会大大增加设计点的数量，因为DX默认对每一种离散变量组合都要进行匹配计算。所以，常用的方法就是离散参数连续化，再获得较好值之后，再取整计算。

第二，输入参数的取值范围，如下图所示Lower Bound和Upper Bound.这个值的选取，在默认的计算中，都是选取“目前给定值”的±10%。之所以是整个范围，主要是考虑一般的优化计算都是“小改”而不是“大改”，这其实与我国各行业产品现状相符合的，即很多都是“继承”，“改进”，“模仿”。

图2 输入参数取值范围

图3 目前给定值示意图

“目前给定值”的选取，也应该给定一个不是很差的值。所以，在很多情况下，会采用“二次优化”或者“三次优化”的方法，即对“海选”数据进行DX分析，获得几个相对比较比较不错的值(Candidate Point)，继而再在这些候选点的基础上继续进行DX分析，获得更好的值。