Isight近似模型及实施流程

2016-10-24 by:CAE仿真在线来源:互联网

近似模型方法(ApproximationModels)是通过数学模型的方法逼近一组输入变量(独立变量)与输出变量(响应变量)的方法。上世纪七十年代,L.A.Schmit等人在结构设计优化中首次引入了近似模型的概念,加快了优化算法的寻优速度,推动了优化算法在工程领域中的应用,收到了良好的效果。

近似模型用下式来描述输入变量和输出响应之间的关系:

式中,y(x)——响应实际值,是未知函数;

——响应近似值,是一个已知的多项式;

——近似值与实际值之间的随机误差,通常服从

的标准正态分布。

创建近似模型的过程包括:

1.样本数据采集。样本点可以来自试验设计、随机试验、物理试验、经验数据库等。

2.选择近似模型类型。

3.初始化近似模型。

4.验证近似模型。通过计算模型近似误差,可验证模型预测的效果。

5.如果近似模型可信度不够,则需要更新模型,提高其预测精度。常用的方法包括增加更多的样本数据、更改模型参数等。

6.如果近似模型具有足够可信度,则可以使用该近似模型替代仿真程序。

图1 近似模型流程

基于近似模型进行优化设计的优势在于:

ü建立经验公式,获得输入、输出变量之间的量化关系。

ü减少耗时的仿真程序调用,提高优化效率;通常可将实际求解时间缩短几个数量级。

ü对响应函数进行平滑处理,降低 “数值噪声”,有利于更快的收敛到全局最优点。

图2 一般优化仿真和近似模型仿真过程图

Isight提供的近似模型方法包括:

算法简称	算法全称
RSM	响应面模型(Response Surface)
RBF/EBF	径向基/椭圆基神经网络模型(RBF/EBF Nueral Network)
Orthogonal	正交多项式模型(Chebyshev\ Orthogonal Polynomial)
Kriging	克里格模型

开放分享：优质有限元技术文章,助你自学成才

编辑