奥智能优化软件介绍

1、恩峰智能科技发展（上海）目录1.智能优化设计介绍12.恩峰智能科技及OASIS 智能优化软件介绍22.1公司介绍22.2软件算法及团队介绍22.3软件技术优势42.4 软件介绍52.4.1 友好的操作界面52.4.2业界领先的 AI 算法62.4.3友好的问题定义模块72.4.4灵活稳健的集能82.4.5公式及集成验证功能102.4.6度可视化系统102.4.7结果列表数据分析功能112.4.8决策方案的筛选和分析功能112.4.9优化设计报告书122.4.10 项目历史和导航功能122.4.11 可移植及可修改的配置文件133.OASIS 智能优化设计应用案例133.1 汽车案例133.1.

2、1 基准和焊接工艺设计：焊接夹具夹紧点位置优化设计133.1.2 装配工艺：柔性装配中夹具位置优化设计163.1.3 底盘设计：车架加强筋位置及前横梁截面优化设计 173.1.4 汽车设计：汽车碰撞性能优化设计183.1.5 汽车设计：冷冻卡车墙壁优化设计19恩峰智能科技发展（上海）3.2 航天案例213.2.1 直升飞机引擎进气导形状优化设计213.2.2 宇航船优化设计243.3 透平机械案例263.3.1离心泵优化设计263.3.2离心泥浆泵优化设计313.3.3涡轮叶片形状优化设计343.4电池案例363.4.1电池部件和系统优化设计363.5 发电机案例373.5.1 发电机输入转矩

3、优化设计373.6 个性化定制自动优化设计流程案例373.6.1 引擎自动优化设计373.7 离散流程优化案例393.7.1 医院室流程优化393.7.2 能源系统优化403.8 其他优化案例413.8.1 烟道导流板优化设计414.总结43恩峰智能科技发展（上海）1. 智能优化设计介绍在过去的几十年中，第一代计算机辅助制图(CAD)和第二代计算机分析与仿真(CAE)的飞速发展大大提高了设计的设计速度和质量。在目前主流的传统设计流程中，设计利用 CAD/CAE 等专业软件进行建模和，根据结果进一步人工优化设计方案，然后重新进行，不断地进行设计、评估、改进循环，最后达到设计目标。在这个传统设计的

4、循环设计流程中，设计碰到的问题也是显而易见的：l开发周期长，效率低下：大部分工作是重复性工作，不停的试错，需要耗费大量的人力和时间；ll严重依赖经验：设计质量很大程度上依赖于设计的经验；很难获得系统优化解决方案：由于设计进度和成本的，设计很难考虑很多方案，也就很难获得系统级最优解决方案。随着各类 CAD、CAE 软件的集成化环境的，以及多学科优化技术的成熟，用计算机软件代替人工进行设计、评估、改进环节，从而实现自动和智能地搜索设计方案已经变为现实，这就是我们倡导和推广的第三代智能设计流程。1恩峰智能科技发展（上海）2. 恩峰智能科技及 OASIS 智能优化软件介绍2.1 公司介绍恩峰智能科技发

5、展（上海）是Empower Operations 中国子公司。Empower Operations Corp.公司成立于 2014 年 2 月，公司位于温哥华，公司致力于提供世界最先进的和流程设计的技术和工具。公司旗舰 OASIS 奥智能优化设计软件凝聚了团队 20 多年的研发成果，智慧地集成了人工智能，学习，统计和数学的业界领先算法，可以帮助工程师更加快速地、高效地寻找到最好的和流程设计方案，进行高效的参数化设计优化，使整个设计流程实现全数字化和自动化。Empower Operations Corp.提供的和服务还广泛应用于汽车、航空航械、电子通信、交通物流、医疗、石油化工等众多行业。Emp

6、ower Operations 愿携世界领先的 AI 算法和 OASIS奥智能优化设计软件，助力中国企业，一起开创智能决策的新篇章！2.2 软件算法及团队介绍优化算法领域纷繁浩渺，已经有几十年的发展历史了。从传统经典优化方法、发展到元启发式方法、模型法，再到最近几年如火如荼的最新的基于 AI 和学习的优化算法。经典优化理论最早可以从微中找到其雏形，最早由美籍匈牙利数学家J.von在 1947 年提出的 Theory of Duality 对偶理论；从上世纪 50 到 70年始，基于梯度、局域优化的经典优化算法发展日趋成熟，对一些线性问题得到了很好的解决，很多软件都可以在网上获得，目前用得较多的

7、是CPLEX, LINDO, GAMS，SNOPT 和。但这些软件并不能很好的适用现代工程设计无方程式，全局优化的需求。从上世纪 80 年代后期开始，以进化算法为代表的元启发式方法,以其全局搜索、稳定可靠、无需方程等特点得到工的青睐。这些方法包括遗传、模拟退火、粒子群、蚂蚁算法等。但是这些算法计算量大，计算时间长，无法处理昂贵约束，所以仍然基于的现代工程设计需求。2恩峰智能科技发展（上海）从上世纪 90 年代起，以模型为基础的优化方法兴起，在工程设计上很大程度上可以解决一些小变量优化问题。这一波催生了像 Isight 等一批比较知名的优化软件，但它们仍然不能很好的解决汽车、航空航天、军工、机械

8、和电子行业中常见的大变量，昂贵约束的工程问题，这些大变量问题在科学界称之为“高变量”。直到本世纪科学界才找到一些解决曾被叫做“高变量”的大变量设计问题的算法教授提出了基于径向基函数的模型表征方法（HDMR），开创并引领了在近似优化领域应用模型表征方法（HDMR）来解决“高变量”问题的研究。恩峰公司的 OASIS 奥智能优化设计软件就在这样的背景下从（SFU设计与优化）孵化而成。EmpowerOperations Corp.创始人博士是该设计与优化（）的人，他的团队被公认为该领域世界领先团队之一。毕业于华技大学，师从原中国工程院院长教授。1999 年从大学博士毕业以后，受聘于曼尼托巴大学，现为名

9、校西门菲沙大学终身正教授，在工程设计自动化领域潜心研究 20 多年，在国际著名期刊和大会上160 多篇学术和多个技术专利。OASIS 奥智能优化设计软件凝聚了团队 20 多年的研发成果，智慧地集成了人工智能，学习，统计和数学的业界领先算法：ll追峰法（全局优化）Mode Pursuing Sampling (MPS)；面追索法（多目标优化）Pareto Set Pursing (PSP)；3恩峰智能科技发展（上海）l基于径向基函数的模型表征方法（问题优化）Radial BasisFunction based High Dimensional MRepresentation (RBF-HDMR)

10、；ll基于域的追峰法(TR-MPS)；元模型支持的迭代分解优化法(OMID)等等。全球各个地区超过几百次的研究程序总次数超过 5000 多次，开创并引领了在近似优化领域应用模型表征技术（HDMR）的研究热潮。在我们 OASIS 奥中的算法比公开的算法更加快速高效，这些算法可以帮助工更加快速地、高效地寻找到最好的和流程设计方案，进行高效的参数化设计优化，使整个设计流程实现全数字化和自动化。2.3 软件技术优势OASIS 奥智能优化软件具有行业内领先的技术，集成了业界领先的 AI算法，可以方便地与其它模型集成或直接使用实验数据，进行高效的参数化设计优化，特别擅长解决一些大变量、强约束以及黑箱问题。

11、同时 OASIS 的智能封装优化算法，可以实现一键优化，无需选择优化算法和参数。此外，OASIS 还提供可视化评估优化结果以及直观的决策支持功能。总结下来，相比其他优化软件，OASIS 奥智能优化软件具有以下明显的技术特点：l更加简单明了的图形用户界面：可以很容易地定义设计目标、约束以及变量；4恩峰智能科技发展（上海）lllll傻瓜式智能封装算法：无需选择算法和设置算法参数，一键优化；全局、多目标优化，特别擅长解决一些大变量、强约束以及黑箱问题；收敛速度更快速，质量好，稳健性高；度的设计变量进行直观有效的可视化分析；提供直观的决策支持功能：通过设置评价标准的权重实现设计方案的筛选、排序和敏感性

12、分析，帮助用户进行科学决策。OASIS 奥智能优化软件同时给企业和用户带来了巨大的价值：llllll设计速度，缩短开发周期；创新设计流程，实现智能设计升级；提供最佳的系统级的设计方案；降低成本，提高质量，实现企业价值最大化；工，让工专注于挖掘设计问题的内在结构和知识；给企业提供科学的决策支持工具。2.4 软件介绍OASIS 奥智能优化软件师出名门，作为第三代优化设计软件的杰出代表，它集成了业界领先的 AI 算法，能自动运行软件，自动改变输入文件，重新启动设计流程，从而消除了传统开发设计流程中的瓶颈，使整个设计流程实现全数字化和全自动化，能更快速，更高效的解决一系列的设计优化问题。2.4.1 友

13、好的操作界面OASIS（目前版本 2018.1）提供简单明了的图形用户界面。用户可以很容易地定义设计目标、约束以及变量。由于无需选择优化算法和调节参数，用户可以很方便快捷地进行优化设计。5恩峰智能科技发展（上海）2.4.2 业界领先的 AI 算法OASIS 提供了业界领先的 AI 算法，能高效解决一系列的设计优化问题，包括单目标、多目标、强约束、昂贵约束、大变量以及多峰值等问题。OASIS 的智能封装优化算法，可以实现一键优化，无需选择优化算法和参数。并且软件还提供 DOE 试验设计功能。6恩峰智能科技发展（上海）2.4.3 友好的问题定义模块OASIS 的问题定义模块简单易用，可以快速简单地

14、定义优化设计问题。由于Babel 语言的支持，可以灵活快速地输入公式，并伴有内置的语法显示和表检验。7恩峰智能科技发展（上海）2.4.4 灵活稳健的集能目前版本（2018.1）的 OASIS 奥智能优化软件总共有三个集成接口组成。l通用集成接口OASIS 可以通过一个稳健的集成引擎来与任何外部模型集成。用户只需使用原始模型的输入和输出文件就可以很容易地定义集成方式，形成各行各业具有特色的智能设计优化软件。并且集成引擎支持多重工具的数据流，迭代和文件监视，还可以用 PowerShell来支持高级灵活的集成任务，对集成进行包装简化。8恩峰智能科技发展（上海）lAnsys Workbench 接口目

15、前版本（ 2018.1 ）的 OASIS 智能优化设计软件有一个专门为 AnsysWorkbench（CAE软件）14.0 版本以上所开发的应用接口。Ansys Workbench接口和一般接口不一样，不需要使用原始模型的输入和输出文件来进行前期的集成配置，可以在 Ansys Workbench 中直接打开 OASIS 插件一键进行集成设计优化，十分简便。Ansys 作为世界上最大的软件之一，收购了众多的仿真软件如 Fluent、CFX、Maxwell、LS-Dyna 等等，通过 Ansys Workbench 平台接口真正能做到多学科智能优化设计。lSolidWorks 接口目前版本（201

16、8.1）的 OASIS 智能优化设计软件有一个专门为 SolidWorks（CAD 设计软件）2017 版本以上所开发的应用接口。SolidWorks 接口和 AnsysWorkbench 接口一样，可以直接打开 SolidWorks 里的 OASIS 插件提取所设计的变量参数并一键进行设计优化，十分简便。9恩峰智能科技发展（上海）2.4.5 公式及集成验证功能OASIS 可以轻松地验证在任何设计中的公式和模型，以确保接口的正确性。OASIS 还在验证过程中收集和保存诊断信息，以便在故障排除过程中向客户提供有用的信息。2.4.6度可视化系统OASIS 提供了一套可视化工具，能够对度的设计变量进

17、行有效的可视化分析。从独特的带状二维图到特征丰富的，将所有的可视化工具无缝地整合在一起，使用户可以获得最多的关于设计问题本身的知识。10恩峰智能科技发展（上海）2.4.7 结果列表数据分析功能OASIS 可以把优化过程中的数据全部在结果列表里，且每一组数据无缝地和可视化系统对应起来。也可以对数据进行排序移动，增加对设计问题本身的理解。亦可检验结果列表当中的任意一组数据，自动重新进行优化设计。2.4.8 决策方案的筛选和分析功能在工程和商业中的决策涉及不同因间的权衡是很常见的。OASIS 提供了一个使用客观指标来做出更好决策的模块，可以运用数据集的权重、筛选和敏感系数来做数据驱动类的决策。OAS

18、IS 还在模块中提供了一套可视化工具，可以对数据和权重进行可视化分析。此模块可用于各种决策问题，比如设计方案的比较，供应商的选择，竞标分析等等。11恩峰智能科技发展（上海）2.4.9 优化设计报告书OASIS 在优化设计计算结束之后可以生成一个 Excel 格式的报告书，供用户进行汇报以及分析。2.4.10 项目历史和导航功能OASIS 具有一个全面的项目历史和导航面板，它所有用户操作，并用户恢复并检查过去的配置和生成的数据与历史设计方案。所有的项目配置和数据都保存在一个紧凑和便携的文件中。12恩峰智能科技发展（上海）2.4.11 可移植及可修改的配置文件OASIS 可以将所有配置数据以用户可

19、读、可修改的格式导出共享。这增强了项目的可移植性，方便与同事和客户共享配置数据。3. OASIS 智能优化设计应用案例3.1 汽车案例3.1.1 基准和焊接工艺设计：焊接夹具夹紧点位置优化设计通用汽车的一个问题是白车身装配过程中冲压件的点和夹具位置对最终装配质量有影响。该公司试图找到这些零件的装配点和夹具的最佳位置，使得最终的装配精度最高，以减少制造质量问题，从而降低制造成本并提高质量。车身侧门装配件13恩峰智能科技发展（上海）在此之前，通用汽车公司制造团队花了大量的时间来评估不同的设计方案，他们为只含 10 个变量的小装配件尝试了 35 万种不同的方案，结果还是不尽如人意。结合 OASIS

20、独有的优化算法，仅用了 2000 个尝试方案就找到了最佳的点和夹具位置，最终获得了用户的高度认可。初始之后，通用公司希望可以利用 OASIS 完成更高难度的优化设计一个大的装配件的优化工作。这个装配件有 10 个不同的零件和 50 个需要优化的位置，如下图。如果考虑每个位置的 x 和 y 座标，这个问题有 100 个设计变量。输入与输出之间不存在显示函数方程，更为复杂的是，由于每个点和夹具可以放置在数千个可能的位置上，这个问题本质上是个组合问题，所有可能的设计方案总数大约是2 × 10172，如下图。14恩峰智能科技发展（上海）此外，装配质量是在 200 多个质量点上测量的。这使得这

21、一问题变成了多目标优化问题，这通常比单目标优化更难解决。综上所述，可总结为下图。借助 OASIS 优化系统只进行了 10000 次尝试，便找到了最优的方案。此方法使得这个具有 10 个部件的装配件质量提高了 65%，其点与夹具位置优化前后对比如下如所示。优化前优化后15恩峰智能科技发展（上海）3.1.2 装配工艺：柔性装配中夹具位置优化设计在柔性装配中，往往会出现回弹力的作用，因此会造成一定的组件回弹变形。回弹是薄板冲压成形中常见的缺陷，回弹的存在不仅降低了冲压组件的形状精度和表面质量，从而严重影响整车装配的偏差。柔性装配中夹具的位置往往决定了回弹偏差的大小，进而决定了整车的装配质量。所以对柔

22、性装配夹具位置的优化是十分重要的，下图为柔性装配中回弹图解。此案例用经典 Ansys APDL 来进行有限元模拟求解。首先先导入钣金几何模型以及初始的夹具位置，之后建立边界条件，输入夹紧力等，构建有限元仿真模型，计算求解回弹变形。变量为夹具点的位置坐标，目标是求得 CP1 和 CP2最小的回弹变形之和，且约束夹具点的位置范围，如下图所示。综上所示，确定优化模型如下图。16恩峰智能科技发展（上海）在优化前，OASIS 只需配置Ansys APDL 的初始模型令流输入文件和结果输出文件即可。集成之后便可自动进行设计优化循环迭代计算。通过智能优化算法以最少的时间得到最优的设计结果。3.1.3 底盘设

23、计：车架加强筋位置及前横梁截面优化设计此为国内汽车底盘零部件供应商万安案例，其要求是在一车架加三组加强筋，初始模型如下图。如何设计加强筋以及位置才能使车架的总质量最小，下图为凭借工个人经验所设计的加强筋以及位置。17恩峰智能科技发展（上海）首先，构建优化模型，由问题可知，共有 8 个变量，它们分别是两组加强筋的添加角度、高度、宽度以及另一组加强筋的高度和宽度。目标是使得车架的总质量最小。且无约束条件。在这个问题当中，先运用了 ANSA 的前期处理功能，划分处理网格，其次利用 ANSA 的二次开发接口和 morphing mesh 功能，编写基于 Python 语言令流输入文件，从而根据输入文件

24、来自动生成网格,得到加完加强筋的模型文件。本案例使用的是 Optistruct 有限元求解器，根据 ANSA 的新模型文件来进行求解，以得到结果输出文件。该初始流程走通后便可进行优化配置，该问题为多软件（ANSA+Optistruct+OASIS）的集成问题，我们可以利用 PowerShell 来进行集成包装简化。最终，通过 OASIS 的智能优化算法，比该公司所用其他优化软件时间从一周减少到半天，重量从优化前的 6.81Kg 减少到 4.41Kg，减重 35%。3.1.4 汽车设计：汽车碰撞性能优化设计由于协议，此案例将不进行详细地数据分析阐述。汽车碰撞性能是汽车安全的重要指标。根据实际碰撞

25、结果，公司给 Empower 一个包含 124 个变量68 个强约束的优化问题。目前没有一个商业软件可以找到满足所有约束的设计。OASIS 只用了 2000 个搜索点就找到了最优的设计方案并满足所有的施加约束，且比最好的方法快了一倍。18恩峰智能科技发展（上海）3.1.5 汽车设计：冷冻卡车墙壁优化设计全球有超过百万的冷冻卡车和 4 万多的冷冻集装箱向全世界分发大量冷藏和冷冻食品。这些卡车的冷冻成本高达整车能耗的 40%。制冷系统能耗的任何改善都会对消耗、温室气体排放、食品运营成本产生巨大的影响。此案例设计的重点是在冷藏车的保温层。传统设计是整块喷涂隔热，再铺垫板和纤。在发生碰撞的情况下，必须

26、拆除换掉整个绝缘材料。新的19恩峰智能科技发展（上海）设计为采用模块化，预装型含绝缘材料气凝胶的墙壁，其模块结构示意图及相关设计变量如下图所示。变量的可取范围如下图所示。且n1是沿长度方向的模块数，n2是沿宽度方向的模块数。设计目标是在均匀荷载1500 N/𝑚2，安全系数为 2 的情况下，尽量减小面板的最大挠度。荷载垂直于面板(沿 Z 方向)施加，由于面板是卡车的内部，所以假设所有底板节点沿 Z 方向位移为零。假设面板中心 XOY 平面位移为零来避免自由制成，杨氏模量为2 × 109，泊松比为 0.4。根据国际体运动。面板由 PVC易腐烂食品协定,重型绝缘冷藏车体的传

27、热系数必须等于或小于0.4 W/𝑚2𝐾。另外，每个面板的为1.0m × 0.5m，面板的高度(h + 𝑡𝑝)应小于 85 mm。综上所述，优化模型如下所示。20恩峰智能科技发展（上海）本案例通过经典 Ansys APDL 来模拟计算目标。第一组约束是高度约束，第二组约束是限制了传热系数。这里需要注意，该问题变量涉及到连续变量和离散变量的混合问题。对 OASIS 进行优化前配置，Ansys APDL 的输入和输出文件以进行自动设计优化循环迭代。本案例对 Ansys APDL 调用了 265 次就得到了最佳的解决方案。优化后

28、的结构有限元模型如下图所示。相比之下，使用遗传算法工具箱解决问题的话，最优结果会随着函数调用的增加而变差，其性能比较如下图所示。3.2 航天案例3.2.1 直升飞机引擎进气导形状优化设计航空结构的形状对于其空气动力学性能。在设计直升机部件的形状21优化算法最大挠度（mm）迭代调用次数总优化时间OASIS0.0242650.5hrs遗传算法0.041>500015-20hrs恩峰智能科技发展（上海）时，还必须综合考虑诸如空气阻力、成本和可制造性等多种因素。直升机通常用于偏远地区的搜索和救援工作。北部地区的寒冷气温往往会引起发进气口附近或发冷却舱进气口附近积冰。发生这种情况时，发由于缺乏空气

29、或过热而失效。这个问题在和英国都造成过伤亡。为了更好地解决结冰问题，除了通过转移发废热来加热进气导，以防止冰块外，还需要优化进气导的形状。如果进气导太大，则会增加空气阻力，并且热量难以到达导的尖端。如果导太小，则不能将足够的空气引向发。因此，当同时考虑到结冰和发性能时，必须对进气导的形状进行优化，如下图所示。上图为直升机引擎进气口剖面图，本案例需构建两个计算模型，第一个是基于有限元分析（ FEA ）的热传导模型，第二个是基于计算流体动力学（CFD）的气流模型，下图分别为热传导模型网格和气流场模型网格。22恩峰智能科技发展（上海）分别计算导的温度梯度以及气流参数，下图分别为进气导温度分布以及进气

30、导外部气流速度场分布。进气导的形状通过五个几何变量来。这些变量组成一个变量向量，每个向量定义一个完整的进气导形状设计。利用 OASIS 来驱动这些变量的变化，从而改变进气口形状，将不同形状的进气导几何模型分别到 FEA 和 CFD，导的温度梯度变化和影响发性能的气流参数，然后将两个模型的评估结果返回到 OASIS，OASIS 对分析结果进行处理，并智能地生成一组新的形状进行进一步的评估，直至找到最佳几何形状为止。本案例仅通过37 次计算，就找到了最佳的几何形状，如下图所示。模型在没有结冰的前提下，将发性能提高了 7%。23恩峰智能科技发展（上海）3.2.2 宇航船优化设计本案例为宇航船优化设计

31、，其结构如下图所示。宇航船侧壁为方格网结构，其中每个方格可以各不相同，材料为铝合金。该如何设计方格网结构，才能在达到要求的基础上，使用的材料也是最少的。为了提高计算效率，简化构建等效模型如下图。可知，共有 27 个设计变量，分别为 25 个方格网结构、厚度以及方格网深度。该案例有两个约束，分别为方格网深度不可大于厚度以及荷因子要大于 10 从而结构发生屈曲变形。目标为使方格网结构体积最小，节约材料。其有限元模型如下如图，边界条件为顶端均匀受压，两侧为无摩擦支持且底端固定。24恩峰智能科技发展（上海）本案例使用 Ansys Workbench 的静态结构分析模块耦合屈曲变形分析模块进行求解计算，

32、下图分别为静态结构分析以及线性屈曲变形分析。静态结构分析线性屈曲变形分析通过 OASIS 的 Ansys Workbench 接口进行一键配置并优化，无需AnsysWorkbench 的输入和输出文件。本案例仅通过 177 次计算，就找到了最佳的方格网结构，且满足所有的约束条件，材料比优化前节省了 25%，如下图所示。25恩峰智能科技发展（上海）3.3 透平机械案例3.3.1 离心泵优化设计离心泵因其结构简单、扬程高等特点广泛应用于农业、航空航天、船舶等领域。利用 OASIS 优化系统可以快速实现离心泵的优化设计。下表为离心泵额定点的设计参数：选择专业的旋转机械设计软件CFturbo 作为离心

33、泵的水力设计工具，根据额定点设计参数，流程化的完成离心泵各部件的初始设计，下图为离心泵的流体域，主要由叶轮和蜗壳组成。选择专业的旋转机械分析软件Simerics-MP进行离心泵的分析及结果提取工作。兼顾计算时间和精度，本文选择中等网格作为优化设计的网格，CFD 计算方法采用有限体积法来离散方程；差分格式采用的一阶迎风格式；湍流模型选取的是标准 k-e 模型；进口边界条件为进口条件，出口采26参数名称流量（m³/h）扬程（m）转速（rpm）介质数值6050290020清水恩峰智能科技发展（上海）用体积流量出口；固壁边界采用标准壁面函数法，收敛精度为1 × 105；计算方法为定

34、常计算；迭代步数为 500 步。最终得到的网格数为 121631，如下图所示。本案例旨在保证扬程以及模型的前提下，额定点的水力效率最高，具体优化自变量、约束条件以及优化目标如下表所示，根据优化目标以及约束条件，选择叶轮、叶片形状以及子午面形状等共计 10 个参数作为自变量进行27恩峰智能科技发展（上海）优化。优化过程耗时 13hours，完成了 100 个案例的计算。绘制叶轮轴面图以及三维图进行对比，如下图所示。从轴面型线对比图可以看出，相对于原始模型，优化后的模型在叶片进口边、前后盖板型线以及叶轮均有所调整，同时，叶片进口安放角、叶片出口安放角以及叶片包角均有所改变。28参数优化目标离心泵水

35、力效率最高约束条件扬程 H50m叶轮外径 d20.22m自变量叶轮进口直径叶轮出口直径叶轮出口宽度叶轮轴向高度叶轮前/后盖板型线叶片进口边位置叶片数叶片出口安放角叶片包角恩峰智能科技发展（上海）为了精细计算结果，本文分别对优化前后模型重新进行了网格划分，最终网格总数为 332341 和 342777，以优化前模型为例网格如下所示。29恩峰智能科技发展（上海）下表分别为优化前后离心泵整体扬程特性曲线以及效率特性曲线。从离心泵的外特性曲线的数值分析结果来看，在满足扬程以及模型的约束下，经过100 次迭代，额定点效率提高到 87.5%，相比初始方案提高了约 5%；以更少的迭代数获得更好的优化结果，合

36、适的优化算法往往能达到事半功倍的效果。结合离心泵内特性，对于优化前后模型进行细致剖析。下图为优化前后轴面图速度矢量分布，从图中可以看出，优化后的模型速度矢量明显得带，回流消失。30恩峰智能科技发展（上海）从离心泵内部流线可以看出，优化前在蜗壳扩散段存在着明显的回流，优化之后，这一现象消失，内部更加顺畅。3.3.2 离心泥浆泵优化设计离心泥浆泵因其输送介质为固液混合物，所以其设计有别于传统的清水离心泵设计。泵在运行过程中，泥浆中的固体颗粒会对叶轮及其他装置产生磨损，因此，需要通过增加叶片厚度以及降低叶片数的方法保证泥浆在泵流道内顺畅。离心泵部件及工作原理31恩峰智能科技发展（上海）下图为泥浆泵结

37、构域初始模型，从图中可以看出该泥浆泵为典型的离心泵，部件主要由叶轮和蜗壳组成。与初始模型相比，本案例旨在保证小流量和额定流量所对应扬程以及全流量效率变化不大的前提下，使泥浆泵的额定流量至大流量范围内的扬程曲线更加陡峭，即优化目标为最小流量点所对应的扬程与最大流量点所对应的扬程之差最大化。采用 Ansys BladeMer 进行参数化建模，采用 Ansys Meshing 进行网格划分，采用 Ansys CFX 进行计算,采用 OASIS的 Ansys Workbench 接口进行一键优化集成配置。兼顾计算精度和计算时间，优化设计叶轮采用单流道，最终结果利用全流道进行校核。叶轮部分网格较精细，数

38、量为 86000，蜗壳部分网格较为粗糙，数量为 100000，为了缩短优化周期，CFD分析采用定常计算。泥浆泵结构域泥浆泵流体域32恩峰智能科技发展（上海）单流道叶轮及蜗壳网格本案例耗时 150hours 进行了 300 个案例的计算。下图分别为优化前后扬程与效率的结果曲线。曲线横坐标代表各工况点流量与最大流量的比值，纵坐标代表各工况点扬程与最小流量点扬程的比值。由于，只给出优化之后的三个点的数值。图中曲线代表优化前全流道计算结果，灰色曲线代表优化后全流道计算结果，橙色曲线代表优化后单流道计算结果。从扬程曲线可以看出以下结论：ll小流量到额定流量范围内，三条曲线较为接近；额定流量到大流量范围内

39、，优化后的扬程曲线明显陡于优化前的扬程曲线，扬程差分别提升了 73%（单流道）和 65.9%（全流道）；l优化后的单流道与全流道结果比较得知，单流道与全流道的曲线非常接近，全流道的所有结果均高于单流道。扬程对比曲线从效率曲线可以得出以下结论：ll除大流量工况外，其余工况的效率优化前后变化不大；单流道的效率高于全流道的效率。33恩峰智能科技发展（上海）效率对比曲线3.3.3 涡轮叶片形状优化设计该案例为挪威涡轮叶片形状的优化，目的是降低总损失系数，其涡轮叶片结构如下图。前期通过精密测量中的点云测量，对建造前的涡轮叶片模型进行参数数字化，选取 10 个点，每个点有 2 个坐标轴，因此共有 20 个

40、参数变量，再用构建要优化的参数形状方程模型，如下图所示。34恩峰智能科技发展（上海）通过 COMSOL Multiphysics 的流场分析来进行求解，如下图。最后通过OASIS 并利用通用集成接口，找到参数模型的输入和输出文件进行配置并自动设计优化，得到了效果最佳的涡轮叶片形状。35恩峰智能科技发展（上海）3.4电池案例3.4.1电池部件和系统优化设计由于协议，此案例将不进行详细地数据分析阐述。OASIS 具备多目标优化的能力，通过设置多个优化目标，结合软件独有的优化算法以及后处理功能，可以将多目标问题转化为单目标问题。如下面介绍到的白能源公司案例,本案例旨在通过对电池的部件和系统优化，达到

41、提高能量密度和降低成本的目的。约束条件为总体积必须小于汽车后备箱容积。设计变量包括几何，运行参数，和系统配置参数共七个变量。优化模型如下图所示。优化结果与工根据经验设计相比，能量密度提高了 43%，同时成本降低了 16%。电池系统集成设计36恩峰智能科技发展（上海）3.5 发电机案例3.5.1 发电机输入转矩优化设计此案例是基于 Ansys Workbench 中的 Maxwell 模块进行有限元模拟分析计算以及 OASIS 的 Ansys Workbench 接口来进行一键配置优化。如下图所示，为节省计算时间，截取发电机模型的一部分来进行计算。设计变量为发电机负载电阻和绕组匝数，目标是对发电

42、机输入转矩进行优化。本案例为测试案例，在相等条件下，OASIS 搜素效率高，时间更短，搜索结果一致性好。且在优化结果相同的条件下，OASIS 只调用了 21 次计算，计算总用时 50 分钟，Ansys 自带优化工具用时 5 个小时。3.6 个性化定制自动优化设计流程案例3.6.1 引擎自动优化设计作为辅助设备常用于消除工业引擎的噪声，如下图。飞利浦和业公司 40%的引擎都由客户订制。对这样的设计问题，通常需要一个工程师花费至少 16 个小时的时间才能设计出来并生成图纸。但是客户需要一个能通过网上订购的平台，厂商可以进行全自动优化设计并把设计结果和报价通过互联网反馈给客户。因此怎样才能使设计过程

43、自动化且设计出制造成本最低的呢？37恩峰智能科技发展（上海）首先 Empower 在前端打造了一个网上订购平台。客户可以通过网上平台告诉厂户需求。在我们建立了详细的生产成本模型和功能模型，并且进行全自动优化设计。最后优化设计结果以及所有相关图纸都自动生成，并且通过互联网将自动报价反馈给客户。下图显示了我们的解决策略，实现了网上订货和自动优化设计系统。平均生产成本节省 48%，设计时间从 16 小时削减到 1 分钟。38恩峰智能科技发展（上海）3.7 离散流程优化案例3.7.1 医院室流程优化由于难以突然增多的流量室等待时间过长一直是困扰人的问题。医院信息与的流程与管理效率直接影响生命安全、医院

44、的收入、和满意度。圣保罗医院室想知道哪些因素导致了等待时间过长，有哪些措施可以看病过程，如何在等待时间和投入之间找到最优的平衡。因此我们考虑了以下因素：llll增加配置；根据拥挤程度，等待时间，部门临时性的关闭等情况分配现有；寻找之间的最优配搭；缩短在室的全部就诊时间。我们使用专门的流程软件 ARENA 建立了详细的室流程模型。下图是一个浓缩的流程示意图。此模型经过 17 万条的仔细校验。39恩峰智能科技发展（上海）以下是我们找到的有趣结果：llll在下午新增一个医生对减少等待时间没有明显的帮助；病床和护士必须与其他一起在多个部门同时增加才能减少等待时间；使用快速评估区可平均减少等待时间 100 分钟；而诊断治疗区的即使减少 50%，也太增加等待时间。因此 Empower 优化了医生、护士和床位的协同配置，减少了 DTU 部门 50%的浪费，缩短了平均等待时间 100 分钟。3.7.2 能源系统优化曼尼托巴水电公司常输出其丰富的水电给邻省安大略省和美国，每年的量都以亿（）计，如下图所示。曼尼托巴水电公司的能源系统部门需要知道如何确定电站的发电量，使得公司能在不稳定性的前提下，能卖给安大略省最多的电。传统的方法是查找通过经验和历史数据汇编而成的表格来确定发电量。但随着能源系统和市场的不断变化，以及每年不同的储水情况，公司需要相应