奧智能優(yōu)化軟件介紹

1、恩峰智能科技發(fā)展（上海）目錄1.智能優(yōu)化設計介紹12.恩峰智能科技及OASIS 智能優(yōu)化軟件介紹22.1公司介紹22.2軟件算法及團隊介紹22.3軟件技術優(yōu)勢42.4 軟件介紹52.4.1 友好的操作界面52.4.2業(yè)界領先的 AI 算法62.4.3友好的問題定義模塊72.4.4靈活穩(wěn)健的集能82.4.5公式及集成驗證功能102.4.6度可視化系統102.4.7結果列表數據分析功能112.4.8決策方案的篩選和分析功能112.4.9優(yōu)化設計報告書122.4.10 項目歷史和導航功能122.4.11 可移植及可修改的配置文件133.OASIS 智能優(yōu)化設計應用案例133.1 汽車案例133.1.

2、1 基準和焊接工藝設計：焊接夾具夾緊點位置優(yōu)化設計133.1.2 裝配工藝：柔性裝配中夾具位置優(yōu)化設計163.1.3 底盤設計：車架加強筋位置及前橫梁截面優(yōu)化設計 173.1.4 汽車設計：汽車碰撞性能優(yōu)化設計183.1.5 汽車設計：冷凍卡車墻壁優(yōu)化設計19恩峰智能科技發(fā)展（上海）3.2 航天案例213.2.1 直升飛機引擎進氣導形狀優(yōu)化設計213.2.2 宇航船優(yōu)化設計243.3 透平機械案例263.3.1離心泵優(yōu)化設計263.3.2離心泥漿泵優(yōu)化設計313.3.3渦輪葉片形狀優(yōu)化設計343.4電池案例363.4.1電池部件和系統優(yōu)化設計363.5 發(fā)電機案例373.5.1 發(fā)電機輸入轉矩

3、優(yōu)化設計373.6 個性化定制自動優(yōu)化設計流程案例373.6.1 引擎自動優(yōu)化設計373.7 離散流程優(yōu)化案例393.7.1 醫(yī)院室流程優(yōu)化393.7.2 能源系統優(yōu)化403.8 其他優(yōu)化案例413.8.1 煙道導流板優(yōu)化設計414.總結43恩峰智能科技發(fā)展（上海）1. 智能優(yōu)化設計介紹在過去的幾十年中，第一代計算機輔助制圖(CAD)和第二代計算機分析與仿真(CAE)的飛速發(fā)展大大提高了設計的設計速度和質量。在目前主流的傳統設計流程中，設計利用 CAD/CAE 等專業(yè)軟件進行建模和，根據結果進一步人工優(yōu)化設計方案，然后重新進行，不斷地進行設計、評估、改進循環(huán)，最后達到設計目標。在這個傳統設計的

4、循環(huán)設計流程中，設計碰到的問題也是顯而易見的：l開發(fā)周期長，效率低下：大部分工作是重復性工作，不停的試錯，需要耗費大量的人力和時間；ll嚴重依賴經驗：設計質量很大程度上依賴于設計的經驗；很難獲得系統優(yōu)化解決方案：由于設計進度和成本的，設計很難考慮很多方案，也就很難獲得系統級最優(yōu)解決方案。隨著各類 CAD、CAE 軟件的集成化環(huán)境的，以及多學科優(yōu)化技術的成熟，用計算機軟件代替人工進行設計、評估、改進環(huán)節(jié)，從而實現自動和智能地搜索設計方案已經變?yōu)楝F實，這就是我們倡導和推廣的第三代智能設計流程。1恩峰智能科技發(fā)展（上海）2. 恩峰智能科技及 OASIS 智能優(yōu)化軟件介紹2.1 公司介紹恩峰智能科技發(fā)

5、展（上海）是Empower Operations 中國子公司。Empower Operations Corp.公司成立于 2014 年 2 月，公司位于溫哥華，公司致力于提供世界最先進的和流程設計的技術和工具。公司旗艦 OASIS 奧智能優(yōu)化設計軟件凝聚了團隊 20 多年的研發(fā)成果，智慧地集成了人工智能，學習，統計和數學的業(yè)界領先算法，可以幫助工程師更加快速地、高效地尋找到最好的和流程設計方案，進行高效的參數化設計優(yōu)化，使整個設計流程實現全數字化和自動化。Empower Operations Corp.提供的和服務還廣泛應用于汽車、航空航械、電子通信、交通物流、醫(yī)療、石油化工等眾多行業(yè)。Emp

6、ower Operations 愿攜世界領先的 AI 算法和 OASIS奧智能優(yōu)化設計軟件，助力中國企業(yè)，一起開創(chuàng)智能決策的新篇章！2.2 軟件算法及團隊介紹優(yōu)化算法領域紛繁浩渺，已經有幾十年的發(fā)展歷史了。從傳統經典優(yōu)化方法、發(fā)展到元啟發(fā)式方法、模型法，再到最近幾年如火如荼的最新的基于 AI 和學習的優(yōu)化算法。經典優(yōu)化理論最早可以從微中找到其雛形，最早由美籍匈牙利數學家J.von在 1947 年提出的 Theory of Duality 對偶理論；從上世紀 50 到 70年始，基于梯度、局域優(yōu)化的經典優(yōu)化算法發(fā)展日趨成熟，對一些線性問題得到了很好的解決，很多軟件都可以在網上獲得，目前用得較多的

7、是CPLEX, LINDO, GAMS，SNOPT 和。但這些軟件并不能很好的適用現代工程設計無方程式，全局優(yōu)化的需求。從上世紀 80 年代后期開始，以進化算法為代表的元啟發(fā)式方法,以其全局搜索、穩(wěn)定可靠、無需方程等特點得到工的青睞。這些方法包括遺傳、模擬退火、粒子群、螞蟻算法等。但是這些算法計算量大，計算時間長，無法處理昂貴約束，所以仍然基于的現代工程設計需求。2恩峰智能科技發(fā)展（上海）從上世紀 90 年代起，以模型為基礎的優(yōu)化方法興起，在工程設計上很大程度上可以解決一些小變量優(yōu)化問題。這一波催生了像 Isight 等一批比較知名的優(yōu)化軟件，但它們仍然不能很好的解決汽車、航空航天、軍工、機械

8、和電子行業(yè)中常見的大變量，昂貴約束的工程問題，這些大變量問題在科學界稱之為“高變量”。直到本世紀科學界才找到一些解決曾被叫做“高變量”的大變量設計問題的算法教授提出了基于徑向基函數的模型表征方法（HDMR），開創(chuàng)并引領了在近似優(yōu)化領域應用模型表征方法（HDMR）來解決“高變量”問題的研究。恩峰公司的 OASIS 奧智能優(yōu)化設計軟件就在這樣的背景下從（SFU設計與優(yōu)化）孵化而成。EmpowerOperations Corp.創(chuàng)始人博士是該設計與優(yōu)化（）的人，他的團隊被公認為該領域世界領先團隊之一。畢業(yè)于華技大學，師從原中國工程院院長教授。1999 年從大學博士畢業(yè)以后，受聘于曼尼托巴大學，現為名

9、校西門菲沙大學終身正教授，在工程設計自動化領域潛心研究 20 多年，在國際著名期刊和大會上160 多篇學術和多個技術專利。OASIS 奧智能優(yōu)化設計軟件凝聚了團隊 20 多年的研發(fā)成果，智慧地集成了人工智能，學習，統計和數學的業(yè)界領先算法：ll追峰法（全局優(yōu)化）Mode Pursuing Sampling (MPS)；面追索法（多目標優(yōu)化）Pareto Set Pursing (PSP)；3恩峰智能科技發(fā)展（上海）l基于徑向基函數的模型表征方法（問題優(yōu)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優(yōu)化法(OMID)等等。全球各個地區(qū)超過幾百次的研究程序總次數超過 5000 多次，開創(chuàng)并引領了在近似優(yōu)化領域應用模型表征技術（HDMR）的研究熱潮。在我們 OASIS 奧中的算法比公開的算法更加快速高效，這些算法可以幫助工更加快速地、高效地尋找到最好的和流程設計方案，進行高效的參數化設計優(yōu)化，使整個設計流程實現全數字化和自動化。2.3 軟件技術優(yōu)勢OASIS 奧智能優(yōu)化軟件具有行業(yè)內領先的技術，集成了業(yè)界領先的 AI算法，可以方便地與其它模型集成或直接使用實驗數據，進行高效的參數化設計優(yōu)化，特別擅長解決一些大變量、強約束以及黑箱問題。

11、同時 OASIS 的智能封裝優(yōu)化算法，可以實現一鍵優(yōu)化，無需選擇優(yōu)化算法和參數。此外，OASIS 還提供可視化評估優(yōu)化結果以及直觀的決策支持功能?？偨Y下來，相比其他優(yōu)化軟件，OASIS 奧智能優(yōu)化軟件具有以下明顯的技術特點：l更加簡單明了的圖形用戶界面：可以很容易地定義設計目標、約束以及變量；4恩峰智能科技發(fā)展（上海）lllll傻瓜式智能封裝算法：無需選擇算法和設置算法參數，一鍵優(yōu)化；全局、多目標優(yōu)化，特別擅長解決一些大變量、強約束以及黑箱問題；收斂速度更快速，質量好，穩(wěn)健性高；度的設計變量進行直觀有效的可視化分析；提供直觀的決策支持功能：通過設置評價標準的權重實現設計方案的篩選、排序和敏感性

12、分析，幫助用戶進行科學決策。OASIS 奧智能優(yōu)化軟件同時給企業(yè)和用戶帶來了巨大的價值：llllll設計速度，縮短開發(fā)周期；創(chuàng)新設計流程，實現智能設計升級；提供最佳的系統級的設計方案；降低成本，提高質量，實現企業(yè)價值最大化；工，讓工專注于挖掘設計問題的內在結構和知識；給企業(yè)提供科學的決策支持工具。2.4 軟件介紹OASIS 奧智能優(yōu)化軟件師出名門，作為第三代優(yōu)化設計軟件的杰出代表，它集成了業(yè)界領先的 AI 算法，能自動運行軟件，自動改變輸入文件，重新啟動設計流程，從而消除了傳統開發(fā)設計流程中的瓶頸，使整個設計流程實現全數字化和全自動化，能更快速，更高效的解決一系列的設計優(yōu)化問題。2.4.1 友

13、好的操作界面OASIS（目前版本 2018.1）提供簡單明了的圖形用戶界面。用戶可以很容易地定義設計目標、約束以及變量。由于無需選擇優(yōu)化算法和調節(jié)參數，用戶可以很方便快捷地進行優(yōu)化設計。5恩峰智能科技發(fā)展（上海）2.4.2 業(yè)界領先的 AI 算法OASIS 提供了業(yè)界領先的 AI 算法，能高效解決一系列的設計優(yōu)化問題，包括單目標、多目標、強約束、昂貴約束、大變量以及多峰值等問題。OASIS 的智能封裝優(yōu)化算法，可以實現一鍵優(yōu)化，無需選擇優(yōu)化算法和參數。并且軟件還提供 DOE 試驗設計功能。6恩峰智能科技發(fā)展（上海）2.4.3 友好的問題定義模塊OASIS 的問題定義模塊簡單易用，可以快速簡單地

14、定義優(yōu)化設計問題。由于Babel 語言的支持，可以靈活快速地輸入公式，并伴有內置的語法顯示和表檢驗。7恩峰智能科技發(fā)展（上海）2.4.4 靈活穩(wěn)健的集能目前版本（2018.1）的 OASIS 奧智能優(yōu)化軟件總共有三個集成接口組成。l通用集成接口OASIS 可以通過一個穩(wěn)健的集成引擎來與任何外部模型集成。用戶只需使用原始模型的輸入和輸出文件就可以很容易地定義集成方式，形成各行各業(yè)具有特色的智能設計優(yōu)化軟件。并且集成引擎支持多重工具的數據流，迭代和文件監(jiān)視，還可以用 PowerShell來支持高級靈活的集成任務，對集成進行包裝簡化。8恩峰智能科技發(fā)展（上海）lAnsys Workbench 接口目

15、前版本（ 2018.1 ）的 OASIS 智能優(yōu)化設計軟件有一個專門為 AnsysWorkbench（CAE軟件）14.0 版本以上所開發(fā)的應用接口。Ansys Workbench接口和一般接口不一樣，不需要使用原始模型的輸入和輸出文件來進行前期的集成配置，可以在 Ansys Workbench 中直接打開 OASIS 插件一鍵進行集成設計優(yōu)化，十分簡便。Ansys 作為世界上最大的軟件之一，收購了眾多的仿真軟件如 Fluent、CFX、Maxwell、LS-Dyna 等等，通過 Ansys Workbench 平臺接口真正能做到多學科智能優(yōu)化設計。lSolidWorks 接口目前版本（201

16、8.1）的 OASIS 智能優(yōu)化設計軟件有一個專門為 SolidWorks（CAD 設計軟件）2017 版本以上所開發(fā)的應用接口。SolidWorks 接口和 AnsysWorkbench 接口一樣，可以直接打開 SolidWorks 里的 OASIS 插件提取所設計的變量參數并一鍵進行設計優(yōu)化，十分簡便。9恩峰智能科技發(fā)展（上海）2.4.5 公式及集成驗證功能OASIS 可以輕松地驗證在任何設計中的公式和模型，以確保接口的正確性。OASIS 還在驗證過程中收集和保存診斷信息，以便在故障排除過程中向客戶提供有用的信息。2.4.6度可視化系統OASIS 提供了一套可視化工具，能夠對度的設計變量進

17、行有效的可視化分析。從獨特的帶狀二維圖到特征豐富的，將所有的可視化工具無縫地整合在一起，使用戶可以獲得最多的關于設計問題本身的知識。10恩峰智能科技發(fā)展（上海）2.4.7 結果列表數據分析功能OASIS 可以把優(yōu)化過程中的數據全部在結果列表里，且每一組數據無縫地和可視化系統對應起來。也可以對數據進行排序移動，增加對設計問題本身的理解。亦可檢驗結果列表當中的任意一組數據，自動重新進行優(yōu)化設計。2.4.8 決策方案的篩選和分析功能在工程和商業(yè)中的決策涉及不同因間的權衡是很常見的。OASIS 提供了一個使用客觀指標來做出更好決策的模塊，可以運用數據集的權重、篩選和敏感系數來做數據驅動類的決策。OAS

18、IS 還在模塊中提供了一套可視化工具，可以對數據和權重進行可視化分析。此模塊可用于各種決策問題，比如設計方案的比較，供應商的選擇，競標分析等等。11恩峰智能科技發(fā)展（上海）2.4.9 優(yōu)化設計報告書OASIS 在優(yōu)化設計計算結束之后可以生成一個 Excel 格式的報告書，供用戶進行匯報以及分析。2.4.10 項目歷史和導航功能OASIS 具有一個全面的項目歷史和導航面板，它所有用戶操作，并用戶恢復并檢查過去的配置和生成的數據與歷史設計方案。所有的項目配置和數據都保存在一個緊湊和便攜的文件中。12恩峰智能科技發(fā)展（上海）2.4.11 可移植及可修改的配置文件OASIS 可以將所有配置數據以用戶可

19、讀、可修改的格式導出共享。這增強了項目的可移植性，方便與同事和客戶共享配置數據。3. OASIS 智能優(yōu)化設計應用案例3.1 汽車案例3.1.1 基準和焊接工藝設計：焊接夾具夾緊點位置優(yōu)化設計通用汽車的一個問題是白車身裝配過程中沖壓件的點和夾具位置對最終裝配質量有影響。該公司試圖找到這些零件的裝配點和夾具的最佳位置，使得最終的裝配精度最高，以減少制造質量問題，從而降低制造成本并提高質量。車身側門裝配件13恩峰智能科技發(fā)展（上海）在此之前，通用汽車公司制造團隊花了大量的時間來評估不同的設計方案，他們?yōu)橹缓?10 個變量的小裝配件嘗試了 35 萬種不同的方案，結果還是不盡如人意。結合 OASIS

20、獨有的優(yōu)化算法，僅用了 2000 個嘗試方案就找到了最佳的點和夾具位置，最終獲得了用戶的高度認可。初始之后，通用公司希望可以利用 OASIS 完成更高難度的優(yōu)化設計一個大的裝配件的優(yōu)化工作。這個裝配件有 10 個不同的零件和 50 個需要優(yōu)化的位置，如下圖。如果考慮每個位置的 x 和 y 座標，這個問題有 100 個設計變量。輸入與輸出之間不存在顯示函數方程，更為復雜的是，由于每個點和夾具可以放置在數千個可能的位置上，這個問題本質上是個組合問題，所有可能的設計方案總數大約是2 × 10172，如下圖。14恩峰智能科技發(fā)展（上海）此外，裝配質量是在 200 多個質量點上測量的。這使得這

21、一問題變成了多目標優(yōu)化問題，這通常比單目標優(yōu)化更難解決。綜上所述，可總結為下圖。借助 OASIS 優(yōu)化系統只進行了 10000 次嘗試，便找到了最優(yōu)的方案。此方法使得這個具有 10 個部件的裝配件質量提高了 65%，其點與夾具位置優(yōu)化前后對比如下如所示。優(yōu)化前優(yōu)化后15恩峰智能科技發(fā)展（上海）3.1.2 裝配工藝：柔性裝配中夾具位置優(yōu)化設計在柔性裝配中，往往會出現回彈力的作用，因此會造成一定的組件回彈變形?；貜検潜“鍥_壓成形中常見的缺陷，回彈的存在不僅降低了沖壓組件的形狀精度和表面質量，從而嚴重影響整車裝配的偏差。柔性裝配中夾具的位置往往決定了回彈偏差的大小，進而決定了整車的裝配質量。所以對柔

22、性裝配夾具位置的優(yōu)化是十分重要的，下圖為柔性裝配中回彈圖解。此案例用經典 Ansys APDL 來進行有限元模擬求解。首先先導入鈑金幾何模型以及初始的夾具位置，之后建立邊界條件，輸入夾緊力等，構建有限元仿真模型，計算求解回彈變形。變量為夾具點的位置坐標，目標是求得 CP1 和 CP2最小的回彈變形之和，且約束夾具點的位置范圍，如下圖所示。綜上所示，確定優(yōu)化模型如下圖。16恩峰智能科技發(fā)展（上海）在優(yōu)化前，OASIS 只需配置Ansys APDL 的初始模型令流輸入文件和結果輸出文件即可。集成之后便可自動進行設計優(yōu)化循環(huán)迭代計算。通過智能優(yōu)化算法以最少的時間得到最優(yōu)的設計結果。3.1.3 底盤設

23、計：車架加強筋位置及前橫梁截面優(yōu)化設計此為國內汽車底盤零部件供應商萬安案例，其要求是在一車架加三組加強筋，初始模型如下圖。如何設計加強筋以及位置才能使車架的總質量最小，下圖為憑借工個人經驗所設計的加強筋以及位置。17恩峰智能科技發(fā)展（上海）首先，構建優(yōu)化模型，由問題可知，共有 8 個變量，它們分別是兩組加強筋的添加角度、高度、寬度以及另一組加強筋的高度和寬度。目標是使得車架的總質量最小。且無約束條件。在這個問題當中，先運用了 ANSA 的前期處理功能，劃分處理網格，其次利用 ANSA 的二次開發(fā)接口和 morphing mesh 功能，編寫基于 Python 語言令流輸入文件，從而根據輸入文件

24、來自動生成網格,得到加完加強筋的模型文件。本案例使用的是 Optistruct 有限元求解器，根據 ANSA 的新模型文件來進行求解，以得到結果輸出文件。該初始流程走通后便可進行優(yōu)化配置，該問題為多軟件（ANSA+Optistruct+OASIS）的集成問題，我們可以利用 PowerShell 來進行集成包裝簡化。最終，通過 OASIS 的智能優(yōu)化算法，比該公司所用其他優(yōu)化軟件時間從一周減少到半天，重量從優(yōu)化前的 6.81Kg 減少到 4.41Kg，減重 35%。3.1.4 汽車設計：汽車碰撞性能優(yōu)化設計由于協議，此案例將不進行詳細地數據分析闡述。汽車碰撞性能是汽車安全的重要指標。根據實際碰撞

25、結果，公司給 Empower 一個包含 124 個變量68 個強約束的優(yōu)化問題。目前沒有一個商業(yè)軟件可以找到滿足所有約束的設計。OASIS 只用了 2000 個搜索點就找到了最優(yōu)的設計方案并滿足所有的施加約束，且比最好的方法快了一倍。18恩峰智能科技發(fā)展（上海）3.1.5 汽車設計：冷凍卡車墻壁優(yōu)化設計全球有超過百萬的冷凍卡車和 4 萬多的冷凍集裝箱向全世界分發(fā)大量冷藏和冷凍食品。這些卡車的冷凍成本高達整車能耗的 40%。制冷系統能耗的任何改善都會對消耗、溫室氣體排放、食品運營成本產生巨大的影響。此案例設計的重點是在冷藏車的保溫層。傳統設計是整塊噴涂隔熱，再鋪墊板和纖。在發(fā)生碰撞的情況下，必須

26、拆除換掉整個絕緣材料。新的19恩峰智能科技發(fā)展（上海）設計為采用模塊化，預裝型含絕緣材料氣凝膠的墻壁，其模塊結構示意圖及相關設計變量如下圖所示。變量的可取范圍如下圖所示。且n1是沿長度方向的模塊數，n2是沿寬度方向的模塊數。設計目標是在均勻荷載1500 N/𝑚2，安全系數為 2 的情況下，盡量減小面板的最大撓度。荷載垂直于面板(沿 Z 方向)施加，由于面板是卡車的內部，所以假設所有底板節(jié)點沿 Z 方向位移為零。假設面板中心 XOY 平面位移為零來避免自由制成，楊氏模量為2 × 109，泊松比為 0.4。根據國際體運動。面板由 PVC易腐爛食品協定,重型絕緣冷藏車體的傳

27、熱系數必須等于或小于0.4 W/𝑚2𝐾。另外，每個面板的為1.0m × 0.5m，面板的高度(h + 𝑡𝑝)應小于 85 mm。綜上所述，優(yōu)化模型如下所示。20恩峰智能科技發(fā)展（上海）本案例通過經典 Ansys APDL 來模擬計算目標。第一組約束是高度約束，第二組約束是限制了傳熱系數。這里需要注意，該問題變量涉及到連續(xù)變量和離散變量的混合問題。對 OASIS 進行優(yōu)化前配置，Ansys APDL 的輸入和輸出文件以進行自動設計優(yōu)化循環(huán)迭代。本案例對 Ansys APDL 調用了 265 次就得到了最佳的解決方案。優(yōu)化后

28、的結構有限元模型如下圖所示。相比之下，使用遺傳算法工具箱解決問題的話，最優(yōu)結果會隨著函數調用的增加而變差，其性能比較如下圖所示。3.2 航天案例3.2.1 直升飛機引擎進氣導形狀優(yōu)化設計航空結構的形狀對于其空氣動力學性能。在設計直升機部件的形狀21優(yōu)化算法最大撓度（mm）迭代調用次數總優(yōu)化時間OASIS0.0242650.5hrs遺傳算法0.041>500015-20hrs恩峰智能科技發(fā)展（上海）時，還必須綜合考慮諸如空氣阻力、成本和可制造性等多種因素。直升機通常用于偏遠地區(qū)的搜索和救援工作。北部地區(qū)的寒冷氣溫往往會引起發(fā)進氣口附近或發(fā)冷卻艙進氣口附近積冰。發(fā)生這種情況時，發(fā)由于缺乏空氣

29、或過熱而失效。這個問題在和英國都造成過傷亡。為了更好地解決結冰問題，除了通過轉移發(fā)廢熱來加熱進氣導，以防止冰塊外，還需要優(yōu)化進氣導的形狀。如果進氣導太大，則會增加空氣阻力，并且熱量難以到達導的尖端。如果導太小，則不能將足夠的空氣引向發(fā)。因此，當同時考慮到結冰和發(fā)性能時，必須對進氣導的形狀進行優(yōu)化，如下圖所示。上圖為直升機引擎進氣口剖面圖，本案例需構建兩個計算模型，第一個是基于有限元分析（ FEA ）的熱傳導模型，第二個是基于計算流體動力學（CFD）的氣流模型，下圖分別為熱傳導模型網格和氣流場模型網格。22恩峰智能科技發(fā)展（上海）分別計算導的溫度梯度以及氣流參數，下圖分別為進氣導溫度分布以及進氣

30、導外部氣流速度場分布。進氣導的形狀通過五個幾何變量來。這些變量組成一個變量向量，每個向量定義一個完整的進氣導形狀設計。利用 OASIS 來驅動這些變量的變化，從而改變進氣口形狀，將不同形狀的進氣導幾何模型分別到 FEA 和 CFD，導的溫度梯度變化和影響發(fā)性能的氣流參數，然后將兩個模型的評估結果返回到 OASIS，OASIS 對分析結果進行處理，并智能地生成一組新的形狀進行進一步的評估，直至找到最佳幾何形狀為止。本案例僅通過37 次計算，就找到了最佳的幾何形狀，如下圖所示。模型在沒有結冰的前提下，將發(fā)性能提高了 7%。23恩峰智能科技發(fā)展（上海）3.2.2 宇航船優(yōu)化設計本案例為宇航船優(yōu)化設計

31、，其結構如下圖所示。宇航船側壁為方格網結構，其中每個方格可以各不相同，材料為鋁合金。該如何設計方格網結構，才能在達到要求的基礎上，使用的材料也是最少的。為了提高計算效率，簡化構建等效模型如下圖?？芍?，共有 27 個設計變量，分別為 25 個方格網結構、厚度以及方格網深度。該案例有兩個約束，分別為方格網深度不可大于厚度以及荷因子要大于 10 從而結構發(fā)生屈曲變形。目標為使方格網結構體積最小，節(jié)約材料。其有限元模型如下如圖，邊界條件為頂端均勻受壓，兩側為無摩擦支持且底端固定。24恩峰智能科技發(fā)展（上海）本案例使用 Ansys Workbench 的靜態(tài)結構分析模塊耦合屈曲變形分析模塊進行求解計算，

32、下圖分別為靜態(tài)結構分析以及線性屈曲變形分析。靜態(tài)結構分析線性屈曲變形分析通過 OASIS 的 Ansys Workbench 接口進行一鍵配置并優(yōu)化，無需AnsysWorkbench 的輸入和輸出文件。本案例僅通過 177 次計算，就找到了最佳的方格網結構，且滿足所有的約束條件，材料比優(yōu)化前節(jié)省了 25%，如下圖所示。25恩峰智能科技發(fā)展（上海）3.3 透平機械案例3.3.1 離心泵優(yōu)化設計離心泵因其結構簡單、揚程高等特點廣泛應用于農業(yè)、航空航天、船舶等領域。利用 OASIS 優(yōu)化系統可以快速實現離心泵的優(yōu)化設計。下表為離心泵額定點的設計參數：選擇專業(yè)的旋轉機械設計軟件CFturbo 作為離心

33、泵的水力設計工具，根據額定點設計參數，流程化的完成離心泵各部件的初始設計，下圖為離心泵的流體域，主要由葉輪和蝸殼組成。選擇專業(yè)的旋轉機械分析軟件Simerics-MP進行離心泵的分析及結果提取工作。兼顧計算時間和精度，本文選擇中等網格作為優(yōu)化設計的網格，CFD 計算方法采用有限體積法來離散方程；差分格式采用的一階迎風格式；湍流模型選取的是標準 k-e 模型；進口邊界條件為進口條件，出口采26參數名稱流量（m³/h）揚程（m）轉速（rpm）介質數值6050290020清水恩峰智能科技發(fā)展（上海）用體積流量出口；固壁邊界采用標準壁面函數法，收斂精度為1 × 105；計算方法為定

34、常計算；迭代步數為 500 步。最終得到的網格數為 121631，如下圖所示。本案例旨在保證揚程以及模型的前提下，額定點的水力效率最高，具體優(yōu)化自變量、約束條件以及優(yōu)化目標如下表所示，根據優(yōu)化目標以及約束條件，選擇葉輪、葉片形狀以及子午面形狀等共計 10 個參數作為自變量進行27恩峰智能科技發(fā)展（上海）優(yōu)化。優(yōu)化過程耗時 13hours，完成了 100 個案例的計算。繪制葉輪軸面圖以及三維圖進行對比，如下圖所示。從軸面型線對比圖可以看出，相對于原始模型，優(yōu)化后的模型在葉片進口邊、前后蓋板型線以及葉輪均有所調整，同時，葉片進口安放角、葉片出口安放角以及葉片包角均有所改變。28參數優(yōu)化目標離心泵水

35、力效率最高約束條件揚程 H50m葉輪外徑 d20.22m自變量葉輪進口直徑葉輪出口直徑葉輪出口寬度葉輪軸向高度葉輪前/后蓋板型線葉片進口邊位置葉片數葉片出口安放角葉片包角恩峰智能科技發(fā)展（上海）為了精細計算結果，本文分別對優(yōu)化前后模型重新進行了網格劃分，最終網格總數為 332341 和 342777，以優(yōu)化前模型為例網格如下所示。29恩峰智能科技發(fā)展（上海）下表分別為優(yōu)化前后離心泵整體揚程特性曲線以及效率特性曲線。從離心泵的外特性曲線的數值分析結果來看，在滿足揚程以及模型的約束下，經過100 次迭代，額定點效率提高到 87.5%，相比初始方案提高了約 5%；以更少的迭代數獲得更好的優(yōu)化結果，合

36、適的優(yōu)化算法往往能達到事半功倍的效果。結合離心泵內特性，對于優(yōu)化前后模型進行細致剖析。下圖為優(yōu)化前后軸面圖速度矢量分布，從圖中可以看出，優(yōu)化后的模型速度矢量明顯得帶，回流消失。30恩峰智能科技發(fā)展（上海）從離心泵內部流線可以看出，優(yōu)化前在蝸殼擴散段存在著明顯的回流，優(yōu)化之后，這一現象消失，內部更加順暢。3.3.2 離心泥漿泵優(yōu)化設計離心泥漿泵因其輸送介質為固液混合物，所以其設計有別于傳統的清水離心泵設計。泵在運行過程中，泥漿中的固體顆粒會對葉輪及其他裝置產生磨損，因此，需要通過增加葉片厚度以及降低葉片數的方法保證泥漿在泵流道內順暢。離心泵部件及工作原理31恩峰智能科技發(fā)展（上海）下圖為泥漿泵結

37、構域初始模型，從圖中可以看出該泥漿泵為典型的離心泵，部件主要由葉輪和蝸殼組成。與初始模型相比，本案例旨在保證小流量和額定流量所對應揚程以及全流量效率變化不大的前提下，使泥漿泵的額定流量至大流量范圍內的揚程曲線更加陡峭，即優(yōu)化目標為最小流量點所對應的揚程與最大流量點所對應的揚程之差最大化。采用 Ansys BladeMer 進行參數化建模，采用 Ansys Meshing 進行網格劃分，采用 Ansys CFX 進行計算,采用 OASIS的 Ansys Workbench 接口進行一鍵優(yōu)化集成配置。兼顧計算精度和計算時間，優(yōu)化設計葉輪采用單流道，最終結果利用全流道進行校核。葉輪部分網格較精細，數

38、量為 86000，蝸殼部分網格較為粗糙，數量為 100000，為了縮短優(yōu)化周期，CFD分析采用定常計算。泥漿泵結構域泥漿泵流體域32恩峰智能科技發(fā)展（上海）單流道葉輪及蝸殼網格本案例耗時 150hours 進行了 300 個案例的計算。下圖分別為優(yōu)化前后揚程與效率的結果曲線。曲線橫坐標代表各工況點流量與最大流量的比值，縱坐標代表各工況點揚程與最小流量點揚程的比值。由于，只給出優(yōu)化之后的三個點的數值。圖中曲線代表優(yōu)化前全流道計算結果，灰色曲線代表優(yōu)化后全流道計算結果，橙色曲線代表優(yōu)化后單流道計算結果。從揚程曲線可以看出以下結論：ll小流量到額定流量范圍內，三條曲線較為接近；額定流量到大流量范圍內

39、，優(yōu)化后的揚程曲線明顯陡于優(yōu)化前的揚程曲線，揚程差分別提升了 73%（單流道）和 65.9%（全流道）；l優(yōu)化后的單流道與全流道結果比較得知，單流道與全流道的曲線非常接近，全流道的所有結果均高于單流道。揚程對比曲線從效率曲線可以得出以下結論：ll除大流量工況外，其余工況的效率優(yōu)化前后變化不大；單流道的效率高于全流道的效率。33恩峰智能科技發(fā)展（上海）效率對比曲線3.3.3 渦輪葉片形狀優(yōu)化設計該案例為挪威渦輪葉片形狀的優(yōu)化，目的是降低總損失系數，其渦輪葉片結構如下圖。前期通過精密測量中的點云測量，對建造前的渦輪葉片模型進行參數數字化，選取 10 個點，每個點有 2 個坐標軸，因此共有 20 個

40、參數變量，再用構建要優(yōu)化的參數形狀方程模型，如下圖所示。34恩峰智能科技發(fā)展（上海）通過 COMSOL Multiphysics 的流場分析來進行求解，如下圖。最后通過OASIS 并利用通用集成接口，找到參數模型的輸入和輸出文件進行配置并自動設計優(yōu)化，得到了效果最佳的渦輪葉片形狀。35恩峰智能科技發(fā)展（上海）3.4電池案例3.4.1電池部件和系統優(yōu)化設計由于協議，此案例將不進行詳細地數據分析闡述。OASIS 具備多目標優(yōu)化的能力，通過設置多個優(yōu)化目標，結合軟件獨有的優(yōu)化算法以及后處理功能，可以將多目標問題轉化為單目標問題。如下面介紹到的白能源公司案例,本案例旨在通過對電池的部件和系統優(yōu)化，達到

41、提高能量密度和降低成本的目的。約束條件為總體積必須小于汽車后備箱容積。設計變量包括幾何，運行參數，和系統配置參數共七個變量。優(yōu)化模型如下圖所示。優(yōu)化結果與工根據經驗設計相比，能量密度提高了 43%，同時成本降低了 16%。電池系統集成設計36恩峰智能科技發(fā)展（上海）3.5 發(fā)電機案例3.5.1 發(fā)電機輸入轉矩優(yōu)化設計此案例是基于 Ansys Workbench 中的 Maxwell 模塊進行有限元模擬分析計算以及 OASIS 的 Ansys Workbench 接口來進行一鍵配置優(yōu)化。如下圖所示，為節(jié)省計算時間，截取發(fā)電機模型的一部分來進行計算。設計變量為發(fā)電機負載電阻和繞組匝數，目標是對發(fā)電

42、機輸入轉矩進行優(yōu)化。本案例為測試案例，在相等條件下，OASIS 搜素效率高，時間更短，搜索結果一致性好。且在優(yōu)化結果相同的條件下，OASIS 只調用了 21 次計算，計算總用時 50 分鐘，Ansys 自帶優(yōu)化工具用時 5 個小時。3.6 個性化定制自動優(yōu)化設計流程案例3.6.1 引擎自動優(yōu)化設計作為輔助設備常用于消除工業(yè)引擎的噪聲，如下圖。飛利浦和業(yè)公司 40%的引擎都由客戶訂制。對這樣的設計問題，通常需要一個工程師花費至少 16 個小時的時間才能設計出來并生成圖紙。但是客戶需要一個能通過網上訂購的平臺，廠商可以進行全自動優(yōu)化設計并把設計結果和報價通過互聯網反饋給客戶。因此怎樣才能使設計過程

43、自動化且設計出制造成本最低的呢？37恩峰智能科技發(fā)展（上海）首先 Empower 在前端打造了一個網上訂購平臺?？蛻艨梢酝ㄟ^網上平臺告訴廠戶需求。在我們建立了詳細的生產成本模型和功能模型，并且進行全自動優(yōu)化設計。最后優(yōu)化設計結果以及所有相關圖紙都自動生成，并且通過互聯網將自動報價反饋給客戶。下圖顯示了我們的解決策略，實現了網上訂貨和自動優(yōu)化設計系統。平均生產成本節(jié)省 48%，設計時間從 16 小時削減到 1 分鐘。38恩峰智能科技發(fā)展（上海）3.7 離散流程優(yōu)化案例3.7.1 醫(yī)院室流程優(yōu)化由于難以突然增多的流量室等待時間過長一直是困擾人的問題。醫(yī)院信息與的流程與管理效率直接影響生命安全、醫(yī)院

44、的收入、和滿意度。圣保羅醫(yī)院室想知道哪些因素導致了等待時間過長，有哪些措施可以看病過程，如何在等待時間和投入之間找到最優(yōu)的平衡。因此我們考慮了以下因素：llll增加配置；根據擁擠程度，等待時間，部門臨時性的關閉等情況分配現有；尋找之間的最優(yōu)配搭；縮短在室的全部就診時間。我們使用專門的流程軟件 ARENA 建立了詳細的室流程模型。下圖是一個濃縮的流程示意圖。此模型經過 17 萬條的仔細校驗。39恩峰智能科技發(fā)展（上海）以下是我們找到的有趣結果：llll在下午新增一個醫(yī)生對減少等待時間沒有明顯的幫助；病床和護士必須與其他一起在多個部門同時增加才能減少等待時間；使用快速評估區(qū)可平均減少等待時間 100 分鐘；而診斷治療區(qū)的即使減少 50%，也太增加等待時間。因此 Empower 優(yōu)化了醫(yī)生、護士和床位的協同配置，減少了 DTU 部門 50%的浪費，縮短了平均等待時間 100 分鐘。3.7.2 能源系統優(yōu)化曼尼托巴水電公司常輸出其豐富的水電給鄰省安大略省和美國，每年的量都以億（）計，如下圖所示。曼尼托巴水電公司的能源系統部門需要知道如何確定電站的發(fā)電量，使得公司能在不穩(wěn)定性的前提下，能賣給安大略省最多的電。傳統的方法是查找通過經驗和歷史數據匯編而成的表格來確定發(fā)電量。但隨著能源系統和市場的不斷變化，以及每年不同的儲水情況，公司需要相應