多学科仿真模型验证平台
|
|
|
一、多学科仿真模型验证平台介绍
如今从事工业品设计的多学科仿真仿真工程师所面临的问题正变得越来越具有挑战性：多学科仿真仿真模型的精度的评估，对分析结果的影响变量众多、仿真过程高度复杂、很多多学科仿真仿真所需的重要参数仍然依靠经验和试验……因此，在型号产品的多学科仿真仿真分析工作中：如何评估仿真分析模型的精度，如何建立满足精度要求的仿真模型，如何从众多的仿真变量找到对多学科仿真仿真分析结果影响最大的参数，如何利用试验数据与仿真过程进行互相验证，正成为多学科仿真分析工程师必须解决的问题。同时，在项目执行中，仿真工作的开展、仿真模型的可靠性评估以及仿真工作对产品结构设计工作的理论支持又极大的影响整个产品研发工作的推进。因此，多学科仿真仿真分析模型的建立和验证的地位和重要性与日俱增。 针对产品研发中的多学科仿真仿真，开发多学科仿真仿真模型验模平台。多学科仿真仿真模型验模平台采用多学科仿真模型验证平台，通过对多学科仿真仿真软件的集成，如：AMESim模型、Matlab/Simulink模型、SimulationX模型和编程软件（如C、Fortran语言）开发的exe格式模型文件的执行调用等，实现对多学科仿真仿真功能的需求，同时利用多学科仿真模型验证的优化功能实现对多学科仿真仿真模型的验证和确认。
二、多学科仿真模型验证平台主要功能 多学科仿真模型验证主要功能包括： （1） 多学科仿真仿真模型集成与解析 多学科仿真模型验证平台可以良好的集成多学科仿真仿真软件，可快速导入各主流软件的仿真模型，自动解析模型变量，同时也支持手动定义模型变量。在多学科仿真模型验证中调用处理器进行仿真模型的求解。从而完成对Matlab\Simulink、SimulationX、AMESim数学模型进行模型修正。 （2） 试验数据处理 基于试验数据对多学科仿真模型的仿真结果进行误差评估，量化模型的预测能力；对试验数据与仿真数据数据进行预处理，消除试验数据的误差。该模块功能为：消除试验平台软硬件引入的数据错误干扰项，包括时间的校准和物理量错误剔除，并且具备对试验数据进行基本数学运算及自定义运算的功能。同时可以进行模型误差分析内容，数据清理与变换是其基础工作。 （3） 参数抽样及试验设计分析 通过科学的DOE试验设计方法，构建能反映模型特征的样本空间对相关参数进行的量化分析。抽样是指按照随机原则，以一定概率从总体中抽取一定容量的单位作为样本进行调查，根据样本统计量（描述样本数量特征的指标） 对总体参数（描述总体数量特征的指标）做出具有一定可靠程度的估计与推断。其特点：遵循随机原则抽取样本单位；推断被调查对象的总体特征；抽样推断的误差可以计算并能够加以控制。 （4） 模型参数灵敏度分析 灵敏度分析是研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。进行多学科仿真模型的输入参数灵敏度计算分析。根据设计输入参数的灵敏度排序结果，工程师可以选择对输出结果影响较大的高敏参数进行重点分析。搭建参数灵敏度分析流程，定义图形化的仿真模型参数灵敏度分析流程，为模型修改提供依据；在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。因此，灵敏度分析几乎在所有的模型评估方法以及在对各种方案进行评价时都是很重要的。多学科仿真模型验证平台可以对数学仿真模型重要输入参数的不确定性向仿真结果输出的传播进行统计学意义下的分析评估。 （5） 仿真模型精度评估及与试验数据的一致性分析 基于试验数据进行多学科仿真仿真模型的误差评估，判断仿真数据和试验数据的一致性。 （6） 模型参数修正及优化 基于试验数据对多学科仿真仿真模型的重点参数进行修正，或基于设计指标进行重点参数优化工作，得到最优的高精度数学仿真模型；利用多种工况的试验数据对多学科仿真仿真模型进行修正，可以降低仿真数据与试验数据间的误差，使仿真结果逼近试验结果，提升模型的仿真精度。搭建参数灵敏度分析流程，定义图形化的仿真模型参数灵敏度分析流程，为模型修改提供依据。开展逆向建模，即可基于试验的输入输出数据，建立“黑盒”模型，通过软件进行辨识，形成高置信度的虚拟样机。 （7） 具有很高的交互能力 多学科仿真模型验证可以针对不同的多学科仿真仿真需求搭建任意复杂度的流程，包括循环判断，并行计算，条件输入，错误设计自动过滤等等。 |
|
|
|
|
|
一、多学科仿真仿真软件集成解析及验模基础环境 多学科仿真模型验证是目前市面上接口数量最丰富的通用多目标优化软件，多学科仿真模型验证平台集成了做系统性能分析、做算法开发、做流体分析等等各类专业商用软件的接口，同时多学科仿真模型验证还提供通用接口，为工程师接入自编软件提供了可性能。多学科仿真模型验证具备支持多学科代码集成和优化流程自动化的统一框架，能在统一的界面下，以图形化和脚本命令的方式，集成任意复杂度的CAE工作流程（集成一个或多个仿真软件）。 多学科仿真模型验证常见商业软件提供专用封装组件，可以实现快速无缝集成，如CATIA、Solidworks、NX、ANSA、HyperMesh、Matlab/Simulink、Mworks、Abaqus、Ansys、Nastran、LS-Dyna、AMEsim、Adams、Fluent、Python、TMG、Fluint、Star-CCM+、CODEV、Pro/Engineer、Simcenter3D等等。 同时支持异地、异构环境的软件和程序封装集成。设计流程自动化运行，实现参数和文件的自动传递，支持自动解析模型变量，同时支持手动添加模型变量以及设置相关参数。
与主流CAD软件均保留接口，可以以SpaceClaim（v2020）为简化工具，实现三维模型的建立、支持中文名称及路径、可以针对多学科仿真仿真分析进行结构件材料的定义、材料数据库维护等功能。可以输出通用格式的几何模型文件，如x_t、STEP、Iges等文件的读入和读出。 以产品研发阶段的多学科仿真仿真为例，多学科仿真模型验证可以集成主流数学仿真工具接口：包含AMESim模型、Matlab/Simulink模型、SimulationX模型和编程软件（如C、Fortran语言）开发的exe格式模型文件的执行调用。 支持数学仿真模型的输入输出变量和主流格式试验数据文件的自动解析和手动解析模型变量；支持模型变量的相关参数设置，包括初值、边界设定、数学分布设定等；验模文件的存取形式合理易用；验模流程可复制，易于修改。 多学科仿真模型验证平台识别各类通用的数据格式，便于数据文件的读入读出：如txt文本、Excel、XML、数据库文件（CSV、DAT、DBF、MDB、ODB++等等）以及满足数据库格式等文件，便于仿真模型处理、施加边界和载荷进行求解以及后处理。 软件除了直接接口以外，还提供通用集成接口组件，能够对常用CAD/CAE软件，以及自编程序（包括C/C++、Visual Basic、Java、Fortran、JavaScript、Shell等）进行自动化调用。
二、试验数据处理功能
在多学科仿真模型验证平台中，可以针对如下试验结果进行误差评估： 系统误差：由于实验过程中某些经常发生的原因造成的，对实验结果的影响比较固定，在同一条件下重复测定时会重复出现。因此误差的大小往往可以估计，并能设法减小或加以校正。系统误差产生的主要原因有：方法误差、设备误差、环境误差、操作误差等。 随机误差: 由于某些偶然的因素所引起的实验误差。随机误差难以发现， 也难以控制，但在消除系统误差后，在同样条件下进行重复测量，偶然误差的分布服从一般的统计规律。1.大小相等的正、负误差出现的几率相等；2.小误差出现的几率多，大误差出现的几率少。随着测量次数的增加，偶然误差的算术平均值将逐渐接近于零。因此多次测量结果的平均值接近于真值。 粗差：明显歪曲测量结果的错差，在试验结果中应剔除。 最大（范围）误差：与测量次数无关。试验次数n大，随机误差小。古老的方法，不能反映测量的精密度水平。 算术平均误差：反映了试验次数n对随机误差的影响，但是各次观测中相互间符合的程度不能予以反映。 标准误差：对一组测量中的特大或特小误差反映非常敏感，能很好地反映出测量的精度。 准确度用来描述测量结果与真实值之间的接近程度。显然，误差越大，准确度越低。所以，误差的大小是衡量准确度高低的尺度。用相对误差来比较各种情况下测定结果的准确度更为合理。 精密度是指在相同条件下多次测量结果间相互吻合的程度，它表现了测量结果的再现性。精密度用偏差来表示，偏差越小说明分析结果的精密度越高。 所以偏差的大小是衡量精密度高低的尺度。 多学科仿真模型验证的数据预处理模块支持Excel\CSV电子表格数据、TXT文本数据等多种格式的数据导入；支持消除试验平台软硬件引入的数据错误干扰项，包括时间的校准和物理量错误剔除；具备数据提取功能：按指定时段提取数据；具备丢点和重点检测：丢点插值、重点删除；具备野值识别和修复功能：识别和修复偏离信号变化规律的数据。基本数学运算：加减乘除、最大值、最小值、绝对值、均值、自定义等。根据客户需要进行仿真数据与试验数据误差分析评估功能的二次开发，提供多种算法，包括均方误差、平均绝对误差、最大绝对误差、决定系数。 多学科仿真模型验证能方便地导入外部数据（如试验数据等），实现对导入的数据进行敏感度分析、建立响应面模型、进行基于试验数据响应面的优化分析。
在相同的试验条件下，验证仿真数据和试验数据的一致性，是评估仿真系统可信性的重要手段。但由于外界干扰、系统误差或测量误差等各种因素的影响，试验数据中不可避免地存在时间偏差、丢点或重点、单个或成片野点、随机噪声等一系列误差。这些误差严重影响试验数据的一致性验证结果，甚至可能最终导致对仿真系统可信性的错误评价。 此外，该模块还具备仿真数据与试验数据误差分析评估功能，并提供多种误差评估算法。 多学科仿真模型验证具有强大的数据处理及管理能力，可以非常方便的进行用户模型的发布、存储以及共享，多学科仿真模型验证可以将知识重复利用，并且提供本地数据库，可以将用户自己的优化模型、组件按照不同的需要进行不同的存储，在文件较大时可以选择只存储较小的轻量化数据，如参数值，当需要查看模型时还可以随时生成；或者直接保存全部的文件以方便进行使用。
三、参数抽样及DOE试验设计分析
参数抽样及DOE试验设计分析模块具有以下功能：包括全因子算法和特定因子组合算法，并支持用户自定义算法进行虚拟试验设计分析；支持定义输入变量的分布类型、均值、方差以及上下界；支持 DOE 表格、参数采样图、参数相关性表格、散点图等的输出。 多学科仿真模型验证具备多种DOE算法进行参数空间采样并调用仿真工具进行批量仿真，记录所有仿真结果，并对参数相关性进行分析；支持定义输入变量的分布类型及相关参数等；基于生成的DOE样本表进行批量仿真求解；支持样本表、参数采样图、参数相关性表格的输出。 多学科仿真模型验证通过丰富的后处理功能能方便地以图形化的方式和数据的方式，对试验设计、响应面模型、可靠性和鲁棒性分析的计算过程和计算结果进行全面的分析处理，提供各种数据统计工具，满足工程师对优化结果进一步处理的要求：可得到清晰的Pareto前沿曲线，能够分析所有输入输出参数之间的敏感度关系，能以数值和图形化的方式，直观、准确地反映不同参数间的敏感度大小，帮助工程师对设计问题进行深入的了解分析。
四、模型参数灵敏度分析及不确定性分析
基于灵敏度分析算法，评估多学科仿真仿真分析的主要参数重要程度，筛选出对计算结果有重要影响的高灵敏度参数，可以确定对输出影响最大的输入参数，以及输入变化对输出的影响。 灵敏度分析根据一次针对单个或多个参数对模型输出的影响划分，有局部和全局灵敏度分析。仿真系统中很多参数会同时发生变化，因此采用全局灵敏度分析方法。全局灵敏度分析方法也可以分为定性和定量两种。其中，定性全局灵敏度分析是指多学科仿真仿真软件分析模型输入的不确定性对模型输出不确定性影响的相对大小；定量全局灵敏度分析是指分析模型输入的不确定性在模型输出不确定性中所占百分比。相比定量的方法，定性的方法计算量小，可以用于因子筛选，获取因子的大小排序。 多学科仿真模型验证支持过程数据及相关曲线的显示及导出，支持固定时刻参数灵敏度交互影响结果的输出，支持全时域参数敏感度曲线图的绘制。支持提供不低于两种灵敏度分析算法，筛选对仿真结果有重要影响的高敏参数；支持选择采样，包括拉丁超立方及蒙特卡罗采样；支持参数灵敏度排序图的输出，包含主效应和全效应。 评价全局灵敏度分析方法的优劣，关键考察该方法能否在可能的取值范围内对重要参数及其交互作用进行分析，评估重要参数变化时模型输出的影响、变化。总的来说，理想的全局灵敏度分析方法具有四个属性：规模与形状、多维平均、模型独立性和因子分组。 （1）规模与形状是否考虑规模和形状的影响：影响模型输入的因素应该包括输入参数变化的范围及其概率密度函数的形式。因为这关系到输入因子的概率密度函数是均匀分布还是正态分布，以及分布参数的取值。 （2）多维平均否包含多维平均：局部分析方法分析单个参数的灵敏度时，其它参数取其中心值；而全局分析方法计算一个参数的影响时其它参数也发在变化。 （3）模型独立性是否依赖于分析模型：局部分析方法仅适用于叠加性、线性模型；全局分析方法应该可以适用于非叠加性、非线性模型。 （4）因子分组能否处理群组因子：全局分析方法能够像单个因子那样处理群组因子。这种特性对于结果非常重要。 多学科仿真模型验证包括以下不确定性分析功能： 提供不低于两种不确定分析算法，评估模型参数的不确定性对仿真输出结果的影响；支持定义输入变量的分布类型及相关参数等；支持相关统计学信息的输出（如方差、均值等）；具备仿真输出响应的概率分布函数、累计分布函数、失效概率的图示化显示以及数据的导出功能。
五、仿真模型精度评估及与试验数据的一致性分析
多学科仿真模型验证平台所集成的多学科仿真仿真模型精度评价是多学科仿真仿真模型验证任务的基础。在得到仿真结果后，将仿真结果与实验结果进行比较。多学科仿真模型验证可以在多种工况和多种试验条件下同时评估和验证模型的准确性。在多学科仿真模型验证平台中提供的若干试验数据和仿真数据的误差类型：试验和仿真的瞬态过程包括曲线误差、特征误差、特征曲线，选择特定的算法进行分析；试验和仿真的稳态过程包括绝对偏差、平均偏差、标准偏差、精度、不确定度等误差参数。具备统计信息提取及误差分析功能，例如均值、方差、最大值、最小值等；具备基于试验数据进行时域曲线和稳态终值的仿真模型误差评估， 支持Theil系数法、决定系数法等不少于五种误差评估算法，并支持用户的误差评估自定义算法集成。 多学科仿真模型验证平台所集成的多学科仿真仿真模型中的输入参数常常具有不确定性，需要通过不同的采样方法，对模型进行不确定分析，评估仿真输入参数的不确定性如何传播给仿真输出结果。用户通过定义输入变量的分布类型，如正态分布、均匀分布等，修改相关参数，并设置仿真输出的边界，可以计算由于参数的不确定分布导致的失效概率。 该模块支持不确定性分析的过程数据及相关曲线的显示及导出，可输出参数相关性结果，以及相关统计学信息，如方差、均值、中心值等。
六、模型参数修正及优化
通过灵敏度分析得到模型中对输出影响较大的高敏参数，利用试验数据对多学科仿真仿真模型按层级进行修正，可以降低仿真数据与试验数据间的误差，使仿真结果逼近试验结果，提升模型的仿真精度。 多学科仿真模型验证可以支持以仿真与试验之间的误差或仿真与性能指标之间的误差为优化目标，以高灵敏度参数为修正对象，设定参数范围，选择全局、局部或组合优化算法，进行优化迭代计算，修正或优化模型参数；支持模型参数修正结果（最优参数）的单独显示及导出；支持对修正前后的误差评估结果进行对比显示；支持多目标优化功能。
多学科仿真模型验证提供大量可靠的单目标多目标算法，包括遗传算法、粒子群算法、梯度算法、模拟退火算法等等。
七、具有很高的交互能力
多学科仿真模型验证的集成和优化能力可靠性达到通用商业化工程软件水平。多学科仿真模型验证具备开放架构，支持在非图形界面下，以脚本和命令行的方式实现优化分析。 具有完整的后处理功能，能方便地以图形化的方式和数据的方式，对试验设计、响应面模型、可靠性和鲁棒性分析的计算过程和计算结果进行全面的分析处理。多学科仿真模型验证的试验设计、响应面模型、优化和可靠性鲁棒性分析的计算数据和结果支持通用格式，如文本格式、表格格式等保存，并对第三方软件开放。 软件可以绘制各种曲线图表，包括：DOE试验设计表、参数相关性图、参数灵敏度排序图、仿真和试验结果的误差图、参数概率密度图、累积分布函数图、结果云图，边界载荷图等信息。 支持报告功能，可以将项目相关的工作流、参数设置、运算方法、运算结果等以报告的形式保存和输出。报告支持常见文档格式，如html格式、pdf格式等。具有验模报告自动生成功能：提供默认模板，具备自动生成验模报告功能；支持用户自定义报告模板格式；支持报告组成内容选择配置。 具有各类远程接口，可以从远程用户中提取文件，数据到本地优化程序中，并能把优化结果、文件传递给远程用户。支持以并行的方式执行工作流，不限制任何CAE软件的并行，并且支持不同操作系统计算资源之间的调用。具有对并行过程的管理功能。能控制并行计算的规模（即优化中同时运行的作业个数），能对并行计算过程中出现的问题进行自动再处理，保证并行计算过程的稳定性。操作简单易用，采用图标化的流程组合形式，只需点击鼠标即可完成分析流程，提取优化结果。支持运行过程中的实时在线监控。在监控窗口中，可以实时地观察分析已经产生的计算结果，并可以随时终止、暂停或恢复计算。 具有非常强的与工程师交互的能力，允许工程师在优化的过程中，在不停止当前优化分析的前提下，将工程师自定义的优化参数放入当前的优化流程中。同时提供工程师手动跳过当前优化设计并自动执行下一设计的选项，以方便工程师在优化过程中遇到问题或者其他因素想加快优化分析。 具备逆向建模功能：提供三种以上逆向建模算法；具备代理模型精度评估功能：包括内检和外检。 多学科仿真模型验证具有非常强大完整的后处理功能，提供丰富全面的数据后处理方法，包括平行图，Designtable，优化历史曲线等。提供各种数据统计工具，满足用户对试验设计、响应面模型、可靠性和鲁棒性分析等结果进行全面的分析处理。 |
