具体操作细节可以关注ANSYS MAXWELL大本营 公众号,看下的教程案例。

1.Maxwell模型参数化

采用了maxwell软件自带的一个RMxprt例子,一键生成Maxwell2D模型,随便选了三个变量,做了参数化。

2.导入workbench

首先得通过一个文件设置一下,不然在workbench里面找不到maxwell.
想要优化的量是齿槽转矩,转矩脉动和转矩的平均值,在workbench里导入两个工程。分别双击Geometry,在optimetrics下面点DesignXplorersetup(只有从workbench点进来,才会出现,这时如果对模型做一些修改,好像只相当于编程中的局部变量,只在这个工程中起作用)进行设置,设置好了就有parameter了。

3.灵敏度分析

加入灵敏度分析模块,安装optislang的时候,会有一个安装workbench插件的选项。下面的图 中Criteria可以理解为目标函数,因为这里不涉及优化,故不用管。

  • DOE:Designs of Experiments确定性实验设计,为了进行全局灵敏度分析而进行的一种扫描。
  • MOP:Metamodel of Optimal Prognosis最优预后元模型,从模型中去除不重要的变量,提升模型的预测质量。


结果如下:(在刚仿真完时查看结果,和优化结束时点开弹出的结果图不一样,分别分析)

这张的工程文件名叫做Sensitivity,刚做完灵敏度分析得到的,分别介绍下几个图的含义(根据help文件的猜测)

  1. 左上角:相关性矩阵,绿色低相关,红蓝是高相关(正负),极弧系数对平均转矩的相关系数就是1,因为其他因素对转矩无影响
  2. 右上角:直方图,横轴是输入/输出值,纵轴PDF概率密度函数,点开下面的箭头,可以看到平均值、最值等,猜测是这100的采样点的分布图,有什么作用不清楚。
  3. 左下角:相关系数,某个输入量对三个输出量的相关性系数,点上面矩阵的不同块儿,会有不同的图。
  4. 右下角:蚁丘图,就是散点图,这些点就是采样的点。


这张的工程文件名叫做Sensitivity_MOP,做完优化之后,再点开灵敏度分析的结果得到的,分别介绍下几个图的含义

  1. 左上角的图是3D响应面图,曲面是响应面,黑点就是采样点,XYZ轴的量都可以改,也可以XY同属于一个量。
  2. 右上角的图是残差图,显示的就是模型预测值和实际值的误差。
  3. 左下角Cop:Coefficient of Prognosis,模型的预测系数,越高说明模型越精确。此图显示了这两个量对这个Cop系数的贡献。
  4. 右下角是Cop矩阵,显示每个块儿的cop。纵坐标是齿槽转矩、转矩,横坐标是极弧系数、槽口宽和总计,因为计算得到转子内径对这些优化量没影响(Cop=0?)所以就没有它。点每个矩阵块儿的时候,其他三个图也会变。

补充:上述的敏感性分析,设置的时候选择的是Sampling method,如果cop比较低,那么可以再拖一个敏感性分析模块,选择AMOP(自适应性最佳预后元模型)。

4.优化

理论上,可以跳过第三步,直接优化,但是这个过程要跑很多数据点,甚至都不知道到底多少,看教程有700多。如果先做个敏感性分析(100个点),再做优化(1分钟),速度就快很多,有人也叫他为基于响应面优化。

设置的时候,平均转矩目标函数为MAX,这时右边显示的值为负,猜测是因为软件以最小值为基准,所以,最大值只能取负,后面的结果图要注意区分,看实际结果图他是正,看目标值他就是负。
接下来,看一看结果图分析:

  1. 左上角:帕累托图,分为2D和3D的,图中很多黑色的点,还有红色的线,并没有红色的点,这图比较密集,看起来像一个面。点了红色的部分,右边显示design就会变成best design,最优解不唯一,且从2D中找不到,要从3D图中找。如果在前面的优化设置中,设置了Limit,那么这里还会有其他信息。
  2. 右上角:设计参数图,当前某点的参数(不考虑转子内径)
  3. 左下角:响应数据图,横坐标的百分比是设计值占当初设置优化时划定的范围的百分比,纵坐标就是转矩、齿槽转矩的响应值
  4. 右下角:标准值(翻译是这样),实际上是优化目标值,平均转矩还是负的,其他都和左图一样的。

如果觉得还不错的话,求个点赞啊!!!

MaxwellWorkbenchoptiSLang联合优化总结相关推荐

  1. 先滑窗后时空联合处理MATLAB,时空联合优化重建方法及系统与流程

    本发明属于图像三维重建技术领域,尤其涉及一种基于扫描光场显微成像系统的时空联合优化重建方法及系统. 背景技术: 三维成像一直是显微成像研究领域中的热点前沿,对科学家探索生命奥秘.疾病机理均有重大意义. ...

  2. matlab和ansys联合优化,MATLAB与HFSS联合建模与仿真优化详细介绍

    [实例简介] 本文详细介绍了MATLAB与HFSS的联合优化方法,并介绍了基于粒子群算法的阻抗调制表面天线的副瓣优化流程 1. Tools→ Record script to file,保持类型选择( ...

  3. 点线联合优化估计相机姿态(IROS 2022)

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨一杯红茶 编辑丨计算机视觉工坊 点击进入->3D视觉工坊学习交流群 标题:Pose Ref ...

  4. 阿里妈妈技术:广告间排序和广告内创意优选联合优化(CACS)

    阿里妈妈技术:广告间排序和广告内创意优选联合优化(CACS) 1.摘要 2.实现 2.1.软标签序学习蒸馏方法 (List-wise Ranking Distillation) 2.2.Adaptiv ...

  5. MATLAB代码:储能参与调峰调频联合优化模型

    MATLAB代码:储能参与调峰调频联合优化模型 关键词:储能 调频 调峰 充放电优化 联合运行 参考文档:<Using Battery Storage for Peak Shaving and ...

  6. 深度聚类:将深度表示学习和聚类联合优化

    参考文献: 简介 经典聚类即数据通过各种表示学习技术以矢量化形式表示为特征.随着数据变得越来越复杂和复杂,浅层(传统)聚类方法已经无法处理高维数据类型.结合深度学习优势的一种直接方法是首先学习深度表示 ...

  7. matlab和ansys联合优化,基于ANSYS和MATLAB的优化设计

    V01.36 No.5 2016.5 船 电技 术I应用研究 基于 ANSYS和 MATLAB的优化设计 李成 阳,何剑平 ,郑 军 (武汉船用 电力推进装置研究所,武汉 430064) 摘 要:针对 ...

  8. 风电最大化消纳的热电联产机组联合优化控制

    复现自<风电最大化消纳的热电联产机组联合优化控制_刘丁赫>,共分为方式1,2,3:另外还包含调用ga遗传算法的写法,不过不好用没写完但是也放入作为参考:程序清晰美观,注释绝对清晰,参数设置 ...

  9. MATLAB代码:储能参与调峰调频联合优化模型 代码主要做的是考虑储能同时参与调峰以及调频的联合调度模型,现有代码往往仅关注储能在调峰方面的能力,而实际上同时参与调峰调频将超线性的提高储能的收益

    MATLAB代码:储能参与调峰调频联合优化模型 关键词:储能 调频 调峰 充放电优化 联合运行 参考文档:<Using Battery Storage for Peak Shaving and ...

最新文章

  1. Bootstrap 模态框上下居中
  2. JSON数据的HTTP Header应该怎么标记?
  3. 编程语言的排名取决于应用场景和主要公司的需求
  4. python 登陆网站图片验证_登陆需要密码以及图片验证的网站 如知乎
  5. 我的教师生涯2:大学毕业前当上了孩子王
  6. Matlab心电信号的PQRST模拟-实验报告
  7. TreeMap实现排序
  8. Git笔记(11) 分支简介
  9. 基于Android Classic Bluetooth的蓝牙聊天软件
  10. 练习四十八:面向对象执行效率
  11. mysql be_Amobe实现MySQL读写分离
  12. 13个绚丽的Jquery 界面设计
  13. 第一次使用Pocket-PowerBuilder和开发DLL的经历
  14. 触摸屏组态图库 触摸屏图库 昆仑通态触摸屏专用
  15. 微信公众号开发--Emoji表情(可用于关注自动回复等)
  16. godaddy 服务器位置,Godaddy DNS服务器列表
  17. 如何使用小米手机对文档进行扫描
  18. java制造业生产管理系统源码
  19. QT 利用QAxObject大数据读写excel文件
  20. [附源码]Python计算机毕业设计SSM基于协同过滤算法的个性化智能图书推荐系统(程序+LW)

热门文章

  1. MySQL中常用的SQL优化方法
  2. 第二季5:配置视频捕获模块(step3:VI模块)
  3. 软件开发流程中各版本名称(alpha/bera/RC/Release)
  4. 网络信息安全技术的学习感悟
  5. DirectX (9) 纹理映射
  6. Chrome安装JsonView插件指南
  7. Eclipse开启弹出Subversive Connector Discovery窗口解决办法
  8. 用C++自制一个病毒(1)
  9. 网络编程Socket之wireshark使用
  10. 小白用户也能看懂的卷积神经网络5