下载文档原格式
前言●Isight 5.5简介笔者自2000年开始接触并采用Isight软件开展多学科设计优化工作，经过12年的发展，我们欣喜地看到优化技术已经深深扎根到众多行业，帮助越来越多的中国企业提高产品性能和品质、降低成本和能耗，取得了可观的经济效益和社会效益。
作为工程优化技术的优秀代表，Isight 5.5软件由法国Dassault/Simulia公司出品，能够帮助设计人员、仿真人员完成从简单的零部件参数分析到复杂系统多学科设计优化（MDO, Multi-Disciplinary Design Optimization）工作。
Isight将四大数学算法（试验设计、近似建模、探索优化和质量设计）融为有机整体，能够让计算机自动化、智能化地驱动数字样机的设计过程，更快、更好、更省地实现产品设计。
毫无疑问，以Isight为代表的优化技术必将为中国经济从“中国制造”到“中国创造”的转型做出应有的贡献！●本书指南Isight功能强大，内容丰富。
本书力求通过循序渐进，图文并茂的方式使读者能以最快的速度理解和掌握基本概念和操作方法，同时提高工程应用的实践水平。
全书共分十五章，第1章至第7章为入门篇，介绍Isight的界面、集成、试验设计、数值和全局优化算法；第8章至第13章为提高篇，全面介绍近似建模、组合优化策略、多目标优化、蒙特卡洛模拟、田口稳健设计和6Sigma品质设计方法DFSS（Design For 6Sigma）的相关知识。
本书约定在本书中，【AA】表示菜单、按钮、文本框、对话框。
如果没有特殊说明，则“单击”都表示用鼠标左键单击，“双击”表示用鼠标左键双击。
在本书中，有许多“提示”和“试一试”，用于强调重点和给予读者练习的机会，用户最好详细阅读并亲身实践。
本书内容循序渐进，图文并茂，实用性强。
适合于企业和院校从事产品设计、仿真分析和优化的读者使用。
在本书出版过程中，得到了Isight发明人唐兆成（Siu Tong）博士、Dassault/Simulia （中国）公司负责人白锐、陈明伟先生的大力支持，工程师张伟、李保国、崔杏圆、杨浩强、周培筠、侯英华、庞宝强、胡月圆、邹波等参与撰写，李鸽、杨新龙也为本书提供了宝贵的建议和意见，在此向所有关心和支持本书出版的人士表示感谢。
基于iS IGHT 的多学科设计优化技术研究与应用泰山石膏股份有限公司 任 利 山东农业大学机械与电子工程学院 邵园园临沂师范学院工程学院 韩 虎 摘 要:阐述了多学科设计优化技术,在iSI GHT 、Pr o /E 和Ansys 软件集成环境下,对轴承座进行多学科设计优化。
并对在单学科设计优化和多学科设计优化的环境下得到的优化结果进行了比较,得出了多学科设计优化结果更加有效地达到了优化目标的结论。
关键词:多学科设计优化;iSI GHT;软件集成Abstract:The technol ogy of multidisci p linary design op ti m izati on is elaborated 1Bearing bl ock multidisci p linary de 2sign op ti m izati on is conducted under the integrated envir on ment of iSI GHT,Pr o /E and Ansys,and the op ti m izati on result is better than that fr om single -disci p linary design op ti m izati on 1Keywords:multidisci p linary design op ti m izati on;iSI GHT;s oft w are integrati on1 多学科设计优化技术多学科设计优化(Multidisci p linary Design Op 2ti m izati on -MDO )是当前国际上飞行器设计研究中一个最新、最活跃的领域。
按照Jar osla w Sobieszczanski -Sobieski 的看法[1],MDO 是用于进行系统设计的方法,这种系统包括多个相互耦合的学科,设计师可以在这些学科上显著地影响系统的性能。
iSIGHT优化设计—Optimization 1 概述1.1 传统劳动密集型的人工设计1.2 iSIGHT智能软件机器人驱动的设计优化1.3 优化问题特征（1）约束（3）非线性（6）组合问题（7）优化问题按特征分类对优化设计的研究不断证实，没有任何单一的优化技术可以适用于所有设计问题。
实际上，单一的优化技术甚至可能无法很好地解决一个设计问题。
不同优化技术的组合最有可能发现最优设计。
优化设计极大地依赖于起始点的选择，设计空间本身的性质（如线形、非线形、连续、离散、变量数、约束等等）。
iSIGHT 就此问题提供两种解决方案。
第一，iSIGHT 提供完备的优化工具集，用户可交互式选用并可针对特定问题进行定制。
第二，也是更重要的，iSIGHT 提供一种多学科优化操作模式，以便把所有的优化算法有机组合起来，解决复杂的优化设计问题。
2 优化算法概述iSIGHT 包含的优化方法可以分为四大类：数值优化、全局探索法、启发式优化法和多目标多准则优化算法。
数值优化（如爬山法）一般假设设计空间是单峰的，凸起的和连续的，本质上是一种局部优化技术。
全局探索技术则避免了局限于局部区域，一般通过评估整个设计空间的设计点来寻找全局最优。
启发式技术是按用户定义的参数特性和交叉影响方向寻找最优方案。
多目标优化则需要权衡，iSIGHT 正是提供了一种易于使用的多目标准则权衡分析框架。
另外自iSIGHT v9.0 开始新增加了Pointer 优化器，它是GA、MPQL、N-M 单纯形法以及线性单纯形法的组合。
iSIGHT 包含的具体算法按分类列表如下:2.1 数值方法iSIGHT 纳入了十二种数值优化算法。
其中八种是直接法，在数学搜索过程中直接处理约束条件。
而Exterior Penalty 方法和Hooke-Jeeves 方法是罚函数法，它们通过在目标函数中引入罚函数将约束问题转化为无约束问题。
2.2 全局探索法iSIGHT 全局探索法包括遗传算法和模拟退火算法，它们不受凸（凹）面性、光滑性或设计空间连续性的限制。
iSIGHT优化设计—Optimization 1 概述1.1 传统劳动密集型的人工设计1.2 iSIGHT智能软件机器人驱动的设计优化1.3 优化问题特征（1）约束（3）非线性（6）组合问题（7）优化问题按特征分类对优化设计的研究不断证实，没有任何单一的优化技术可以适用于所有设计问题。
实际上，单一的优化技术甚至可能无法很好地解决一个设计问题。
不同优化技术的组合最有可能发现最优设计。
优化设计极大地依赖于起始点的选择，设计空间本身的性质（如线形、非线形、连续、离散、变量数、约束等等）。
iSIGHT 就此问题提供两种解决方案。
第一，iSIGHT 提供完备的优化工具集，用户可交互式选用并可针对特定问题进行定制。
第二，也是更重要的，iSIGHT 提供一种多学科优化操作模式，以便把所有的优化算法有机组合起来，解决复杂的优化设计问题。
2 优化算法概述iSIGHT 包含的优化方法可以分为四大类：数值优化、全局探索法、启发式优化法和多目标多准则优化算法。
数值优化（如爬山法）一般假设设计空间是单峰的，凸起的和连续的，本质上是一种局部优化技术。
全局探索技术则避免了局限于局部区域，一般通过评估整个设计空间的设计点来寻找全局最优。
启发式技术是按用户定义的参数特性和交叉影响方向寻找最优方案。
多目标优化则需要权衡，iSIGHT 正是提供了一种易于使用的多目标准则权衡分析框架。
另外自iSIGHT v9.0 开始新增加了Pointer 优化器，它是GA、MPQL、N-M 单纯形法以及线性单纯形法的组合。
iSIGHT 包含的具体算法按分类列表如下:2.1 数值方法iSIGHT 纳入了十二种数值优化算法。
其中八种是直接法，在数学搜索过程中直接处理约束条件。
而Exterior Penalty 方法和Hooke-Jeeves 方法是罚函数法，它们通过在目标函数中引入罚函数将约束问题转化为无约束问题。
2.2 全局探索法iSIGHT 全局探索法包括遗传算法和模拟退火算法，它们不受凸（凹）面性、光滑性或设计空间连续性的限制。
iSIGHT中优化方法种类
iSIGHT里面的优化方法大致可分为三类：
1 数值优化方法
数值优化方法通常假设设计空间是单峰值的，凸性的，连续的。
iSIGHT中有以下几种：
（1）外点罚函数法（EP）：
外点罚函数法被广泛应用于约束优化问题。
此方法非常很可靠，通常能够在有最小值的情况下，相对容易地找到真正的目标值。
外点罚函数法可以通过使罚函数的值达到无穷值，把设计变量从不可行域拉回到可行域里，从而达到目标值。
（2）广义简约梯度法（LSGRG2）：
通常用广义简约梯度算法来解决非线性约束问题。
此算法同其他有效约束优化一样，可以在某方向微小位移下保持约束的有效性。
（3）广义虎克定律直接搜索法：
此方法适用于在初始设计点周围的设计空间进行局部寻优。
它不要求目标函数的连续性。
因为算法不必求导，函数不需要是可微的。
另外，还提供收敛系数（rho），用来预计目标函数方程的数目，从而确保收敛性。
（4）可行方向法（CONMIN）：
可行方向法是一个直接数值优化方法，它可以直接在非线性的设计空间进行搜索。
它可以在搜索空间的某个方向上不断寻求最优解。
用数学方程描述如下：
Design i = Design i-1 + A * Search Direction i方程中，i表示循环变量，A表示在某个空间搜索时决定的常数。
它的优点就是在保持解的可行性下降低了目标函数值。
这种方法可以快速地达到目标值并可以处理不等式约束。
缺点是目前还不能解决包含等式约束的优化问题。
（5）混合整型优化法（MOST）：
混合整型优化法首先假定优化问题的设计变量是连续的，并用序列二次规划法得到一个初始的优化解。
如果所有的设计变量是实型的，则优化过程停止。
否则，如果一些设计变量为整型或是离散型，那么这个初始优化解不能满足这些限制条件，需要对每一个非实型参数寻找一个设计点，该点满足非实型参数的限制条件。
这些限制条件被作为新的约束条件加入优化过程，重新优化产生一个新的优化解，迭代依次进行。
在优化过程中，非实型变量为重点考虑的对象，直到所有的限制条件都得到满足，优化过程结束，得到最优解。
（6）序列线性规划法（SLP）：序列线性规划法利用一系列的子优化方法来解决约束优化问题。
此方法非常好实现，适用于许多工程实例问题。
（7）序列二次规划法（DONLP）：
此方法对拉各朗日法的海森矩阵进行了微小的改动，进行变量的缩放，并且改善了armijo型步长算法。
这种算法在设计空间中通过梯度投影法进行搜索。
（8）序列二次规划法（NLPQL）：
这种算法假设目标函数是连续可微的。
基本思想是将目标函数以二阶拉氏方程展开，并把约束条件线性化，使得转化为一个二次规划问题。
二阶方程通过quasi－Newton公式得到了改进，而且加入了直线搜索提高了算法的稳定性。
（9）逐次逼近法（SAM）：
逐次逼近法把非线性问题当做线性问题来处理。
使用了稀疏矩阵法和单纯形法求解线性问题。
如果某个变量被声明成整型，单纯形法通过重复大量的矩阵运算来达到预期的最优值。
逐次逼近法是在M. Berkalaar和J.J. Dirks提出的二次线性算法。
2 探索优化方法
探索优化法避免了在局部出现最优解的情况。
这种方法通常在整个设计空间中搜索全局最优值。
iSIGHT中有以下两种：
（1）多岛遗传算法（MIGA）：
在多岛遗传算法中，和其他的遗传算法一样每个设计点都有一个适应度值,这个值是建立在目标函
数值和约束罚函数值的基数上。
个体如有好的目标函数值，罚函数也就有一个更高的适应度值。
多岛遗传法区别于传统遗传算法的最大区别在于每个种群都被分为若干个子种群，也称为岛。
分别在各自的子种群中进行传统的遗传算法。
一些个体被选出来周期的“移民”到其他的岛上。
这种操作成为“移民”。
有两个参数控制着移民过程：移民间隔（每次移民之后繁殖后代的个数）；移民率（移民个体所占的百分比）。
（2）自适应模拟退火算法（ASA）：
自适应模拟退火算法非常适用于用算法简单的编码来解决高度非线性优化问题，尤其是当发现找全局目标值比寻求好的设计方法更为重要的时候。
这种方法能够辨别不同的局部最优解。
该算法能够以最小的成本就获得最优解。
3 专家系统优化
定向启发式搜索算法(DHS)：定向启发式搜索算法只注重于可以直接影响到优化解的参数。
如图通过问题描述特性来选择合适的优化方法：
* 只有NLPQL. DONLP在不能处理用户提供的梯度情况下有效。
**尽管运算需要某些或全部变量是整型或者离散型的，任务过程必须能估计任意实型设计变量。
* 表示只有在修正可行方向法（ADS）才有效，在可行方向法（CONMIN）不可以处理等式约束。
** 先从初始设计点找到一个初始解，然后从这一点向外搜索最优解。
