ANSYS-DesignXplorer优化部分翻译.docx

ANSYS DesignXplorer1.The User Interface工作台用户界面允许您轻松地在名为project选项卡的主项目工作区中构建项目。在Project选项卡中，您可以从工具箱中获取DesignXplorer系统，并将它们添加到项目示意图中。根据前一节所述，DesignXplorer系统允许您对项目执行不同类型的参数分析。一旦将系统添加到项目示意图中，就可以编辑系统中的单元格来打开这些单元格的选项卡。项目示意图首先，您将在项目示意图中创建包含系统和模型的项目。然后您可以选择这些系统中的哪些参数将通过参数设置栏暴露在DesignXplorer系统中。一旦系统和参数集被定义，您就可以添加您需要的DesignXplorer系统。一个包含DesignXplorer系统的项目示意图看起来如下:工具箱当您查看项目示意图时，可以从designplorer工具箱中找到以下系统模板。要执行特定类型的分析，请将模板从工具箱拖到参数设置栏下面的项目示意图上。当您查看一个选项卡时，工具箱将显示可以添加到基于当前选择的单元格的Outline视图的项。例如，如果您在响应Surface选项卡中，在Outline视图中选择一个响应点单元格，工具箱将包含您可以添加到该响应点的图表模板。双击模板或将其拖放到Outline视图中选择的单元格中，将其添加到Outline中。或者您可以在选择Outline视图中的Charts文件夹或响应点单元格时，使用适当的右键菜单选项插入图表。组件标签一旦将指定的设计器系统添加到项目示意图中，您就可以通过系统中的单元格打开组件选项卡。每个选项卡都是一个工作空间，您可以在其中设置分析选项、运行分析和查看结果。例如，如果你右键单击实验单元的设计，选择Edit，相应的实验选项卡设计将打开，显示以下配置:您将看到这个窗口配置，用于您编辑的任何designplorer系统组件。可见四种观点:Outline:提供组成您正在编辑的组件的主要对象的层次结构。根节点上的状态图标，也称为模型节点，告诉您数据是最新的还是需要更新的。它还可以帮助您了解更改对组件和参数属性的影响。一个快速的帮助信息与不同的状态相关联。当需要关注状态时，它特别有用()，因为它解释了当前配置中什么是无效的。要显示quick help消息，请单击模型节点右侧的help列中的Information按钮在结果对象节点(响应点、图表、minmax search等)上，一个状态图标显示对象是最新的还是过时的，可以帮助您了解对象的当前状态。如果您更改了实验设置的设计，则对应的图表的状态图标将会被更新，考虑到即将发生的更改。对于结果对象的更新失败状态()，您可以尝试在选择它的节点时使用适当的鼠标右键菜单选项来更新该对象。Table表:提供与该组件关联的数据的列表视图。标题栏包含表定义的描述。右键单击表的一个单元，以导出CSV文件中的数据表(逗号分隔值)。在表视图中，通过模拟获得的输入参数值和输出参数值显示在黑色文本中。基于响应面的输出参数按照选项对话框中指定的不同颜色显示。有关细节，请参见响应面选项。Properties:属性:提供对Outline视图中选择的对象的属性的访问。例如，当在Outline中选择一个参数时，您可以设置它的范围。当选择响应面节点时，您可以设置其元模型类型和相关选项。当一个图表被选中在大纲中，你可以设置它的绘图属性，等等。Properties视图显示在Outline视图中选择的图表或响应点的输出值。从模拟获得的输入参数值和输出参数值显示在黑色文本中，而基于响应面的输出参数显示在不同的颜色中，在选项对话框中指定。有关细节，请参见响应面选项。注意:在Properties视图中，输出参数值的着色约定不应用于计算的最小值和计算最大值;这些值总是以黑色文本显示。ChartorResults图表或结果:显示可用于不同设计人员系统单元格的各种图表。右键单击图表，在CSV(逗号分隔值)文件中导出数据图表。本节仅为目标驱动优化研究的优化选项卡标记结果。注意，即使系统已经过时，您也可以插入和复制图表(或者响应面单元格的响应点)。如果系统已经过时，当系统更新时，图表将显示并更新图表视图。对于任何在更新系统前插入图表的设计器单元格，在更新结束时默认插入单元格所支持的所有类型的图表。如果一个单元格已经包含了一个图表，那么在默认情况下没有插入新的图表(对于响应面，如果没有响应点，默认情况下会插入一个响应点)。有关更多信息，请参见使用DesignXplorer图表。Context Menu上下文菜单当您在编辑组件时，右键单击Project Schematic中或Outline视图中的组件节点上的designplorer组件时，右键单击上下文菜单提供了与该组件及其状态相关的以下选项:更新、预览、清除生成的数据，以及刷新。这些操作只在选定的组件上执行。2.Parameters2.1 输入参数Input Parameters输入参数是那些参数，这些参数定义了对正在进行调查的模型的分析的输入。输入参数具有可更改的预定义范围。这些包括(并且不限于)CAD参数、分析参数、设计模型参数和网格参数。CAD和DesignModeler输入参数包括长度、半径等;分析输入参数可能包括压力、材料性能、材料、薄板厚度等;网格参数可包括物体的相关性、棱镜层数或网格大小。当你在ANSYS DesignXplorer中开始设计实验分析时，使用每个输入参数的当前值的+ /- 10%的默认值来初始化参数范围。如果有任何参数的当前值为0.0,那么初始参数范围将被计算为0.010.0。由于DesignXplorer没有意识到参数的物理限制，所以您需要检查指定的范围是否与参数的物理限制兼容。理想情况下，参数的当前值将位于上下绑定范围的中点，但这不是一个要求。有关定义输入参数范围的详细信息，请参阅定义连续输入参数，并定义可制造值的范围。当您为输入参数定义一个范围时，相对变化必须在其当前单元中等于或大于1e - 10。如果相对变化小于1e - 10，则可以调整变化范围或禁用参数。如果您禁用了一个输入参数，它的初始值将被用于设计探测研究。如果您在研究期间更改了一个禁用的输入参数的初始值，那么所有的结果都是无效的。一个禁用的输入参数在每个设计器系统中可以有不同的初始值。输入参数可以是离散的或连续的，每一个参数都有特定的形式。2.2 输出参数Output Parameters离散参数物理表示模型的不同配置或状态。一个例子就是几何上的洞数。离散参数允许在同一参数研究中分析不同的设计变量，而不必为并行参数分析创建多个模型。有关更多信息，请参见定义离散输入参数。连续参数在一个由用户定义的较低和上界之间的连续的方式上变化。例如CAD尺寸或负载大小。连续参数允许您在一个定义范围内分析一个连续的值，每个参数代表设计的一个方向，并在DOE和响应面上作为一个连续函数处理。有关更多信息，请参见定义连续输入参数。对于连续参数，您也可以将可制造的值过滤器应用于参数。可制造的价值代表真实世界的制造或生产限制，如钻头尺寸，薄板金属厚度，和容易得到的螺栓或螺丝。通过将可制造的值过滤器应用到一个连续的参数，您可以确保只有那些实际代表制造能力的参数被包含在后处理分析中。有关更多信息，请参见定义可制造的值。输出参数输出参数是由几何图形生成的参数，或者是来自分析的响应输出。这些包括(而且不限于)体积、质量、频率、应力、热流、元素的数量等等。导出参数派生参数是特定的输出参数，定义为输出或输入参数的分析组合。根据定义，导出的参数是通过使用你提供的方程式从其他参数计算出来的。它们是在系统中创建的，并作为输出参数传递给ANSYS DesignXplorer。有关更多信息，请参阅使用参数和设计点。工作流要在ANSYS designplorer中运行参数分析，您需要:创建您的模型(在DesignModeler或其他CAD软件中)，并将其加载到工作台可用的分析系统中。选择要使用的参数。向项目添加您想要使用的设计器特性。设置分析选项和参数限制。更新分析。查看设计勘探分析的结果。生成一个项目报告来显示分析结果。3. DesignXplorer Systems1）Parameters Correlation System参数相关系统您可以使用参数关联系统来识别主要的输入参数。这是通过分析它们的相关性和每个输出参数的输入参数的相对权重来实现的。的确，当您的项目有许多输入参数(超过10或15)时，构建一个精确的响应面将成为一个昂贵的过程。因此，建议使用参数相关特性来识别主要的输入参数，以便在构建响应面时禁用较小的输入参数。输入参数越少，构建的响应面就越准确，成本也越低。参数关联系统包含以下组件:参数的相关性2）Response Surface System响应面系统每个输出参数都有一个响应面。输出参数用输入参数表示，输入参数被视为自变量。对于确定性的方法，所有输出参数的响应面由两个步骤生成:根据实验设计确定所有设计点的输出参数使用回归分析技术拟合输出参数作为输入参数的函数响应面系统包含以下单元格:实验设计；响应面3）Goal Driven Optimization Systems目标驱动优化系统您可以使用目标驱动的优化来描述一系列设计目标，这些目标将被用来生成优化的设计。可以对目标和约束定义并分配给每个输出参数。目标可能在重要性方面有权重。有两种类型的目标驱动优化系统:响应面优化和直接优化。响应面优化GDO系统包含以下组件:实验设计；响应面；最佳化。直接优化GDO系统包含以下组件:最佳化4）Six Sigma Analysis System六西格玛分析系统六西格玛分析(SSA)是一种分析技术，用于评估不确定输入参数和模型假设的影响。六西格玛分析可以让你确定模型中不确定因素影响分析结果的程度。“不确定性”(或随机数量)是一个参数，其值不可能在给定的时间点(如果它是时间依赖的)或在给定的位置(如果它是位置依赖的)确定。一个例子是环境温度:你不可能精确地知道某城市某一周的温度会是多少。六西格玛分析系统包含以下组件:实验设计(SSA)；响应面(SSA)；六西格玛分析。3.1 Parameters Correlation Component Reference用斯皮尔曼或皮尔森的产品力矩系数来评价参数之间的线性关联。为了证明输入参数与输入参数之间的相关性，以及输出参数对输入参数的敏感性，产生了一个相关/灵敏度矩阵。利用参数的二次回归确定系数，评价了参数间的非线性(二次)关联。如果有任何与线性先锋号或皮尔逊相关系数无法检测的二次相关信息，则在参数之间生成一个确定矩阵。1）Correlation Scatter Chart相关性散点图显示一个参数对的样本散点图。两个趋势线，线性和二次曲线，被添加到参数对的样本点。趋势线方程显示在图表图例中。图表显示了线性和二次趋势参数对之间的相关性程度的图形表示。您可以通过右键单击关联矩阵图中的关联单元，并选择Insert vs 相关散射，创建一个给定参数组合的相关散点图。要查看相关散点图，请在Outline视图的图表节点下选择相关分散。使用属性视图如下:属性:选择要在X轴和Y轴上显示的参数。启用或禁用二次和线性趋势线的显示。对二次曲线和线性趋势线的确定系数和方程进行了分析。更改各种通用图表属性。2）Correlation Matrix Chart相关矩阵图提供有关参数对之间的线性相关的信息。关联的程度用矩阵的颜色表示。将光标置于某个特定的方块上，将显示与该方块相关的两个参数的相关值。为了查看相关矩阵图，在Outline视图的图节点下选择相关矩阵。使用属性视图如下:属性:启用或禁用图表上显示的参数。更改各种通用图表属性。3）Determination Matrix Chart确定矩阵图提供有关参数对之间的非线性(二次)相关性的信息。关联的程度用矩阵的颜色表示。将光标置于某个特定的方块上，将显示与该方块相关的两个参数的相关值。为了查看测定矩阵图，在Outline视图的图表节点下选择判定矩阵。使用属性视图如下:属性:启用或禁用图表上显示的参数。更改各种通用图表属性。4）Sensitivities Chart敏感图允许您以图形方式查看每个输出参数对输入参数的敏感性。要查看敏感性图表，请在Outline视图的图表节点下选择敏感性。使用属性视图如下:属性:图表模式:设置为Bar或Pie。启用或禁用图表上显示的参数。更改各种通用图表属性。5）Determination Histogram Chart确定直方图图确定直方图可以看到输入参数对给定输出参数的影响。完整的模型R2表示输出参数的可变性，可以用输入参数和输出参数之间的线性(或二次)相关性来解释。这些条的值对应于所选输出相关的每个输入的线性(或二次)确定系数。要查看确定的直方图，请在Outline视图的图表节点下选择确定直方图。使用属性视图如下:属性:判定类型:设置为线性或二次。阈值R2:允许您通过隐藏输入参数来筛选输入参数，其确定系数低于给定的阈值。选择输出参数更改各种通用图表属性。3.2 Response Surface Component Reference响应面组件引用根据所选响应面类型，从DOE设计点的输入和输出值构建响应面。在Response Surface选项卡中，您可以查看输入参数限制和初始值，设置响应面算法的属性，查看响应点表，并查看几种类型的响应图表。响应面类型算法的选择：标准响应面-完整的二阶多项式；克里格；非参数回归；神经网络；稀疏的网格 1）Response Chart响应图响应图可以图形化地查看每个输入参数对显示的输出参数的影响。选择Outline中的响应单元，以显示图表视图中的响应图表。您可以通过右键单击响应图表并选择探究响应面，插入作为设计点，插入作为提纯点或插入作为验证点来添加响应点到响应面表。使用属性视图如下:属性：显示参数全名:指定完整参数名称或参数ID是否显示在图表上。模式:设置为2D、3D或2D片。沿着X的图表分辨率:设置你想要出现在X轴响应曲线上的点的个数。默认为25。沿着Y的图表分辨率:设置你想要出现在Y轴响应曲线上的点的个数(对于3D)。默认为25。片的数量:设置片的数量(对于具有连续输入参数的2D片)。显示设计点:指定设计点是否显示在图表上。选择输入参数显示在X轴，Y轴(3D)，切片轴(2D切片)。选择输出参数显示在Z轴(3D)或Y轴(2D和2D切片)。使用滑块或下拉菜单更改未显示的输入参数的值，以查看它们如何影响显示参数的值。您可以在滑块上方的框中输入特定值。查看所选择的输入参数值集的插值输出参数值。更改各种通用图表属性。2）Local Sensitivity Charts局部灵敏度图表允许您以图形方式查看更改每个输入参数对输出参数的影响。 在“outline大纲”中的“响应点”下方选择本地灵敏度或局部灵敏度曲线图单元，以在“图表”视图中显示图表。 使用“属性”视图，如下所示：属性：Chart Mode图表模式：设置为栏或饼图（局部灵敏度图）。Axis Range轴范围：设置为使用输出参数的最小最大值或使用曲线数据（局部灵敏度曲线图）。Chart Resolution图表分辨率：设置每条曲线的点数。 默认为25。使用滑块更改输入参数的值，以查看每个输出的灵敏度变化。查看所选输入参数值集合的内插输出参数值。更改各种通用图表属性。3）Spider Chart蜘蛛图允许您可视化改变输入参数同时对所有输出参数的影响。在Outline中选择蛛网图单元，以在图表视图中显示图表。使用属性视图如下:属性:使用滑块更改输入参数的值，看看它们如何影响输出参数。查看所选择的输入参数值集的插值输出参数值。更改各种通用图表属性。您也可以以不同的方式查看这个图表数据。首先，右键单击图表背景，选择编辑属性，并将图表类型更改为并行坐标。然后单击Outline视图中的响应点的蜘蛛单元，并在Properties视图中使用输入参数sliders，查看各种输入参数的具体设置如何改变输出参数，这些参数在图中平行的“Y”轴上进行排列。3.3 Optimization Component Reference优化组件引用Goal Driven Optimization目标驱动优化（GDO）是一种受限制的多目标优化技术，其中“最佳”可能的设计是从给定参数设定的目标或约束的样本集中获得的。 每种类型的GDO系统（响应面优化和直接优化）都包含一个优化组件。 DOE和Response Surface单元的使用方式与本节前面所述的相同。 对于直接优化，也可以创建数据传输链接。Method Name：MOGA、NLPQL、MISQP、Screening、Adaptive Single-Objective自适应单目标、Adaptive Multiple-Objective自适应多目标。1）Convergence Criteria Chart收敛标准图允许您查看每个迭代优化方法的收敛标准的演变，并在每次迭代后更新。 它不适用于筛选优化方法。“收敛标准”图表是默认优化图表，因此除非选择了其他类型的图表，否则显示在“图表”视图中。 在“大纲”视图中选择“融合条件”节点时，“属性”视图将以只读模式显示与所选优化方法相关的收敛标准。 收敛标准图可以更改各种通用图表属性。优化更新完成后，图表仍然可用。 图例显示了收敛标准的颜色编码。2）History Chart历史表允许您在更新过程中查看单个启用的目标/约束、输入参数或参数关系的历史。对于迭代优化方法，将在每次迭代之后更新历史图表。对于筛选优化方法，只有在优化完成时才更新。在Outline视图下的域节点下，选择目标和约束节点下的项目或输入参数或参数关系。当选择对象时，Properties视图将显示对象的各种属性。对于这两种类型的历史图表，可以更改各种通用图表属性。在图表视图中，颜色编码的图例允许您解释图表。在Outline视图中，历史图表的sparkline图形显示在每个目标/约束和输入参数对象的旁边。3）Candidate Points Results候选点的结果候选点结果对象由图和表视图组成，以显示候选点和数据，以获得一个或多个选定的参数。图表视图显示了一个颜色编码的图例，它允许您解释样本、由优化确定的候选点、手动插入的候选点以及通过设计点更新验证输出值的候选点。在表视图中，通过模拟计算的输出参数值显示在黑色文本中，而从响应面计算的输出参数值显示在选项对话框中指定的自定义颜色中。有关细节，请参见响应面选项在优化选项卡大纲视图的结果节点下选择候选点。属性:(应用于表格和图表视图的结果)Display Parameter Relationships显示参数关系:选择在候选点表中显示参数关系。Display Full Parameter Name显示完整的参数名称:选择在结果中显示完整的参数名。Show Candidates显示候选人:选择在结果中显示候选人。Coloring Method着色方法:指定结果是否根据候选类型或源类型着色。Show Samples显示样本:选择在结果中显示样本。Show Starting Point显示起始点:选择显示图表上的起始点(NLPQL和MISQP)。Show Verified Candidates显示验证候选:选择在结果中显示已验证的候选项(仅对响应面进行优化)。启用或禁用输入和输出参数的显示。在图表视图中为结果更改各种通用图表属性。4）Tradeoff Chart权衡图表允许您查看由GDO生成的示例创建的Pareto战线。选择流程图中的Tradeoff图表单元格，以显示图表视图中的图表。使用属性视图如下:属性:图表模式:设置为2D或3D。Number of Pareto Fronts to Show帕累托阵线的数量显示:在图表上显示的帕累托阵线的数量。Show infeasible points显示不可行点:启用或禁用不可行点的显示。(当定义约束时可用)单击图表上的一个点，显示一个参数部分，它显示了这个点的输入和输出参数的值。设置要显示在X轴和y轴上的参数。更改各种通用图表属性。5）Samples Chart样品图允许您在视觉上探索一个给定的目标集合。在大纲图中选择样本图单元格，以显示图表视图中的图表。使用属性视图如下:属性:图表模式:设置候选人或帕累托阵线。对于Pareto前线，可以设置以下选项:帕累托阵线的数量显示:要么输入值，要么使用滑块来选择显示的帕累托阵线的数量。着色方法:可设置为每个样本或帕累托前沿。显示不可行点:启用或禁用不可行点的显示。(当定义约束时可用)单击图表上的一行，以显示参数部分中该行的输入和输出参数的值。使用已启用的复选框启用或禁用图表上的参数轴显示。更改各种通用图表属性。6）Sensitivities Chart敏感图可以以图形方式查看全球每个输出的敏感参数对输入参数。图表选择敏感性细胞在大纲中的图表显示图表中的图表视图。使用属性视图如下:属性:图表模式:设置为Bar或Pie。启用或禁用图表上显示的参数。更改各种通用图表属性。3.4 Six Sigma Analysis Component Reference六西格玛分析组件六西格玛分析(SSA)系统由一个实验单元的设计、一个响应面单元和一个六西格玛分析单元组成。实验单元的设计允许您设置输入参数并生成分析的样本。响应面的响应面与标准响应面分析的响应面相同。6西格玛分析单元允许你建立分析类型并查看分析结果。默认情况下，六西格玛分析包括所有输入参数，并将其设置为不确定性参数。当您运行6西格玛分析时，您需要设置SSA DOE的不确定性参数。如果您想要将任何输入参数视为确定性参数，请在SSA DOE Outline视图的这些参数旁边取消选中该复选框。1）Design of Experiments (SSA)实验设计(SSA)6 Sigma Analsys系统中实验部件的设计与其他系统中实验部件的设计是一样的，只有输入参数被指定为不确定参数。在解决DOE之前，您需要设置输入参数选项。2）六西格玛分析一旦将分配函数分配给DOE中的输入参数，就可以更新项目以执行6西格玛分析。一旦分析完成，在项目中编辑六西格玛分析单元，看看结果。3）Sensitivities Chart敏感图(SSA)允许您以图形的方式查看每一个输出参数对6西格玛分析的输入参数的敏感性。在大纲视图中选择“灵敏度图表”单元格，以显示图表视图中的图表。4. using如何使用4.1 Using Parameters Correlation使用参数的相关性基于目标驱动优化(GDO)和六西格玛分析(SSA)的有限元分析框架在求解时间问题上一直是一个挑战，尤其是在有限元模型大的情况下。例如，在SSA中运行数百或数千个有限元模拟并不少见。如果一个模拟运行需要几个小时才能完成，那么在数千甚至数百个模拟的情况下执行SSA几乎是不切实际的。为了在有限元分析框架中执行GDO或SSA，通常建议进行实验设计(DOE)。在能源部的研究中，在设计空间内建立了响应面。在创建响应表面后，GDO或SSA的所有模拟运行将成为函数评估。然而，在能源部的研究中，随着输入参数的增加，采样点急剧增加。例如，在使用部分阶乘方案的中央复合设计中，10个输入变量需要149个采样点(有限元评估)。随着输入变量的增加，分析变得越来越棘手。在这种情况下，我们希望排除来自DOE抽样的不重要的输入参数，以减少不必要的采样点。关联矩阵是一种帮助用户识别被认为不重要的输入参数的工具，并因此被视为SSA中的确定性参数。何时使用参数相关性Parameters Correlation当你在实验设计中加入更多的输入参数时，设计点数量的增加会降低分析过程的效率。在这种情况下，您可能希望将重点放在最重要的输入上，而不包括对您的预期设计影响较小的输入。从DOE中删除这些不重要的参数可以减少不必要的采样点的生成。参数相关Parameters Correlation的优点一个参数相关研究允许你：a确定哪些输入参数对您的设计影响最大(和最少)。b. 确定关系是线性/二次的程度。运行参数的相关性:要在项目示意图中创建参数关联系统，请执行以下操作:与项目示意图显示，将参数相关模板直接拖动到示意图参数设置栏下的工具箱设计开发区域。将参数关联系统设置为项目示意图后，双击参数相关单元，打开相应的选项卡，建立参数相关组件引用中描述的相关选项。右键单击参数相关单元，并从上下文菜单中选择Update。当更新完成后，使用Outline视图中显示的各种图表检查结果。有关可用图表的更多信息，请参见参数相关组件引用。Correlation Convergence Process相关收敛过程相关性的收敛性确定如下:每次在收敛频率检查属性中指定的点个数被更新时，就会检查收敛状态。对每一个输出参数:平均和标准偏差是根据这一步骤中可用的所有最新设计点计算的。均值与前一个步骤的均值比较。如果默认值小于1%(平均值精度= 0.01)，则被认为是稳定的。标准偏差与上一步的标准差比较。如果默认值小于2%(标准偏差精度= 0.02)，则被认为是稳定的。如果所有输出参数的均值和标准偏差均为稳定，则相关系数收敛。收敛状态由收敛性的值表示。当这个过程收敛时，收敛的属性等于Yes，可能剩下的未解的样本会被自动删除。如果这个过程已经停止，因为样本的数量在收敛之前达到了，那么收敛性就等于No。Viewing the Quadratic Correlation Information查看二次相关信息由二次回归的确定系数(R2)提出参数对的二次相关性。注意:R2在用户界面和相关图表中显示为R2。所有参数对之间的(R2)显示在确定矩阵中。R2越接近1，二次回归就越好。与相关矩阵不同，确定矩阵是不对称的。在相关矩阵下的表视图中显示了确定矩阵。与相关矩阵相似，有一个与判定矩阵相关的图表，其中任何参数都可以禁用。此外，相关散点图既显示了二次趋势线，也显示了选定参数对的趋势线方程。Determining Significance确定的意义用统计假设检验方法确定输入参数对输出参数的意义。在假设检验中，假设一个无意义的无效假设，并根据用户设定的显著性水平(或可接受的风险)，对其进行测试。从假设检验中，计算出p值(概率值)，并与显著性水平进行比较。如果p值大于显著性水平，则认为零假设为真，输入参数对输出参数不重要，反之亦然。有关更多信息，请参见六西格玛分析理论部分。Viewing Significance and Correlation Values观看意义和相关价值如果您选择了6 Sigma Analysis选项卡中的Outline视图中的敏感性，您就可以回顾从为参数相关性生成的示例中得到的敏感性。参数相关敏感性为全局敏感性。在敏感性图表的属性视图中，您可以选择您想要查看敏感性的输出参数，以及您想要评估输出参数的输入参数。 显著性水平的默认设置(在工具选项对话框的设计探索部分)是0.025。具有灵敏度值以上的参数将显示在灵敏度图上的平行线，当您在图上鼠标超过这些参数时显示的值为0。为了查看实际相关的价值微不足道的参数,你可以选择从大纲相关矩阵和鼠标在广场的那一对矩阵,或者你可以设定1的显著性水平,绕过了显著性检验,显示所有输入参数的敏感性图与实际相关值。Parameters Correlation Charts参数相关图表参数相关性提供了5个不同的图表，可以让您评估项目中的参数影响：相关矩阵、判定矩阵、相关分散、敏感性和确定直方图。当参数关联被更新时，每个图表的一个实例被添加到项目中。在Parameters相关选项卡中，您可以在Outline视图的图表节点下点击它查看每个图表。1）使用相关矩阵图the Correlation Matrix Chart相关矩阵图是关联矩阵表中信息的可视化呈现。相关系数表示是否存在两个变量之间的关系，并表示关系是正数还是负数。细胞的颜色编码显示了相关性的强度(R2)。当鼠标悬停在单元格上时，会显示R2值。R2的值越接近1，关系就越强。在下面的相关矩阵中，我们可以看到输入参数p5 - length是一个主要输入，因为它驱动所有输出。另一方面，我们可以看到输入参数p13 - pipe_thicknessis对研究不重要，因为它对输出的影响很小。在这种情况下，您可能想要禁用p13 - pipe_厚度，在Properties视图中取消启用已启用的复选框。当输入被禁用时，图表会相应地改变。要禁用参数，您还可以右键单击对应于该参数的单元格，并从上下文菜单中选择一个选项。您可以禁用所选的输入，禁用所选的输出，禁用所有其他输入，或禁用所有其他输出。为给定的参数组合生成相关散点图，在相关矩阵图中右键单击相应的单元格，并选择Insert vs 相关散射。2）使用相关散点图the Correlation Scatter Chart相关散点图使您可以绘制样本的线性和二次趋势线，并提取确定(R2)的线性和二次系数。换句话说，它通过线性和二次趋势的图形表示，表达了两个参数对之间的二次相关性。注意:R2在用户界面和相关图表中显示为R2。您可以在相关矩阵图中右键单击对应的单元格，创建一个给定参数组合的相关散点图，并从上下文菜单中选择Insert vs 相关散点。在这个例子中，在Properties视图的趋势行部分，您可以看到R2的线性和二次值的方程。因为在这个例子中，线性和二次属性都被启用了:A 线性和二次趋势线的方程如图所示。B 线性和二次趋势线由图上的单独行表示。样本离曲线越近，确定的系数越接近于1的最优值。当您将相关散点图数据导出到CSV文件或生成报告时，趋势线方程包含在导出中，并显示在CSV文件或项目报告中。3) 使用测定矩阵图the Determination Matrix Chart测定矩阵图是确定矩阵表中非线性(二次)信息的可视化呈现。它显示了所有参数对之间的确定系数(R2)。与相关矩阵不同的是，确定矩阵图不对称。细胞的颜色编码显示了相关性的强度(R2)。当鼠标悬停在单元格上时，会显示R2值。R2的值越接近1，关系就越强。在下面的测定矩阵中，我们可以看到输入参数p5 -拉伸屈服强度是一个主要输入，因为它驱动所有输出。您可能想要禁用对输出影响很小的输入。在图表中禁用参数:在Properties视图中取消启用的复选框。右键单击对应于该参数的单元格，并从上下文菜单中选择一个选项。您可以禁用所选的输入，禁用所选的输出，禁用所有其他输入，或禁用所有其他输出。4) 使用确定直方图the Determination Histogram Chart确定直方图允许您查看输入驱动一个选定的输出参数。您可以将判定类型属性设置为线性或二次型。阈值R2(%)属性允许您通过隐藏输入参数来筛选输入参数，其确定系数低于给定的阈值。当您查看一个确定的直方图图表时，您还应该检查完整的模型R2(%)值，以查看输入变量如何解释输出的变化。这个值表示输出参数的可变性，可以用输入参数和输出参数之间的线性或二次相关性来解释。这个值越接近100%，就越确定输入的结果是由输入引起的。值越低，越有可能是其他因素，如噪声、网格错误，或不足的点数，可能导致输出变化。在下图中，可以看到输入参数p3 - length、p2 - height和p4 - force都影响输出p8 -位移。您还可以看到这三个输入，p3 - length的影响最大。在下面的示例中，您可以看到线性判定的值是96.2%。为了在属性视图中查看二次判定的图表，将判定类型设置为二次。在下面的例子中，我们可以看到，使用一个二次判定类型，输入p5 - young对p8 -位移也有轻微的影响。(您可以过滤输入，只保留最重要的参数，启用或禁用Outline视图中的复选框。)5) 使用敏感图the Sensitivities Chart敏感性图表显示了输出参数对输入参数的敏感性。当增加输入增加输出时，会产生积极的敏感性。当增加输入减少输出时，会产生负的敏感性。敏感性图表可以显示在酒吧或馅饼模式。下面的图表显示在Bar模式下。一般来说，输入参数对输出参数的影响是由以下两件事驱动的:A 输出参数在输入参数的变化范围内变化的量。B 输入参数的变化范围。一般来说，变化范围越大，输入参数的影响越大。统计敏感性是建立在先人等级序相关系数的基础上，同时考虑了两个方面。4.2 Using Design of Experiments实验设计类型:中心复合设计(CCD)最优空间设计(OSF)Box-Behnken设计风俗自定义+抽样稀疏网格的初始化拉丁超立方体抽样设计(LHS)1) 中心复合设计(CCD)中央复合设计(CCD)是默认的DOE类型。它提供了一个筛选集，以确定元模型的整体趋势，以便更好地指导选择最佳的空间填充设计。CCD DOE类型最多支持20个输入参数。有关更多信息，请参见DOE类型的输入参数数量。以下属性可用于CCD DOE类型。设计类型:通过指定CCD的设计类型，可以帮助改善DOE研究的响应面。对于每一个CCD类型，alpha值被定义为采样点的位置，这是所有二次主效应的原因。下列CCD设计类型可供选择:以面为中心:三层设计，无旋转能力。alpha值等于1.0。模板类型设置会自动出现，带有标准和增强的选项。选择增强为可能更适合响应表面。可旋转的:包括旋转能力的五层设计。alpha值是根据输入变量的数量和阶乘部分的一小部分来计算的。一种具有可旋转性的设计，无论从中心点到哪个方向，都有相同的拟合值的方差。f -最优性:一个五层的设计，其中的alpha值通过最小化非正交性度量(即方差膨胀因子(VIF)来计算。在回归模型中，输入变量与一个或多个项的相关性越高，方差膨胀系数越高。g -最优性:最小化预测预测误差的度量，并将预测区域最大期望方差最小化。自动定义:设计开发基于输入变量的数量自动选择设计类型。大多数情况下建议使用此选项，因为它会自动切换到g -优化(如果输入变量的数量为5)或vif -优化。但是，如果默认选项不提供适合于响应面块的良好值，则可使用可旋转设计。另外，如果默认标准模板不太适合响应表面，则可以使用增强模板。模板类型:支持可旋转的和以面为中心的设计类型。以下可供选择:标准的；增强:选择此选项，以便更好地适应响应面。2）最优空间设计(OSF)最优空间填充设计(OSF)根据一定的标准，创建了最佳的实验空间填充设计方案。本质上，OSF是一个拉丁超立方体采样设计(LHS)，它被扩展到后处理。它被初始化为一个LHS，然后多次优化，保持一个有效的LHS(没有点共享行或列)，同时实现点的更均匀的空间分布(最大化点之间的距离)。为了抵消与物理实验相关的噪声，像CCD这样的经典的DOE类型集中在设计区域周边的参数设置上。由于计算机模拟不太容易受到噪音的影响，因此最佳的空间填充设计能够在整个设计空间中平均分配设计参数，从而使设计的最大洞察力达到最少的点。这种优势使它适合于更复杂的元建模技术，如Kriging、非参数回归或神经网络。OSF与LHS有一些相同的缺点，尽管程度较低。OSF设计的可能缺点是极端性(即。设计空间的各个角落不一定都是覆盖的，设计点太少的选择会导致响应预测的质量降低。注:OSF DOE类型是一个拉丁超立方体采样设计，并随后处理扩展。为了比较两者，可以比较LHS和OSF DOE类型。以下属性可用于OSF DOE类型。设计类型:以下可供选择:max - min距离(默认值):在两点之间最大化最小距离。这一策略确保了没有两点太接近。对于小尺寸的采样(N)，最大最小距离设计通常位于设计空间的外部，当N变大时填充内部。通常更快的算法。以L2为中心:最小化中心的L2 -差异度量。差异测度对应于抽样点的经验分布与均匀分布的差异。换句话说，中心的L2产生均匀的抽样。计算速度比最大熵快。最大熵:最大化采样点的协方差矩阵的行列式，使未观测位置的不确定性最小化。此选项通常为高度相关的设计空间提供更好的结果。然而，它的成本随着输入参数的数量和生成的样本数目而非线性增加。因此，建议只针对小的参数问题。最大循环次数:确定算法需要的优化循环次数，这反过来又决定了DOE的差异。优化本质上是组合的，因此大量的周期将减慢整个过程;然而，这将使母鹿的差异变小。出于实际的目的，10个周期通常有利于20个变量。必须大于0。默认值是10。样本类型:决定算法生成的DOE点数个数。如果您对元模型的性质有一些高级的了解，建议您选择此选项。以下可供选择:CCD样本(默认):生成相同数量的CCD DOE所产生的相同数量的输入。你可能想用它来生成一个空间填充设计，它的成本与相应的CCD设计相同。线性模型样本:生成线性元模型所需的样本数量。纯二次模型样本:生成纯二次元模型所需的样本数量(没有交叉项)。完整的二次样本:生成生成完整的二次模型所需的样本数量。用户定义的示例:指定所需的样本数目。种子值:设置用于初始化LHS算法内部调用的随机数生成器的值。虽然起始点的生成是随机的，但种子值始终会产生特定的LHS。此属性允许您生成不同的采样(通过更改值)或重新生成相同的采样(通过保持相同的值)。默认值为0。样本数量:当样本类型设置为用户定义的样本时启用。指定默认的样本数目。默认为10。3）Box-Behnken设计盒- behnken设计是一个三层二次设计，它不包含分数因子设计。样本组合以这样一种方式处理，它们位于由任意两个因素形成的边缘的中点。这种设计是可旋转的(或者，几乎是可旋转的)。box - behnken设计的一个优点是它需要比完整的阶乘CCD更少的设计点，而且通常需要比分数阶乘CCD更少的设计点。此外，盒- behnken设计避免了极端情况，允许你在极端的因素组合中工作。如果您的项目有参数的极端值(例如，在难以构建的角落有极端的参数值)，可以考虑使用box - behnken设计。由于box - behnken DOE没有任何角落，而且没有将参数极端值组合在一起，因此它可以降低更新失败的风险。有关细节，请参见盒- behnken设计理论部分。box - behnken设计的可能缺点是:在设计空间角落的预测很差，每个参数只有三个级别。支持最多12个输入参数。有关更多信息，请参见DOE类型的输入参数数量。4）风俗CustomDOEtype定制的DOE类型允许定义一个定制的DOE表。您可以手动添加新的设计点，输入输入，(可选地)将输出参数值直接输入到表中。如果您之前使用其他算法解决了DOE，那么这些设计点将被保留，您可以在表中添加新的设计点。您还可以从参数集导入和导出设计点到custom DOE表中。您可以更改DOE表的版本模式，以编辑输出参数值。您还可以从csv文件复制/粘贴数据和导入数据(右键单击并选择import设计5）自定义+抽样自定义+采样DOE类型提供与定制DOE类型相同的功能，并允许您自动完成DOE表，以有效地填充设计空间。例如，在以前的研究中使用导入设计点初始化的DOE表，或者您最初的DOE(中央复合设计、最佳空间填充设计或定制)可以用新的点来完成。这些新设计点的生成考虑了以前设计点的坐标。以下属性可用于自定义+采样DOE类型:样本总数:期望用户输入所期望的样本数量(在这个计数中包括现有设计点的数量)。你必须输入一个正数。如果样本总数少于现有点数，则不会增加任何新点数。如果有离散输入参数，则样本总数对应于各离散参数组合所应达到的点数个数。6）稀疏网格的初始化稀疏网格初始化是用来运行稀疏网格插值的DOE类型。稀疏网格是一种自适应的元模型，由您请求的精度驱动。它通过在输出参数相对误差较大的位置自动改进设计点矩阵来提高响应面的精度。这个DOE类型生成clenshaw- curtis网格的0级和1级。换句话说,因为稀疏网格算法是基于层次结构的网格,稀疏网格初始化能源部类型生成一个能源部矩阵包含所有所需的最小网格的设计要点:级别0(指向当前值)+ 1级的输入参数(2分)。稀疏网格设计的一个优点是它只在必要的方向上进行改进，这样相同的质量响应面就需要更少的设计点。另一种方法是稀疏网格处理不连续性。虽然这种DOE类型需要建立一个稀疏的网格响应面，但它也可以被其他类型的响应面使用。没有额外的属性可用于稀疏网格初始化DOE类型。7）拉丁超立方体抽样设计(LHS)在拉丁超立方体采样设计DOE类型中，DOE是由LHS算法生成的，它是蒙特卡罗抽样方法的一种高级形式，避免了聚类样本。在一个拉丁超立方体抽样中，这些点是在设计空间的正方形网格中随机生成的，但没有两个点的值相同(即。，所以没有任何一个点与其他点共享一个行或一个列。LHS设计的可能缺点是极端性(即。设计空间的各个角落不一定都是覆盖的，设计点太少的选择会导致响应预测的质量降低。注:最优空间填充设计是一种LHS设计，该设计由后处理扩展。为了比较两者，可以比较LHS和OSF DOE类型。以下属性可用于LHS DOE类型:样本类型:决定算法生成的DOE点数个数。如果您对元模型的性质有一些高级的了解，建议您选择此选项。以下可供选择:CCD样本(默认):生成相同数量的CCD DOE所产生的相同数量的输入。你可能想用它来生成一个空间填充设计，它的成本与相应的CCD设计相同。线性模型样本:生成线性元模型所需的样本数量。纯二次