飞机 汽车 半导体 能源 |
u目标：
◇在概念设计阶段优化这三款飞机，以确保在开发阶段减少模型修改和相关成本
u挑战：
◇9个目标函数（例如最大起飞重量、燃油消耗等）
◇12 个设计变量
◇33 个非线性约束(6个等式约束)
u解决方案：
◇梯度多目标优化算法
◇多个内部仿真工具的集成
u结果：
◇大约提高了5%的性能
◇减少了20%的设计时间
◇使用基于遗传算法的方法无法实现
u目标：
◇确保乘客的乘坐舒适性和车辆在道路上的平稳性能
u挑战：
◇需要模拟不同的车辆驾驶模式：
需要大量计算资源及时间
◇不同道路轮廓的阻尼需要优化：
12个参数，8个二次约束和2个需要改进的目标(最小化垂直方向和围绕纵轴的加速度波动)
u解决方案：
◇将Adams Car集成到pSeven中进行整车的平顺性模拟
◇为了保证模型的稳定性，进行了参数化研究
◇采用基于代理的优化方法寻找最佳配置
u结果：
◇在600次迭代中有36个帕累托边界点，这意味着每个点约进行了20次迭代
◇与初始配置相比，垂直过载扩展减少了10%，侧滚角加速度减少了2%
u目标：
◇找到一个高效的热交换器设计
u挑战：
◇许多设计参数和目标：
10个输入参数:引脚几何形状，进口流量和温度，IGBT和二极管热率等
3个输出参数:最高温度-防止电子设备损坏，流动阻力-减少风扇功率和节省电池充电，温度变化-提供相同的寿命
◇一次CFD仿真时间为1.5小时（8核）
u解决方案：
◇在pSeven中集成FloEFD仿真模型进行优化
◇采用基于代理的优化方法寻找最佳配置
u结果：
◇通过120次模拟构建了Pareto边界，并从中选择了最优设计
u目标：
◇最大限度利用涡轮机风力
u挑战：
◇风力涡轮机叶片包含2个不同的翼型和有很多控制参数：
7个几何变量，1个目标函数，1个约束
◇对3D模型的质量要求很高，这是生产所必需的
u解决方案：
◇在Flypoint parameterica中建立三维参数化模型
◇使用雷诺平均方程（RANS），采用k-ω SST Menter湍流模型进行了CFD模拟
◇优化任务在P7中通过完全自动化的流程解决
u结果：
◇涡轮叶片的风力增加了36%
|
|