0574-55830506
2016/7/26 14:35:04 次浏览 分类：全部
AIPOD是一款设计优化软件，一个计算机辅助优化平台，通过结合优化算法与数值模拟技术，应用于寻找适当的设计参数以满足 设计需求；优化的根本目标是提高研发能力，降低能耗以及产品运维成本，提升对产品的用户体验，助力加速占据市场份额等， 将优化方法与设计结合成为了一种必然趋势；
传统设计的优化是通过人工的试算法，根据设计要求，参考同类产品的设计经验，结合一定的理论判断选定设计参数，然后再通 过计算机辅助工程技术等方式进行校核，反复上述过程直到获得较为满意的设计为止。但这种传统设计优化中人工处理方式的低 效率和产品质量的不足促进了计算机辅助优化(CAO)技术的兴起。它依赖某种优化方法，结合现有计算机辅助工程(CAE)等技术， 通过程序自动寻找更优设计，同时提供多种合理方案，供使用者根据实际需求选取适合的设计方案。AIPOD正是积累了相关领域 设计与优化的经验而应运而生的，最大程度地满足用户的设计需求，为用户提供适合的设计方案；
计算机辅助优化的目标就是自动地高效获取高质量的方案，而它的核心是对优化策略的设计，优化策略的优劣直接 影响方案设计的效率，更优秀的策略是以更小的计算代价，更短的时间找到合理的更优的设计方案。AIPOD是专门 针对工业设计领域进行优化的，这是一类目标函数值普遍通过数值模拟获得的优化领域；众所周知，数值模拟的计 算成本高，往往需要一定的计算资源以及计算时间，针对这类问题，AIPOD精心设计了优化策略：首先，根据积累 的经验，选取了适合的优化参数；其次，优化方法在策略上选用了力求减少数值模拟次数，但是获得良好优化效果 的方案，比如采用了NSGA2和效果出众的差分优化算法的长处；比如，使用代理模型时采用了适当的补点方案，力求更快地寻找到更优的设计。
除了优化能力出众的核心优势，AIPOD也是操作便利，简单易学的软件，可以快速掌握，这主要基于对流程的清晰 梳 理，以及对于优化思路的深入理解；优化的主要流程是，通过优化策略，根据设计变量空间产生设计变量并发送给求解器，这里的求解器指代的是作为黑箱的目标函数，它可以是一个CFD计算流程，一个CAE分析流程，也可以是参数化建模和分析流程的组合，经过约束处理环节后，求解器返回目标函数值；优化策略根据自身设置判断优化过程是否终止；AIPOD对求解器的管理进行了抽象，它的本质是数据在不同的子求解器间的运移，这里的子求解器可以 指代几何参数建模(CAD)，可以指代网格生成，也可以指代流体力学分析（CFD）等；而一个完整的求解器是将一个个子求解器按照流程次序连接而成，一个求解器流程如图所示
图1 求解器抽象示意图
AIPOD提供了非代理的启发式优化方法，同时提供了含代理的Kriging模型；
AIPOD提供了OP的每个子求解器都可以添加约束，这样确保了排除不必要的子求解器调用，节约了计算资源与计算时间；
AIPOD对优化数据（设计参数以及目标函数值）进行整理，可以制作Pareto图并通过算法寻找前沿，可以进行敏感度 分析等一系列数据处理；
某液力变矩器优化实例
A. 问题描述：这是一个对性能曲线优化的问题，要求在转矩比和容积系数两条曲线上均找到较之原有设计更好的设计；设计变量12个（St ator，Turbine，Pump各4个设计参数），目标变量2个（转矩比，容积系数），工况3个如表1所示；
静子的设计参数如下图所示(注，此处为示意图，请在pic文件夹中寻找原始图片)
透平的设计参数如下图所示(注，此处为示意图，请在pic文件夹中寻找原始图片)
泵的设计参数如下图所示(注，此处为示意图，请在pic文件夹中寻找原始图片)
B.求解器流程管理： 1)子求解器1：参数化建模，效果如图所示(注，此处为示意图，请在pic文件夹中寻找原始图片)
2)子求解器2：Star-CCM+进行网格生成并进行流体力学分析
C.数据分析： Pareto前沿中，转矩比以及容积系数是在三个转速比条件下的平均值，蓝色点为AIDOP通过优化算法获得，红色点为用户的 原设计(注，此处为示意图，请在pic文件夹中寻找原始图片)；
对应的，寻找到的全工况下（三个转速比下）多目标优化的更优设计如下图所示(注，此处为示意图，请在pic文件夹中寻找 原始图片)
原有设计与优化设计对比，如下图所示，其中，红色部分为原有设计情形；蓝色为优化结构情形(注，此处为示意图，请在 pic文件夹中寻找原始图片）
D.计算效率：
a)计算机计算环境： CPU: Intel Xeon CPU E5-2680 20核40线程； RAM: 64.0 GB; OS: Windows 7 64 bit;
b)完整寻优过程用时： 约127小时
