|
|
<p data-track="3" style="text-indent: 2em;">
SiPESC.OPT是用于解决航空航天、车辆、船舶等行业领域内多学科设计优化的软件。SiPESC.OPT目前集成了IDF、MDF、CO、AAO、Bilevel等多种学科策略，提供各类型优化算法、试验设计方法、近似模型方法、可靠性设计工具用于完成多学科优化设计。利用不同学科策略，充分考虑和利用各个子系统（学科）之间的相互耦合所产生的相互协同效应，确保了从整体上获得系统的可行最优解。SiPESC.OPT支持通过拖拉拽的GUI界面和Python脚本两种方式搭建多学科优化设计任务流程。
</p><p data-track="4" style="text-indent: 2em;">
SiPESC.OPT同时提供丰富的辅助设计工具，用于快速搭建优化任务流程。软件集成方面，提供包括：LocalApplication、Python、JavaScript、Cmd、UG、CATIA、SolidWorks、Pro/e、ANSYSWorkbench、Nastran、ABAQUS、HyperWorks、Matlab、Excel、CFX、AMESim、VirtualLab、Mulitiple等软件快速集成的计算盒子工具，工作同时支持通过脚本和GUI配置软件交互和执行。
</p><p data-track="5" style="text-indent: 2em;">
目前SiPESC.OPT软件GUI界面如下所示：
</p><p class="pgc-img-caption">
软件GUI界面功能区及说明
</p><p data-track="7" style="text-indent: 2em;">
公众号将推出一系列软件集成案例以展示SiPESC.OPT的实用性。本期将展示集成“CO”学科策略求解流程。
</p><p data-track="9" style="text-indent: 2em;">
不同于其他同类软件，SiPESC.OPT采用图论的方法，对复杂系统中所有子学科进行拓扑排序，同时对于部分强耦合学科实施凝聚，形成单一学科节点，如下图所示，因此，用户在定义学科模型时，只需正确定义学科模块的输入输出，而无需同时考虑学科间的信息交换进行人工排序，这样降低了多学科流程搭建过程中的时间成本。
</p><p class="pgc-img-caption">
学科拓扑排序
</p><p data-track="11" style="text-indent: 2em;">
学科优化策略是从设计问题本身考虑，通过设计一种计算架构或者计算流程框架，结合各类优化算法来管理和协调多学科设计过程中不同学科之间的数据流传递。多学科设计优化过程中，通常采用学科策略组织协调复杂系统内部多个学科间的信息交互。
</p><p data-track="12" style="text-indent: 2em;">
针对同一复杂系统，不同的学科策略在定义设计变量、构建优化模型以及运行优化算法时会有差异，计算效率和成本随之也会有所不同，因此必须采用合理的学科策略进行系统优化求解。SiPESC.OPT目前集成的策略包括“CO”(协同优化)。
</p><p data-track="13" style="text-indent: 2em;">
“CO”的根本思想是构造一个系统层，以协调各子系统层求解结果的不一致性，子系统优化过程中，暂时忽略其他子系统中学科的影响，而只需关注于当前子系统的学科约束。子系统优化目标是使该学科优化结果与系统级优化提供给该子系统学科的目标值的差异达到最小；各个子系统级优化结果的不一致性由系统级优化来协调，基于系统级优化和子系统级优化的多次迭代，最终收敛到一个符合学科间一致性要求的系统最优。其计算流程图如下：
</p><p class="pgc-img-caption">
CO策略流程图
</p><p>
<strong>
算例1
</strong>
：
</p><p data-track="16">
系统目标：
</p><p class="pgc-img-caption">
</p><p data-track="19">
学科1分析：
</p><p class="pgc-img-caption">
</p><p data-track="22">
学科2分析：
</p><p class="pgc-img-caption">
</p><p>
Subject to :
</p><p class="pgc-img-caption">
</p><p>
这里，X1 , X2 ,X3为设计变量，Y1,Y2为学科状态输出变量。
</p><p data-track="31">
上述问题求解过程中，采用的优化算法为SQP，求解结果与理论解对比：
</p><p class="pgc-img-caption">
</p><p>
“CO”策略下，系统目标迭代历史：
</p><p class="pgc-img-caption">
CO系统目标历史图
</p><p>
多学科优化设计搭建流程脚本显示：
</p><p class="pgc-img-caption">
CO策略流程脚本
</p><p data-track="30" style="text-indent: 2em;">
本文算例求解基于CO策略，对比了此策略和解析的求解结果，显示了在求解复杂系统的多学科设计优化过程中，CO策略在求解效率和精度上的可靠性。
</p> |
|
发表于 2023-8-25 13:36:06