行业软件

ANSYS optiSLang 8.0.0.58613 x64含授权激活教程

大小:未知

安全无毒免费软件无广告

分享

本地高速下载
ANSYS optiSLang 8.0.0.58613 x64含授权激活教程 下载地址:
本地下载
热门游戏排行
         OPTISLANG破解版是用于变量分析的通用软件平台。它基于设计变化,测量或观察点的灵敏度分析,模型校准,优化和稳健性评估,而用户输入和求解器调用最少。在灵敏度分析方面,具有用于优化多维参数空间扫描的随机抽样(LHS)、元模型的预测质量(CoP)的量化、
OPTISLANG破解版是用于变量分析的通用软件平台。它基于设计变化,测量或观察点的灵敏度分析,模型校准,优化和稳健性评估,而用户输入和求解器调用最少。在灵敏度分析方面,具有用于优化多维参数空间扫描的随机抽样(LHS)、元模型的预测质量(CoP)的量化、最佳预测能力(MOP)的元模型的生成的优势,也具有最优化的优势,它基于灵敏度分析,识别相关的输入参数和响应变量,可使用MOP对参数集进行预优化,而无需额外的求解程序调用,从而使用最合适的算法进一步优化参数集(最佳实践管理)。此外,还包括稳健性评估的功能,旨在有效的确定故障概率的有效随机分析方法、评估结果变量的变化以及识别相关的散射输入参数。OPTISLANG模拟与测量之间的最佳平衡,预后系数(CoP)量化了元模型(回归模型)的预测能力以预测结果。最佳预后(MOP)的元模型功能,MOP代表具有可变结果变量的最佳可预测性的元模型。 要确定MOP,请使用不同的元模型来评估重要输入变量的不同子空间。 对于给定的设计评估数量,这可以实现最大程度地提高预测质量的免试策略。

软件特色

1、方法
optiSLang提供有效的方法来进行稳健的设计优化,以解决您在CAE领域中的任务:
灵敏度分析
多学科优化
参数识别
鲁棒性
评估可靠性
分析
鲁棒
设计优化
随机域
2、集成外部CAE流程
任何求解器(ANSYS,MATLAB,Excel,Python ...)或预处理器和后处理器的仿真过程都可以使用图形编辑器通过ASCII文件进行连接,并可以进行参数敏感性研究,优化或随机分析。
3、一般特征
可理解的系统
最少的配置工作
简单的流程实施
最先进的算法
有针对性的性能限制的单独定义
快速参数化
边界条件和目标的简单定义
4、当前版本8.0
支持ANSYS Release 2020 R1
支持在optiSLang工作流程中往返于Workbench项目的数据传输
Ansys EDT中的向导可轻松安全地设置optiSLang工作流程
JMAG的新集成节点
optiSLang Web服务现在是安装程序的一部分

软件优势

一、灵敏度分析
借助全局敏感性分析和最佳预后(MOP)元模型的自动生成,可以确定优化潜力和相应的最重要变量。利用该现有知识,可以在与任务相关的基础上定义目标函数和边界条件,并可以选择合适的优化算法。
1、最佳实践
通过优化的拉丁超立方体采样并最小化输入变量中的相关误差,获得整个设计空间
自动识别具有最佳预测能力的元模型
使用预后系数(CoP)量化元模型(回归模型)的预测能力以预测结果大小
识别与每个结果变量,约束和优化目标有关的最重要参数
通过MOP / CoP工作流程最大程度地减少求解器数量
2、方法
定义具有上限和下限或离散值的优化变量
定义和生成实验设计(全阶乘,中央复合,D最优,用户定义的DoE);Latin Hypercube采样,可最佳扫描多维参数空间
通过测试各种近似方法自动生成MOP
在CoP的帮助下量化元模型的预测质量
3、结果评估和可视化
直方图
相关矩阵/平行坐标图
MOP的2 / 3D蚁丘图和2 / 3D表面图
使用CoP进行变量排名
残留图和局部误差评估
集成CAE程序的结果图形
自定义地块
4、实际应用实例
激光机器发展的敏感性研究
用于虚拟样机的高效灵敏度分析
定义用于跌落测试敏感性研究的输出参数 
洗衣机波纹管的参数灵敏度和优化
喷嘴设计参数的整体灵敏度分析
二、多学科优化
optiSLang提供强大的优化算法和自动化的工作流程,可为各种多学科,非线性和多标准优化任务有效地确定最佳设计参数。
1、最佳实践
optiSLang进行多学科优化 
使用灵敏度分析和CoP / MOP识别相关的输入参数和响应变量
使用MOP对参数集进行预优化并评估可能的竞争目标功能
优化助手自动选择最适合设计优化的算法
简单定义参数范围,目标函数和边界条件
2、方法
基本方法示例 
基于梯度的方法(NLPQL)
自然启发式优化算法(NOA),用于单目标和多目标优化
自适应响应面法(ARSM)
客户特定的优化算法
3、结果评估和可视化
交互式后处理以匹配优化算法
通过各种显示选项快速评估优化结果
可视化所有参数和响应变量的结果
个性化设计的选择
4、实际应用实例
径向压缩机叶轮的几何优化
optiSLang协助优化圆锯片的几何特征和制造工艺参数
连续纤维增强塑料的优化特性
轴流压气机的多物理场优化,应用和最佳实践
车辆程序的自动多学科优化(MDO)
三、稳健性评估
optiSLang通过基于分散的输入变量生成一组可能的设计实现方案来量化设计的鲁棒性。优化的Latin Hypercube采样和使用预测系数(CoP)对结果变化的可预测性进行量化,以最少的设计计算即可确保变化和相关度量的可靠性。
1、最佳实践
使用optiSLang进行稳健性评估 
将不确定性定义为鲁棒性评估的最重要输入
预定义的分布函数和输入相关矩阵支持散射输入变量的定义
自动生成优化的拉丁文Hypercube样本,以最小的输入相关误差扫描鲁棒性空间
使用最佳预后(MOP)/ CoP工作流程的元模型识别最重要的输入散点
使用结果直方图对鲁棒性进行量化,包括调整分布函数和估计超出概率
2、方法
基本方法示例
具有分布类型和输入相关性的随机输入变量
优化的拉丁超立方体采样
调整结果变量直方图中的分布函数
σ距离的估计
超出概率的估计
3、结果评估和可视化
直方图显示结果的分布
相关矩阵,基于MOP的CoP用于统计评估
分布调整,sigma值,超出概率
交通灯图,检查是否已超过临界响应值
4、实际应用实例
火箭燃烧室高负荷螺栓的疲劳验证
电动动力学鲁棒性分析的质量标准
手机跌落测试仿真的稳健性评估
随机分析作为评估轻型卡车轮组设计坚固性的一种方法
四、可靠性分析
optiSLang中的可靠性分析提供了强大的数值算法,可用于确定超标的小概率。经过稳健性评估后,可以对此类默认概率做出建议的最终证明。
1、最佳实践
使用optiSLang进行可靠性分析 
鲁棒性评估,用于估计超出概率,并确定重要的随机变量,作为选择合适的可靠性分析方法的基础
使用极限状态函数定义一个或多个故障机制
关于使用两种备选算法进行可靠性分析以确保小概率的建议
2、方法
基本方法示例 
一阶可靠度方法(FORM)和重要性抽样(ISPUD),用于可连续微分的极限状态函数
方向采样和自适应采样(AS),具有很少的随机变量,多种故障机制和较低的故障概率
自适应响应面方法(ARSM)是少于20个随机变量的最有效策略
3、结果评估和可视化
直方图
2D / 3D蚁丘图
历史剧情
超出概率
4、实际应用实例
电磁执行器系统的鲁棒设计和可靠性分析
可靠性分析的仿真和优化方法
RDO上下文中的可靠性分析方法
五、稳健的设计优化(RDO)
RDO将设计优化方法与稳健性评估相结合。通过适当的量化和质量特征保证,可以改进产品。optiSLang根据Taguchi方法或6西格玛设计(DFSS)提供基于方差和可靠性的RDO技术。
1、最佳实践
使用optiSLang进行稳健的设计优化(RDO)
定义优化变量的设计空间和所有散射变量的鲁棒性空间
设计空间中的初始灵敏度分析以及空间中散布的变量的初始鲁棒性评估,以确定重要变量,优化潜力,初始超出概率和安全距离
建议对Sigma Level 4中的任务进行可靠性的最终证明
2、方法
基本方法示例
迭代和同时方法:
基于方差的RDO-低sigma级别(≤2-3sigma)的任务
基于可靠性的RDO-任务具有较高的西格玛水平(≥3sigma)
3、结果评估和可视化
适应优化算法的交互式后处理
通过各种可视化选项快速评估优化结果
直方图说明结果值的分散性
分布调整,sigma值,故障概率
交通灯图,用于检查违反关键响应变量的限值
4、实际应用实例
基于自适应响应面的多目标优化的底盘架构的稳健设计
从实用角度考虑蒸汽轮机的概率最优设计的要求和新方法
考虑流固耦合的径向压缩机基于概率和方差的随机设计优化
稳健的船舶设计优化
六、模型校准
自动化的模型校准可以有效地识别相关或不可测量的参数,以实现仿真结果和测试数据之间的最佳匹配。灵敏度分析在模拟模型的预测质量中起着至关重要的作用。
1、最佳实践
使用optiSLang进行模型校准 
进行敏感性分析以检查哪些参数对模型响应变量有重大影响
确定最佳结果提取,以比较仿真模型和测试大小
检查参数和结果变化之间可能的最佳关联模型的唯一性
通过参数耦合搜索歧义(多个)参数集,以最大程度地减少偏差
2、方法
基本方法示例
考虑标量响应大小
多通道信号的定义,例如时移曲线
广泛的信号函数库,例如局部值作为最大和最小幅度,全局值作为某些属性的积分以及更复杂的信号计算
最佳预后(MOP)的元模型,用于不同信号属性的敏感性分析和预评估
不同的优化算法(例如,基于梯度的或自然启发的)
3、结果评估和可视化
统计评估的代表
每种设计评估的信号功能和相应参考变量的表示
信号功能/参数的灵敏度和近似值
交互式评估曲线调整和相应的设计表示
平行坐标图和聚类分析以进行唯一性评估
4、实际应用实例
基于实验模态参数的铁路车辆有限元模型标定
地下实验室粘土岩地层参数识别
汽车虚拟涂装工艺参数的优化

安装破解教程

1、在本站下载并解压,得到以下内容

2、双击setup文件夹中的ANSYS_optiSLang_Setup_8.0.0.58613.exe运行安装,请选择哪些ANSYS optisLang组件应可用。 点击“安装”开始安装。
用于ANSYS插件的optiSLang 8.0.0.58613(可选),
用于Excel插件的optiSLang 8.0.0.58613(可选)

3、安装中,耐心等待

4、安装完成,将破解文件夹中的ANSYS optiSLang文件夹复制到安装目录中,点击替换目标中的文件,(默认情况下为C:\ Program Files \ Dynardo \ ANSYS optiSLang)

5、将“ dynardo_SSQ.dat”复制到计算机(例如复制到C:\ Program Files \ Dynardo),然后创建环境变量
变量名:DYNARDO_LICENSE_FILE
变量值:指向“ dynardo_SSQ.dat”的路径

(例如DYNARDO_LICENSE_FILE = C:\Program Files\Dynardo\dynardo_SSQ.dat

6、运行“ SolidSQUADLoaderEnabler.reg”并确认将信息添加到Windows注册表中

7、重新启动并享受即可

闪电小编说明:

optiSLang是领先的通用软件平台之一,用于虚拟原型中基于CAE的优化。 基于设计变化或测量和观察点,可以用最少的用户输入和几次求解程序调用就可以进行有效的变化分析。具有模型校准、灵敏度分析、最佳化、稳健性评估、稳健的设计优化、元建模等优势。提供过程集成与自动化,
交互式过程自动化和过程集成以及访问最佳可能的参数仿真模型是成功基于CAE进行变化分析的关键。 输入向导和标准设置在optiSLang中支持这些工作流程。使用optiSLang,可以实现虚拟产品开发领域中各种软件的参数连接。 集成是通过基于文本的界面或预定义的界面实现的。 这意味着optiSLang可以结合100多种不同的CAx / PLM软件解决方案。 optiSLang的用户界面通过图形耦合的模块和算法支持工作流程,以说明依赖关系和时间顺序。 因此可以集中定义和控制数据交换。模块化结构支持将模块直接集成到标准化参数化建模环境中。 这可以实现optiSLang与z的无缝集成。 optiSLang提供了各种接口(例如Python,C ++,命令行),用于自动创建,修改和执行optiSLang中的项目以及外部软件集成。 这样可以确保实现用户定义的应用程序,并且optiSLang项目可以集成到特定于客户的平台中。 重复且耗时的任务已标准化且自动化。并且optiSLang平台具有超高的效率。是非常给力的程序!

展开

同类推荐

友情提醒:请点击右上角的微信菜单选择使用浏览器打开下载(因为微信中不提供下载功能),点击任意处可关闭该提示信息,谢谢~