Ansys ModelCenter Ahora Incluye Algoritmos de Optimización Ansys OptiSLang

En el panorama de ingeniería actual en rápida evolución, la capacidad de cerrar de manera eficiente la brecha entre el diseño conceptual a nivel de sistema y el diseño detallado de componentes es crucial. Este proceso implica refinar los requisitos de diseño multidisciplinario, validar iteraciones de diseño a través de simulaciones basadas en física y optimizar los parámetros de diseño para lograr las mejores compensaciones en las primeras etapas del ciclo de diseño. Ansys ModelCenter , integrado con los potentes algoritmos de optimización multiparámetro de Ansys optiSLang , ofrece un flujo de trabajo transformador que conecta perfectamente estas fases, lo que permite a los ingenieros diseñar soluciones de vanguardia teniendo en cuenta las limitaciones de costos.

ModelCenter actúa como una plataforma de integración de sistemas, conectando requisitos de un entorno de modelado de arquitectura de sistemas y proporcionando un entorno unificado para gestionar y ejecutar simulaciones desde diversas herramientas de software. El poder de ModelCenter radica en su capacidad para automatizar el proceso de simulación y optimización. Los ingenieros pueden crear plantillas de flujo de trabajo que conecten diferentes herramientas, pasen datos entre simulaciones y realicen ciclos de optimización automatizados. Al aprovechar el poder de ModelCenter, los ingenieros pueden organizar de manera eficiente todo el proceso de diseño, garantizando resultados consistentes y ahorrando mucho tiempo y esfuerzo.

Ansys optiSLang es utilizado por una amplia gama de industrias para la exploración, optimización y análisis de robustez del diseño paramétrico en combinación con cualquier herramienta de simulación o ingeniería asistida por computadora (CAE). Al aprovechar estos cinco optimizadores optiSLang, los mejores de su clase, los usuarios de ModelCenter ahora pueden identificar el diseño más óptimo de forma rápida y eficiente. Comparemos los casos de uso de cada uno de estos algoritmos.

• Algoritmo evolutivo
  • Los algoritmos evolutivos (EA) son métodos de búsqueda estocástica que imitan procesos de evolución biológica natural como la selección, la recombinación y la mutación. Se utilizan para variables de diseño discretas y continuas, tareas de optimización de objetivos únicos y múltiples y problemas con una gran proporción de diseños fallidos. Los EA son más eficientes que los métodos basados ​​en gradientes y basados ​​en superficies de respuesta si el número de variables de diseño y condiciones de restricción es grande. También son más eficientes que NLPQLP para una gran cantidad de variables.
• Algoritmo de adaptación de la matriz de covarianza
  • El algoritmo de adaptación de matriz de covarianza (CMA) es una estrategia de evolución estocástica para la optimización de parámetros reales de funciones no lineales y no convexas. Se utilizan en un paisaje de búsqueda accidentado, que puede comprender discontinuidades, crestas pronunciadas u óptimos locales. A diferencia de la mayoría de los métodos clásicos, se hacen menos suposiciones sobre la naturaleza de la función objetivo subyacente. Sólo se aprovecha la clasificación entre soluciones candidatas para conocer la distribución muestral, y no se requieren derivadas ni los valores de las funciones en sí.
• Algoritmo de optimización de enjambre de partículas
  • El algoritmo de enjambre de partículas es un algoritmo de optimización global basado en poblaciones en el que cada población consta de un número determinado de partículas que se mueven a través del espacio de diseño. PSO funciona de manera similar a EA para problemas de optimización de uno o varios objetivos y puede manejar muchos diseños fallidos.
• Optimizador de un clic
  • El optimizador de un clic (OCO) es una estrategia de optimización híbrida eficiente que viene con una sola configuración principal que debe ajustarse: la cantidad máxima de evaluaciones de diseño. Esto proporciona la capacidad de cambiar dinámicamente entre algoritmos de optimización y ejecutar varios algoritmos simultáneamente. OCO es una de las estrategias de optimización más confiables y eficientes.

La integración de optimizadores optiSLang es una gran adición a ModelCenter, ya que permite una optimización eficiente de los parámetros, una exploración de diseño, una identificación óptima de las compensaciones y soluciones rentables.