iSIGHT初级培训-近似模型Approximation

近似模型Approximation,Isight初级培训,大纲,概述Isight中的近似模型方法响应面模型(RSM)径向基神经网络(RBF)在Isight中实现近似模型方法近似模型后处理工具练习,背景介绍,近似模型:模拟一系列输入参数与输出参数之间的响应关系由试验人员发明近似模型方法从1964年开始被工程人员用来辅助分析行为模型,为何要使用近似模型?,避免高强度仿真计算，减少迭代时间平滑设计空间的数值噪声预估输入输出参数之间的响应关系有效避免限于局部最优解，使数值优化算法也有可能找到全局解可与其他算法组成更好的优化策略:DOEOptimizationMonteCarloRobustDesign,Canbeappliedatanylevelsimcode,calculationor(sub)task,MainTask,SubTask1,SimCode1,SimCode2,Calculation1,SimCode3,Calculation2,Approx2,Approx1,Isight中应用近似模型,近似模型术语,独立变量:设计者控制的输入参数。响应:被预测的性能或质量特征。近似模型（代理模型）:预测响应值的近似“metamodel”，代替昂贵、耗时的仿真程序。近似方法:对于开发、改善、优化过程和产品有用的统计方法和数学方法的集合。预测:利用近似Metamodel获得估计的响应。,近似模型思想,目的：建立X与Y的近似关系精确模型：Y=Y(X)近似模型：Y=Y(X)减少数值模拟的次数平滑设计空间的数值噪声估计最优设计,X,Y,RSM2,RSM1,RSM0,Target:逼近全局最小点区域,近似模型原理,流程图,DOE采集数据实验数据随机选择,数据采集,选择模型类型,拟合模型,模型可以接受?,使用该模型代替仿真程序,验证模型,Y,N,响应面模型（RSM）径向基神经网络模型（RBF）,误差分析,14阶响应面模型（ResponseSurfacemodels）径向基神经网络模型（RadialBasisFunction(RBF)neuralnetmodel）克利金模型（Krigingmodel）,Isight中建立近似模型的方法,响应面模型,函数是一个多项式是最常用的构建近似模型的方法模型初始化方法：随机采点已有的样本点数据(如DOE样本点、前次优化的db文件)Isight中近似模型初始化之后，在优化过程中可以用新的设计点去更新近似模型，不断提高近似模型可信度。,响应面模型精度问题,精确性如何?选择不同的阶数，效果如何?LinearQuadraticCubicQuartic,已有数据点,一阶响应面,一阶响应面模型需要进行N+1次精确分析一般用于模拟局部线性关系,Where:Nisthenumberofmodelinputsxiisthesetofmodelinputsa,barethepolynomialcoefficients,二阶响应面,二阶响应面模型需要(N+1)*(N+2)/2次精确分析曲面模拟，精确度较高根据样本点拟合a,b,c,d,其中：N为模型输入参数的数目xi为模型输入参数a,b,c.d为多项式系数,一次项数目:N+1单个二次项数目:N交互二次项数目:N(N-1)/2,二阶响应面,三阶响应面模型模拟非线性空间,三阶响应面,四阶响应面模型适合于高度非线性空间的模拟,四阶响应面,响应面模型（总结）,最高阶为4阶响应面模型:F(x)=a0+Sbixi+Sciixi2+Scijxixj(ij)+Sdixi3+Seixi4近似模型初始化可以随机采样，也可以使用已有的样本文件，如DOE样本点文件、前次优化db文件一阶响应面模型需调用(N+1)次精确计算二阶响应面模型需调用(N+1)(N+2)/2次精确计算三阶响应面模型需调用(N+1)(N+2)/2+N次精确计算四阶响应面模型需调用(N+1)(N+2)/2+2N次精确计算可以在优化过程中通过使用动态文件的方式不断将新的设计点添加到文件中，自动更新近似模型。初始化时使用的样本点不保证都在拟合出来的响应面上,14阶响应面模型（ResponseSurfacemodels）径向基神经网络模型（RadialBasisFunction(RBF)neuralnetmodel）,Isight中建立近似模型的方法,径向基神经网络模型(RBF),神经元网络是基于生物学的神经元网络的基本原理而建立的。构建的响应面通过所有的样本点RBF模型参照Hardy(1972)methodasdescribedbyKansa(1999)RBFusesavariablepowerspline:|xxj|cjwhere|xxj|为欧几里德距离cj为形状参数，0.2c90%否则增加样本点，进行第二次抽样,建立近似模型,设置类型,设置算法,定义输入、输出,设置拟合系数,定义样本点,定义抽样范围,抽样点列表,定义误差分析类型,定义误差点,近似模型建立结果,误差分析,对变形和应力的R290%，近似模型有足够的可信度,可视化,可视化,可视化,小结：第二次抽样,输入：高度、宽度输出：应力、质量、变形第二次抽样：方法:RBF样本点来源：保留第一次抽样的50个样本点，同时运用DOE-LHC,增加30个新样本点因此，总样本点数为80个误差