变量多的时候（两个以上） 用响应面

样本空间  数学运算 多于 有限元计算

• 离散型优化  screening
• 单目标连续型优化
• screen 最快 仅局部 NL局部好 全局未 定 single更全局
• 多目标连续型优化
• 优先用multi

结构分析

1 强度分析  

2  疲劳分析

3  优化设计 方案不是最优的

响应面方法：样本量少，精度取决于抽样的合理性

1. doe实验（数据抽样）
2. 设置样本抽样方法

screening筛选法：在设计参数范围内全举

MOGA多目标遗传算法优化：初始样本数量、迭代样本数量（55-75）

基于拉格朗日非线性优化算法：

导数逼近:中心差分准确性加大，计算量大、向前差分降低精度

混合整数算法：

（优选）单目标自适应优化算法：拉丁超立方抽样、

优化设计：

疲劳强度是否满足、是否最优（简化或补充）

优化项目：参数化的东西都可以优化

• 设计变量（关键字DS_）
• 状态变量（最大变形，应变，应力等）
• 目标函数

直接优化法

定义设计变量取值范围：是否连续变化（上下限）

合理优化方法

响应面优化设计

model 中设置输出参数

优化做完后 需要把优化后的数据反串回去

流程   标准计算  -design exploration

优化设计

直接优化设计（1个输入量）

基于响应面的优化设计（多个输入量）

优化设计

优化设计是一种寻找确定最优设计方案的技术。 指的是一种方案可以满足所有的设计要求，而且所需的支出最小。 最优设计方案就是一个最有效的方案

尺寸  形状 支撑位置 制造费用 自然频率 材料特性

设计变量    长宽高  参数化模型 参数化建模

 状态变量    约束设计的数值  设计变量的函数  它们是因变量   总应力  位移

目标函数  是要尽量减小的数值   改变设计变量的数值将改变目标函数的数值   梁的总重量

   可以定义多目标函数

悬臂梁的优化设计

建立参数化模型

重点————在输入参数的取值范围时要注意：不能够造成各个设计变量之间的干涉——各个设计变量之间不能造成相互影响。

注意，用响应面优化的时候，最后的优化点一定要带入模型中求解/检验，因为响应面中的值不是真实的值——应力应变、安全系数（不是经过有限元计算验证出来的）——响应面的解只是一个大致阶，不是精确解！

直接优化法的点是可以精确的（因为是有限元计算得出的）。

优化设计：样本点最小值小于等于变量总和数。

screening方法的话只要你把空间取值范围放大都可以得到较为满意的解。（计算速度快，不一定是全局最优的，可能是局部最优的）-比原来优的。

Adaptive Single -Objective（自适应单目标）与NLPQL(非线性二次规划的计算量是比较大的）-全局最优解

直接优化法设置简单但是计算量很大！

基于响应面的优化设计：比起直接优化法操作步骤上设置多一些，但是更加适合于有限元模型。

设置合理的样本抽样：避免抽样点过度集中！抽出的样本要有效的反应我们的设计区域。

建议使用完全的二次多项式优化。

基于响应面的优化核心还是在抽样这块：样本如果能反应设计区域的话误差就小，不然误差就大。

如果输入变量超过两个以上则建议大家使用响应面优化法:优点是计算有限元的次数小。

如果设计变量是一个的话那就使用直接法。

直接优化法中的算法：1.Screening（全局法、筛选法）——优化设计中的样本数量，必须大于输入和输入的参数数量，默认值为1000。（这种方法不是最好的优化设计方法，一般是用来检验其他优化设计方法是否为一个全局最优解）。

2.MOGA：多目标遗传优化算法。

3.基于拉格让日的非线性规划优化算法（NLPQL）。

4.混合整数二次规划优化算法（MISQP）。

5.单目标自适应优化算法（Adaptive Single—Objective）：便于获取局部最优解。

一般直接优化法的时候，输入参数比较多的、大的设计变量的时候用.单目标自适应优化算法（Adaptive Single—Objective）或者拉格让日的非线性规划优化算法（NLPQL）。

精度上与效率上也要找平衡。

产品优化设计：

做完结构分析有几个出口：1.判断结构强度。2.判断结构是否满足寿命要求（疲劳分析技术寿命计算）。3.初步设计方案是否是最优的，还有没有优化空间。

优化设计是一种确定最优设计方案的技术。

DS_尺寸。

状态变量是一个约束条件。

设计变量和目标函数是优化设计中必须要有的要素。状态变量可以不设置也可以设置（有约束或无约束的优化设计），

获取状态参数（安全系数和变形）和目标参数。

目前WB提供了两种优化方法：1.直接优化法——设置简单，计算时间长，需要反复进行有限元的计算并进行迭代才能获得最优解。2.基于响应面优化法——样本空间计算，不是对于所有都进行有限元分析，而是先抽样，计算样本空间的结果再通过响应面反映出整个设计域，——不需要求解原始的有限元模型，而是基于拟合出来的数学模型，进行数学的运算——基于响应面的方法非常适合做有限元模型的优化它的有限元模型计算次数要小于直接法。直接法准确度要高于响应面法，但是效率却低于响应面法。

工程中时刻充斥着矛盾与统一的对立面关系。

优化设计：

设计变量

约束方程

目标函数

直接优化、基于响应面优化法