设计优化：拓扑等等

拓扑优化。
来源：SolidThinking.

拓扑优化及其诱人的生物形状形状是许多人认为他们在工程设计中听到“优化”一词。但拓扑优化只是一种结构优化 - 而且，当今工程师提供的五种广泛的优化技术中只有一个。同样如果没有更有价值，根据设计问题的性质，是参数优化，多学科优化（MDO），多目标或帕累托优化以及鲁棒性和可靠性优化。

所有这些数值方法的力量是他们通过设计替代品的合理性和迅速搜索的能力，以获得最佳设计。可以改变设计的设计中的参数称为“最佳”设计称为设计变量。鉴于这些变量，设计可以构造为找到一些属性的最小或最大的过程，这些过程被称为目标函数。对于要接受的设计，它还必须满足某些要求或设计约束。优化是自动更改设计变量以识别目标函数的最小或最大值的过程，同时满足设计约束。

与乔治华盛顿大学国家碰撞分析中心（NCAC）开发的车辆模型的优化，与美国FHWA和NHTSA的交通合同。
资料来源：Simulia.

以下是这些方法的工作方式，以及他们帮助工程师的哪些问题解决：

结构优化是结构的形状，尺寸，拓扑，对多或地形的优化，以满足对结构响应的操作限制，以及进一步限制结构参数可以假设的值。结构优化方法应用优化算法来通过有限元分析解决结构问题。

形状优化意味着通过调节2D或3D固体的表面形状来优化结构形状，以最小化体积，同时满足应力和位移约束（常规称为成本函数）。

多目标（Pareto）优化。
资料来源：Noish Solutions

尺寸优化包括修改结构元素的尺寸相关性，例如壳体厚度，光束横截面特性，弹簧刚度和质量，以解决优化问题。

拓扑优化表示给定的物理设计卷内的优化材料布局，用于给定的负载和边界条件，使得得到的布局满足规定的性能目标。这通常用于识别最能满足指定设计要求的概念设计，然后改装性能和可制造性。它经常产生最适合于添加剂制造方法的生物晶体出现的形状，例如通过常规的减料制造进行改变以进行生产。

奥纳奇拓扑优化类似于拓扑优化，而是应用于2D元素，变量限制为元素 - 明智的厚度。

像对比优化一样的地形优化仅适用于2D或壳元件，并旨在找到组件中的最佳珠子图案。

参数优化，在某些方面的一个方面的结构优化版本中，是用于在某些定义的方面中最佳的结构参数中的任何参数的任何参数的值的过程，例如最小化指定的目标。在定义的数据集中函数。

多学科优化（MDO）包含所有相关的学科结构（线性或非线性，静态或动态，散装材料或复合材料），流体，热，声学，NVH，多体动力学或在优化问题中同时进行任何组合。通过利用学科之间的互动，MDO可以识别通过顺序优化每个学科来实现的设计解决方案，其工程时间和劳动力的支出大大减少。

多目标或帕累托优化是一种用于数值解决现实世界优化问题通常具有多个目标的事实的方法，这些目标通常会冲突或相互竞争。例如，在优化结构设计中，所需的设计将是重量轻和刚性的。由于这两个目标冲突，必须进行权衡：将有一种光亮的设计，另一个设计是最硬的设计，以及一种无限数量的可能的设计，这些设计是重量和刚度的一些折衷。在不损害另一个标准的情况下，根据一个标准不能改善的权衡设计集被称为帕累托集，绘制帕累托集的曲线称为帕累托前沿。一旦识别帕累托前沿，将这些各种帕累托最佳解决方案彼此进行比较以选择优选的解决方案的作用是基于外源因素（计算机模型外），并由人类决策者进行。

强大的设计优化。来源：Optiy.

鲁棒性和可靠性优化是管理产品设计是标称的事实的方法，而制造和操作条件是现实世界。有限的几何公差，材料特性的变化，在生产或服务中的产品遇到的加载条件中的不确定性和其他差异可以使其与标称的设计值略微不同。因此，鲁棒性和可靠性作为超出标称设计的设计目标通常是可取的。稳健和可靠的设计的性能受到这些预期变化的影响较小，并且在所有条件下仍处于或高于特定的可接受水平。为了评估模拟期间设计的鲁棒性和可靠性，通过根据平均值和统计分布函数来定义，其变量和系统输入是随机制造的。然后根据平均值及其方差测量所得到的系统性能特征。

ora研究
www.oraresearch.com.