OptiSLang
 | |
 | |
| Utvecklare | Dynardo GmbH |
|---|---|
| Stabil frisättning | 7.4.0 / maj 2019 |
| Operativ system | Cross-plattform |
| Plattform | Intel x86 32-bitars , x86-64 |
| Tillgänglig i | engelsk |
| Typ | Simuleringsprogram |
| Licens | Proprietär kommersiell programvara |
| Hemsida | optiSLang produktsida |
optiSLang är en mjukvaruplattform för CAE -baserad känslighetsanalys , multidisciplinär optimering (MDO) och robusthetsutvärdering. Den är utvecklad av Dynardo GmbH och tillhandahåller ett ramverk för numerisk Robust Design Optimization (RDO) och stokastisk analys genom att identifiera variabler som bidrar mest till ett fördefinierat optimeringsmål. Detta inkluderar även utvärdering av robusthet, dvs. känsligheten för spridning av designvariabler eller slumpmässiga fluktuationer av parametrar. 2019 förvärvades Dynardo GmbH av Ansys .
Metodik
Känslighetsanalys
Variansbaserad känslighetsanalys representerar kontinuerliga optimeringsvariabler genom enhetliga fördelningar utan variabelinteraktioner och kvantifierar bidraget från optimeringsvariablerna för en möjlig förbättring av modellsvaren. I motsats till lokala derivatbaserade känslighetsmetoder, kvantifierar den variansbaserade metoden bidraget med avseende på de definierade variabelintervallen.
Coefficient of Prognosis (CoP) CoP är ett modelloberoende mått för att bedöma modellkvaliteten och definieras enligt följande:
Där är summan av kvadrerade prediktionsfel. Dessa fel uppskattas baserat på korsvalidering . I korsvalideringsproceduren mappas uppsättningen stödpunkter till delmängder. Därefter byggs approximationsmodellen genom att ta bort delmängd från stödpunkterna och approximera delmängdsmodellens utdata med hjälp av den återstående punktuppsättningen. Detta innebär att modellkvaliteten uppskattas endast vid de punkter som inte används för att bygga upp approximationsmodellen. Eftersom prediktionsfelet används istället för anpassningen, gäller detta tillvägagångssätt för regressions- och till och med interpolationsmodeller.
Metamodel of Optimal Prognosis (MOP): Förutsägelsekvaliteten för en approximationsmodell kan förbättras om oviktiga variabler tas bort från modellen. Denna idé har antagits i Metamodel of Optimal Prognosis (MOP) som är baserad på sökningen efter den optimala indatavariabeluppsättningen och den lämpligaste approximationsmodellen (polynom eller Moving Least Squares med linjär eller kvadratisk bas). På grund av CoP-måttets modelloberoende och objektivitet är det väl lämpat att jämföra de olika modellerna i de olika delutrymmena.
Multidisciplinär optimering : Det optimala variabla delutrymmet och approximationsmodellen som hittas av en CoP/MOP-procedur kan också användas för en föroptimering före globala optimerare (evolutionära algoritmer, Adaptive Response Surface Methods, Gradientbaserade metoder, biologiskt baserade metoder) används för en direkt optimering med ett enda mål. Efter att ha genomfört en känslighetsanalys med hjälp av MOP/CoP, kan även en multi-objektiv optimering utföras för att bestämma optimeringspotentialen inom motsatta mål och för att härleda lämpliga viktningsfaktorer för en efterföljande enobjektiv optimering. Slutligen bestämmer denna optimering med ett enda mål en optimal design.
Robusthetsutvärdering: I variansbaserad robusthetsanalys undersöks variationerna av de kritiska modellsvaren. I optiSLang används slumpmässiga samplingsmetoder för att generera diskreta urval av den förenade sannolikhetstäthetsfunktionen för de givna slumpvariablerna. Baserat på dessa prover, som utvärderas av lösaren på samma sätt som i känslighetsanalysen, uppskattas de statistiska egenskaperna hos modellsvaren som medelvärde, standardavvikelse, kvantiler och stokastiska moment av högre ordning.
Tillförlitlighetsanalys: Inom ramen för probabilistisk säkerhetsanalys eller tillförlitlighetsanalys modelleras spridningsinfluenserna som slumpvariabler, vilka definieras av fördelningstyp, stokastiska moment och inbördes korrelationer. Resultatet av analysen är det komplementära av tillförlitlighet, sannolikheten för misslyckande, som kan representeras på en logaritmisk skala.
Processintegration
optiSLang är utformad för att använda flera lösare för att undersöka mekaniska, matematiska, tekniska och andra kvantifierbara problem. Häri tillhandahåller optiSLang direkta gränssnitt för externa program:
- ANSYS
- MATLAB
- GNU Octave
- Excel
- OpenOffice Calc
- Pytonorm
- Abaqus
- SimulationX
- CATIA
- LS-DYNA
- Flownex
- multiPlas
- vilken programvara som helst med textbaserad inmatningsdefinition
Historia
Sedan 1980-talet har forskargrupper vid universitetet i Innsbruck och Bauhaus-Universität Weimar utvecklat algoritmer för optimering och tillförlitlighetsanalys i samband med simuleringar av finita element . Som ett resultat skapades programvaran "Structural Language (SLang)". År 2000 CAE- ingenjörer det för första gången för att genomföra optimerings- och robusthetsanalyser inom fordonsindustrin. 2001 grundades Dynardo GmbH 2003. Baserat på SLang lanserades mjukvaran optiSLang som en industriell lösning för CAE-baserad känslighetsanalys , optimering , robusthetsutvärdering och tillförlitlighetsanalys. Under 2013 omstrukturerades den nuvarande versionen optiSLang 4 helt med ett nytt grafiskt användargränssnitt och utökade gränssnitt till externa CAE-processer.