LS-DYNA&LS-OPT優(yōu)化分析指南

第1章  緒論
第2章  LS-OPT入門
2.1  LS-OPT安裝命令
2.2  LS-OPT中的名稱約定
2.2.1  變量名
2.2.2  階段和采樣名
2.2.3  環(huán)境變量名
2.3  一種使用響應(yīng)面進行設(shè)計的方法
2.3.1  設(shè)計準備
2.3.2  逐步迭代半自動程序
2.4  推薦的測試程序
2.5  設(shè)計優(yōu)化中的陷阱
2.5.1  全局
2.5.2  噪聲
2.5.3  非魯棒性設(shè)計
2.5.4  不可能的設(shè)計
2.5.5  非的設(shè)計
2.6  建立一個簡單的優(yōu)化問題
2.6.1  工作目錄
2.6.2  啟動
2.6.3  任務(wù)
2.6.4  階段
2.6.5  設(shè)置
2.6.6  采樣和元模型
2.6.7  優(yōu)化
2.6.8  終止條件
2.6.9  運行
2.6.10  查看器
2.7  訓練示例
第3章  圖形用戶界面
3.1  LS-OPT用戶界面（LS-OPTui）
3.2  圖形用戶界面主窗口
3.2.1  設(shè)置流程
3.2.2  導出和導入階段
3.2.3  階段間文件傳輸
3.3  運行LS-OPT
3.3.1  正常運行
3.3.2  基準運行
3.4  重新啟動
3.4.1  清除當前迭代
3.4.2  現(xiàn)有設(shè)計的擴充
3.5  現(xiàn)有作業(yè)的修復或修改
3.6  存檔LS-OPT數(shù)據(jù)庫
3.7  加密
3.8  設(shè)置
第4章  任務(wù)對話框—選擇任務(wù)和策略
4.1  任務(wù)選擇
4.2  基于元模型的優(yōu)化
4.3  DOE研究
4.4  直接優(yōu)化
4.5  概率分析任務(wù)
4.5.1  直接蒙特卡羅分析
4.5.2  基于元模型的蒙特卡羅分析
4.6  RBDO/魯棒參數(shù)設(shè)計（概率優(yōu)化任務(wù)）
4.7  田口方法
4.8  基于元模型的優(yōu)化策略選擇
4.8.1  單次迭代方法
4.8.2  序貫方法
4.8.3  帶域縮減的序貫方法
4.8.4  有效的全局優(yōu)化方法
4.9  基于元模型優(yōu)化中的域縮減
4.9.1  改變子域特性
4.9.2  設(shè)置子域參數(shù)
4.10  創(chuàng)建帕累托前沿
4.11  全局靈敏度分析
4.12  驗證運行
第5章  階段對話框—定義求解器
5.1  介紹
5.2  通用設(shè)置
5.2.1  命令
5.2.2  輸入文件
5.2.3  額外的輸入文件
5.2.4  輸入文件的參數(shù)化
5.2.5  用戶定義的參數(shù)格式
5.2.6  系統(tǒng)變量
5.2.7  如何避免復制和解析
5.3  數(shù)據(jù)包接口
5.3.1  LS-DYNA
5.3.2  LS-PREPOST
5.3.3  LS-INGRID
5.3.4  TrueGrid
5.3.5  ANSA (BETA CAE Systems SA)
5.3.6  HyperMorph
5.3.7  μETA（BETA CAE Systems SA）
5.3.8  LS-OPT
5.3.9  Excel
5.3.10  用戶自定義程序
5.3.11  Matlab
5.3.12  第三方求解器
5.3.13  用戶定義的后處理器
5.4  求解器執(zhí)行
5.4.1  為并發(fā)處理指定計算資源
5.4.2  排隊系統(tǒng)接口
5.4.3  使用LSTCVM安全代理服務(wù)器
5.4.4  環(huán)境變量
5.4.5  恢復輸出文件
5.4.6  高級執(zhí)行選項
5.5  文件操作
5.6  “Normal”終止狀態(tài)
5.7  在運行時管理磁盤空間
5.8  運行前處理器的其他設(shè)置
第6章  歷史及響應(yīng)結(jié)果
6.1  定義History、Multihistory和Response
6.1.1  結(jié)果提取
6.1.2  使用LS-DYNA的*DEFINE_CURVE
關(guān)鍵字創(chuàng)建歷史文件
6.2  提取歷史和響應(yīng)量：LS-DYNA
6.2.1  LS-DYNA binout結(jié)果
6.2.2  運動學
6.2.3  LS-DYNA d3plot結(jié)果
6.2.4  質(zhì)量（Mass）與d3hsp的接口
6.2.5  頻率（Frequency）與d3eigv的接口
6.3  提取鈑金成形響應(yīng)量：LS-DYNA
6.3.1  厚度和減薄
6.3.2  FLD約束
6.3.3  主應(yīng)力
6.4  用于歷史記錄、多歷史記錄和響應(yīng)提取
的通用接口
6.4.1  表達式
6.4.2  交繪圖歷史
6.4.3  函數(shù)接口
6.4.4  曲線匹配響應(yīng)
6.4.5  矩陣運算
6.5  損傷準則
6.6  頭部損傷準則
6.7  頸部準則
6.7.1  枕髁總力矩MOC
6.7.2  頸部損傷準則NIC（后碰）
6.7.3  Nij（Nce，Ncf，Nte，Ntf）
6.7.4  Nkm（Nfa，Nea，Nfp，Nep）
6.7.5  LNL
6.8  胸部準則
6.8.1  胸部壓縮
6.8.2  黏性準則（VC）
6.8.3  胸部損傷指數(shù)（TTI）
6.9  下肢的準則
6.10  額外準則
6.11  LS-DYNA binout損傷準則
6.12  從文本文件中提取響應(yīng)和歷史的
GenEx工具
6.13  提取結(jié)果的用戶定義接口
6.14  響應(yīng)文件
6.15  提取LS-OPT實體
6.15.1  LS-OPT響應(yīng)
6.15.2  LS-OPT歷史
6.15.3  LS-OPT可靠性統(tǒng)計數(shù)據(jù)
6.16  Excel
6.17  Matlab
6.18  文件歷史
6.19  文件多歷史
第7章  GenEx：從文本文件中提取響應(yīng)和歷史
7.1  主窗口
7.2  為LS-OPT創(chuàng)建.g6文件
7.3  如何使用GenEx從LS-OPT中提取響應(yīng)
7.4  提取歷史
7.4.1  一個使用“Repeated anchor vector”
提取歷史的例子
7.4.2  一個使用“列向量”提取歷史的
例子
7.4.3  如何從LS-OPT中提取歷史
7.5  命令行選項
7.6  使用GenEx
第8章  設(shè)置對話框—定義變量
8.1  參數(shù)設(shè)置
8.1.1  常量
8.1.2  因變量
8.1.3  離散變量和字符串變量
8.1.4  傳遞變量
8.1.5  響應(yīng)變量
8.1.6  概率變量—噪聲和控制變量
8.1.7  概率分布
8.1.8  變量的相關(guān)性
8.1.9  初始感興趣區(qū)域（范圍）的大小
和位置
8.1.10  鞍座方向：壞情況設(shè)計
8.2  階段矩陣
8.3  采樣矩陣
8.4  資源
8.5  特性
第9章  采樣和元模型對話框
9.1  元模型類型
9.1.1  多項式
9.1.2  靈敏度
9.1.3  前饋神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)網(wǎng)絡(luò)
9.1.4  Kriging參數(shù)
9.1.5  支持向量回歸
9.1.6  用戶定義元模型
9.2  非多項式元模型的一般選項
9.2.1  次迭代線性D-Optimal
9.2.2  用新點來擴展現(xiàn)有設(shè)計
9.3  點選擇方案
9.3.1  概述
9.3.2  D-Optimal點選擇
9.3.3  拉丁超立方體采樣
9.3.4  空間填充
9.3.5  帕累托邊界的空間填充
9.3.6  正交陣列
9.3.7  用戶定義的點選擇
9.3.8  高級點選擇選項
9.3.9  復制試驗點
9.3.10  備注
9.4  活躍變量
9.5  采樣特性
9.5.1  近似歷史
9.5.2  使用檢查點驗證元模型
9.5.3  導入用戶定義的分析結(jié)果
9.5.4  導入元模型
9.5.5  更改重啟時的點數(shù)
9.6  采樣約束
9.7  比較元模型
第10章  復合函數(shù)對話框
10.1  復合函數(shù)與響應(yīng)表達式的對比
10.2  定義復合函數(shù)
10.3  表達式復合
10.4  標準復合方法
10.4.1  目標復合（MSE的平方根）
10.4.2  均方誤差
10.4.3  加權(quán)復合
10.5  歷史匹配復合方法
10.5.1  基于縱坐標的曲線匹配
10.5.2  曲線映射
10.6  標準差復合
第11章  分類器對話框
11.1  分類器和元模型介紹
11.2  定義分類器
11.3  為實驗設(shè)計點分配類別標簽
11.4  分類器類型
11.4.1  模擬指示器
11.4.2  支持向量分類（SVC）
第12章  優(yōu)化對話框—目標、約束和算法
12.1  優(yōu)化問題的表達
12.2  定義目標函數(shù)
12.3  定義約束
12.3.1  約束的內(nèi)部縮放
12.3.2  小化響應(yīng)或約束沖突
12.4  算法
12.4.1  在LFOP算法中設(shè)置參數(shù)
12.4.2  遺傳算法設(shè)置參數(shù)
12.4.3  模擬退火算法設(shè)置參數(shù)
12.5  基于蒙特卡羅分析的元模型算法
12.6  基于可靠性的設(shè)計優(yōu)化算法
（RBDO）
第13章  終止準則
13.1  基于元模型的方法
13.1.1  設(shè)計變更公差和目標函數(shù)公差
13.1.2  響應(yīng)精度公差
13.1.3  迭代次數(shù)
13.2  直接優(yōu)化
第14章  概率建模和任務(wù)
14.1  概率問題建模
14.2  概率分布
14.3  分布參數(shù)化
14.4  概率變量
14.4.1  設(shè)置概率變量的名義值
14.4.2  概率變量的邊界
14.5  蒙特卡羅分析
14.6  使用元模型進行蒙特卡羅分析
14.7  RBDO/魯棒參數(shù)設(shè)計
第15章  運行設(shè)計任務(wù)
15.1  運行設(shè)計任務(wù)
15.2  分析監(jiān)控
15.3  作業(yè)監(jiān)控—進度對話框
15.3.1  求解運行的錯誤終止
15.3.2  集成輸出和顯示窗口
15.4  重啟動
15.5  輸出和結(jié)果文件
第16章  查看結(jié)果
16.1  查看器概述
16.1.1  繪圖選擇器
16.1.2  通用繪圖選項
16.1.3  繪圖面板可視性和表選項
16.1.4  繪圖旋轉(zhuǎn)
16.1.5  分屏窗口
16.1.6  保存繪圖設(shè)置
16.1.7  命令行選項
16.1.8  迭代面板
16.1.9  范圍和軸選項
16.2  仿真結(jié)果可視化
16.2.1  相關(guān)矩陣
16.2.2  散點圖
16.2.3  平行坐標圖
16.2.4  自組織映射
16.2.5  歷史繪圖
16.2.6  統(tǒng)計工具
16.3  元模型結(jié)果可視化
16.3.1  曲面圖
16.3.2  二維插值繪圖
16.3.3  精度繪圖
16.3.4  敏感性繪圖
16.3.5  歷史繪圖
16.4  優(yōu)化結(jié)果可視化
16.4.1  優(yōu)化歷史
16.4.2  變量圖
16.5  帕累托解可視化
16.5.1  取舍圖
16.5.2  平行坐標圖
16.5.3  超徑向可視化
16.5.4  自組織映射網(wǎng)絡(luò)
16.6  隨機分析
16.6.1  統(tǒng)計工具
16.6.2  隨機貢獻
第17章  交互表
17.1  點選擇窗口
17.2  數(shù)據(jù)表
17.3  虛擬點和點生成
17.4  運行虛擬點
17.5  用戶定義的點分類
17.6  可定制約束
17.7  點過濾
17.8  顯示或隱藏列
17.9  復制和粘貼
17.10  LS-PREPOST條紋繪圖
17.11  生成虛擬點來增強設(shè)計
第18章  LS-DYNA結(jié)果統(tǒng)計
18.1  繪圖
18.2  創(chuàng)建繪圖
18.2.1  步驟1：條紋圖或歷史圖
18.2.2  步驟2：D3Plot組件或歷史
18.2.3  步驟3：統(tǒng)計
18.2.4  步驟4：LS-PREPOST中實現(xiàn)
可視化
18.3  蒙特卡羅和元模型分析
18.3.1  蒙特卡羅
18.3.2  元模型和殘差
18.4  相關(guān)性
18.4.1  條紋圖或歷史與響應(yīng)的相關(guān)性
18.4.2  條紋圖或歷史與變量的相關(guān)性
18.5  變量的隨機貢獻
18.6  安全裕度圖
18.7  查看LS-OPT歷史
18.8  分岔調(diào)查
18.8.1  自動檢測
18.8.2  手動檢測
18.9  位移幅值問題
18.10  鈑金成形選項
18.11  用戶定義的統(tǒng)計
18.12  重復或持續(xù)使用某些評估方法
第19章  優(yōu)化應(yīng)用
19.1  參數(shù)識別
19.1.1  優(yōu)化算法
19.1.2  匹配標量值
19.1.3  曲線匹配度量
19.1.4  使用全局測量進行參數(shù)識別
19.1.5  采樣約束
19.1.6  求解器輸入曲線參數(shù)化
19.1.7  查看器
19.2  敏感性分析
19.2.1  基于元模型的敏感性分析
19.2.2  田口法分析
19.3  多學科設(shè)計優(yōu)化（MDO）
19.4  多目標優(yōu)化（MOO）
19.4.1  直接遺傳算法
19.4.2  基于元模型遺傳算法
19.4.3  查看器
19.5  形狀優(yōu)化
19.6  壞情況設(shè)計
19.7  多級優(yōu)化
第20章  優(yōu)化案例
20.1  雙桿桁架（3個變量）
20.1.1  問題描述
20.1.2  利用線性響應(yīng)曲面的個近似
20.1.3  更新近似到二階
20.1.4  為進一步改進縮減感興趣區(qū)域
20.1.5  自動化設(shè)計過程
20.2  小型汽車碰撞（2個變量）
20.2.1  基本介紹
20.2.2  設(shè)計準則和設(shè)計變量
20.2.3  設(shè)計公式
20.2.4  建模
20.2.5  使用徑向基函數(shù)進行單次迭代
20.2.6  使用線性元模型的自動優(yōu)化
20.2.7  混合離散優(yōu)化
20.2.8  采用直接遺傳算法進行優(yōu)化
20.2.9  使用直接方法和元模型進行
多級優(yōu)化
20.2.10  使用連續(xù)變量和字符串變量
進行多級優(yōu)化
20.3  圓管沖擊（2個變量）
20.3.1  問題描述
20.3.2  解決方案
20.3.3  結(jié)果
20.4  鈑金成形（3個變量）
20.4.1  問題描述
20.4.2  解決方案
20.4.3  結(jié)果
20.5  大型車輛碰撞與振動（MDO/MOO）
（7個變量）
20.5.1  有限元建模
20.5.2  設(shè)計公式
20.5.3  基于元模型的多目標優(yōu)化
20.5.4  采用直接遺傳（Direct GA）算法
進行多目標優(yōu)化
20.6  膝關(guān)節(jié)撞擊變量篩選（11個變量）
20.6.1  有限元建模
20.6.2  設(shè)計公式
20.6.3  解決方案
20.6.4  變量篩選
20.6.5  優(yōu)化
20.7  使用ANSA和μETA進行前縱梁形
狀優(yōu)化
20.7.1  問題描述
20.7.2  解決方案
20.7.3  結(jié)果
20.8  具有分析設(shè)計敏感性的優(yōu)化
20.8.1  問題描述
20.8.2  解決方案
20.8.3  結(jié)果
20.9  使用GenEx從數(shù)據(jù)文件中提取歷史
記錄/響應(yīng)的小型汽車耐撞性示例
20.9.1  問題描述
20.9.2  在GenEx中定義響應(yīng)
20.9.3  在GenEx中定義歷史
20.9.4  優(yōu)化結(jié)果
20.10  基于分類器約束的小型車NVH
優(yōu)化（2個變量）
20.10.1  介紹
20.10.2  解決方案及結(jié)果
20.11  使用分類器約束的多學科優(yōu)化
20.11.1  問題描述
20.11.2  解決方案
20.11.3  結(jié)果
20.12  汽車座椅優(yōu)化設(shè)計案例
20.12.1  分析目的
20.12.2  功能選擇
20.12.3  主要流程
20.12.4  案例分析
第21章  參數(shù)識別實例
21.1  材料識別（彈塑性材料）（2個變量）
21.1.1  問題描述
21.1.2  基于縱坐標的曲線匹配
21.1.3  靶向復合公式
21.1.4  結(jié)果
21.1.5  均方誤差（MSE）公式
21.1.6  參數(shù)結(jié)果
21.2  利用遲滯回曲線進行系統(tǒng)識別
21.2.1  問題描述
21.2.2  曲線映射解法
21.2.3  結(jié)果
21.3  校正GISSMO模型
21.3.1  問題描述
21.3.2  使用動態(tài)時間規(guī)整解決方案
21.3.3  結(jié)果
21.4  使用拉伸試驗進行全場校準
21.4.1  問題描述
21.4.2  材料模型
21.4.3  設(shè)置
21.4.4  使用DIC數(shù)據(jù)和動態(tài)時間規(guī)整
校核
21.4.5  結(jié)果
21.4.6  使用近節(jié)點集群進行節(jié)點映射
第22章  案例—概率分析
22.1  概率分析
22.1.1  概述
22.1.2  問題描述
22.1.3  直接蒙特卡羅評價
22.1.4  使用元模型的蒙特卡羅分析
22.1.5  蒙特卡羅分類器
22.1.6  分岔分析
22.2  分岔/異常值分析
22.2.1  概述
22.2.2  問題描述
22.2.3  蒙特卡羅評價
22.2.4  屈曲模式的自動識別
22.2.5  手動識別屈曲模式
22.3  使用一次二階矩法（FOSM）的基于
可靠性設(shè)計優(yōu)化（RBDO）
22.4  魯棒參數(shù)設(shè)計
22.5  公差優(yōu)化
22.5.1  概述
22.5.2  問題描述
22.5.3  基于導入元模型的固定公差
蒙特卡羅分析
22.5.4  公差優(yōu)化設(shè)置及結(jié)果
22.5.5  RBDO與公差優(yōu)化的對比
22.6  使用隨機場
22.6.1  只使用隨機場
22.6.2  一個變量和一個隨機場
22.6.3  使用隨機場重復實驗
22.6.4  使用固定隨機場