“自20世纪50年代后期以来，我们将每次乘客飞机的燃料燃烧减少超过80％，“密歇根大学航空航天工程教授Joaquim Martins说。虽然更高效的引擎获得了50％的储蓄信用，但余额来自较轻，容量，更高的空气动力学机身设计。
在设计机身时，设计师专注于两个改进的区域：结构和形状。由于这两个领域都具有挑战性，设计和优化，典型的设计过程一直是首先工作，结构的第二，然后来回反弹以改进和优化。这个过程的问题是两个区域彼此不合适。改变一个，它改变了另一个。很难找到实际为您提供最佳整体设计的甜蜜点。
系列/迭代设计过程已经足够高，在过去55年左右的燃料燃烧方面提供了30％的提高，但增益越来越难。And, even if simulation predicts that a design will be successful, it’s hard to know whether it’s optimal—whether, over the long haul, under all operating conditions, that design will provide the very best combination of efficiency, reliability, capacity, performance, and cost.
多学科设计优化（MDO）具有转换设计过程的承诺，允许设计师以某种信心地知道它们正在创建的设计 - 即使它是具有许多冲突要求的东西 - 就像实际上一样接近最佳。
MDO是一项既定的技术，具有健康的商业工具供应商生态系统，强大的学术支持，以及用户的万神经，包括谁是航空航天和高科技公司。它仍然被大多数人认为是一个后端工程工具。分析师和专家使用的东西来优化各个零件或子系统。然而，它最大的潜在价值可能是在设计过程中早期使用时，以优化系统或产品。
最近在密歇根大学多学科设计优化实验室的研究提供了这个潜力的一个很好的例子。
在燃料效率比赛中击败波音
若阿金·马丁斯博士，与博士生瑞亚列姆和加埃唐Kenway一起，最近发表了他们对飞机机翼的优化研究。In their paper, titled Multi-point, multi-mission, high-fidelity aerostructural optimization of a long-range aircraft configuration, they use the example of a Boeing 777, and show how an optimized wing design could cut the plane’s fuel burn, for all of its flights, by an average of 8.8% .
考虑一下结果：在设计翅膀开始时，波音是没有懒散的，因此将它们击败8.8％是戏剧性的。
翼设计是一个有趣的案例：在概念设计阶段，飞机翼的基本架构通常很早就成立。机翼定义了飞机的基本特征，并限制了许多其他设计决策。使翅膀如此努力设计的事情是他们的空气动力学和结构不仅是相互依存的，它们是可变的。“翼是灵活的，因此即使你用某种形状建造它，它也偏转并具有许多不同的形状，这取决于飞行条件，说是Martins表示。“如果你只是做空气动力学，那么你并不真正考虑。”
飞机翼的优化不是一个新的概念。这一领域的一些早期研究可以追溯到1977年，当r.t.Haftka致力于优化柔性翼结构，受强度和诱导的阻力约束。研究持续了多年来，指导燃烧燃料燃烧。
Martins和他的团队研究的目的是设计一种在所有预期飞行条件下省油的远程飞机配置。Key to accomplishing this was the use of historical data on 100,000 Boeing 777 flights, from which they created a set of representative flight missions incorporating multiple flight conditions (e.g. takeoff, climb, cruise, descent, and landing.) This multi-point approach provided a more accurate profile of fuel burn compared to a single-point analysis considering only one flight condition.
一些以前的飞机翼的多点优化研究遭受了使用2D分析或3D分析而没有空气结构（同时空气动力学和结构）分析，以及使用任意重量将操作条件与单个物镜相结合。在这项工作中，研究人员使用了3D高保真FEA和CFD分析，使他们能够更准确地模拟底层物理，并且具有更少的限制性假设。并且，通过使用历史使命数据，他们能够确定多点优化的最佳加权，而无需诉诸猜测。
阻止MDO广泛采用的重要因素之一是其计算成本。使用高保真模型可以从昂贵到无法忍受的成本提高成本。并行性是救生员，但不能克服计算效率低下。
获得Martins团队使用的计算效率的良好方法是代理模型方法。这涉及使用采样来创建模型（各种称为代理模型，响应曲面模型或元模型），其在预期条件范围内的高保真学科模型的“足够好”表示。用于创建代理模型的方法是只有数学家可以爱的主题。在该项目中，研究人员使用了Kriging近似，是MDO中流行的统计插值方法。
学术研究人员往往喜欢使用学术（而不是商业）CAE代码。对于Euler CFD，研究人员使用Sumb，一种来自Stanford Center的多块结构流量求解器，用于集成湍流模拟。对于FEA，他们使用工具包来分析来自多伦多大学航空航天研究所的复合结构（TACS）。
谈论优化方法时，MDO专业人士蜡喇叭笛。您需要记住的简单规则是没有完美的方法。没有保证方法来查找一般问题的全局最优。梯度方法可以可靠地找到本地最佳ALOPA，但可能无法逃避本地最佳。随机方法将找到一个好的解决方案，但它可能不是最好的解决方案。Martins团队选择了耦合的伴随方法，这使得它们有效地计算了数百个设计变量的函数的渐变。为了实现这一点，他们使用Snopt，这是来自斯坦福国的算法。
优化模型采用相对粗略的120万个单元CFD网格和具有300,000自由度的有限元模型。完成优化后，使用210万个单元CFD网格重新运行分析，以获得更准确的结果。
优化在多伦多大学的高性能计算设施中运行，在大型平行的超级计算机上。花了48小时完成138个主要迭代以获得最佳设计。
MDO不仅仅适用于航空航天
虽然这项研究由Martins，Liem和Kenway为学术目的，结果绝对适用于现实世界问题。他们选择的分析方法，代理模型和优化算法是用于商业MDO应用中使用的方法的死亡匹配。
MDO不仅适用于大金钱航空航天应用。它可以具有更多的磨损磨损问题。如果您想在组织中使用MDO调查，则不一定需要使用学术软件工具。有引人注目的商业工具，具有令人眼花缭乱的能力范围。这只是一些例子：
HEEDS来自Red Cedar Technologies，是一个MDO应用，不仅可以连接所有重型CAE工具，而且直接连接到SolidWorks和SolidWorks仿真。它已在非常大的和非常小的优化项目中成功使用。例如，BD是一家财富500强制造商的医疗技术，用来优化下一代注射器之一的设计。他们能够识别将导致最小装配力和最大拆卸力的设计。根据其性能，在用户在用户学习中进行了一致选择了设计，并给出了BD具有显着的竞争优势。
Solver-中立的优化计划，Hypersudy是HyperWorks Enterprise Cae Suite的一部分，从Altair。结合Altair的Optistruct结构优化程序，Hyperstudy提供几何和拓扑的多学科优化。它在汽车行业中特别受欢迎。
ModeFrontier，从Esteco，CAE工具周围缠绕，通过修改输入值来执行优化，并根据设计问题的目标分析输出。它还通过将公差纳入优化过程，在6秒字节环境中工作。
COMSOL Multiphysics软件包括一个可选的优化模块，可用于解决形状，大小，和拓扑优化问题，逆如参数估计，以及随时间变化的灵敏度和优化问题。
密歇根大学多学科设计优化实验室
mdolab.engin.umich.edu.
Altair HyperWorks.
www.altairhyperworks.com.
Esteco Modefrontier.
www.modefrontier.com.
COMSOL.
www.comsol.com.
提交：3D CAD.那设计世界文章
告诉我们你的想法！