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(jìn)行設(shè)計(jì)的方法
2.3.1  設(shè)計(jì)準(zhǔn)備
2.3.2  逐步迭代半自動(dòng)程序
2.4  推薦的測試程序
2.5  設(shè)計(jì)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(jì)
2.5.4  不可能的設(shè)計(jì)
2.5.5  非的設(shè)計(jì)
2.6  建立一個(gè)簡單的優(yōu)化問題
2.6.1  工作目錄
2.6.2  啟動(dòng)
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(yùn)行
2.6.10  查看器
2.7  訓(xùn)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(dǎo)出和導(dǎo)入階段
3.2.3  階段間文件傳輸
3.3  運(yùn)行LS-OPT
3.3.1  正常運(yùn)行
3.3.2  基準(zhǔn)運(yùn)行
3.4  重新啟動(dòng)
3.4.1  清除當(dāng)前迭代
3.4.2  現(xiàn)有設(shè)計(jì)的擴(kuò)充
3.5  現(xiàn)有作業(yè)的修復(fù)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(jì)（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(yàn)證運(yùn)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(fù)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(jì)算資源
5.4.2  排隊(duì)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(fù)輸出文件
5.4.6  高級執(zhí)行選項(xiàng)
5.5  文件操作
5.6  “Normal”終止?fàn)顟B(tài)
5.7  在運(yùn)行時(shí)管理磁盤空間
5.8  運(yùn)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(yùn)動(dòng)學(xué)
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(dá)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(yùn)算
6.5  損傷準(zhǔn)則
6.6  頭部損傷準(zhǔn)則
6.7  頸部準(zhǔn)則
6.7.1  枕髁總力矩MOC
6.7.2  頸部損傷準(zhǔn)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(zhǔn)則
6.8.1  胸部壓縮
6.8.2  黏性準(zhǔn)則（VC）
6.8.3  胸部損傷指數(shù)（TTI）
6.9  下肢的準(zhǔn)則
6.10  額外準(zhǔn)則
6.11  LS-DYNA binout損傷準(zhǔn)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(shí)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(jì)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(gè)使用“Repeated anchor vector”
提取歷史的例子
7.4.2  一個(gè)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(xiàng)
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(jì)
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(xiàng)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(xiàng)式元模型的一般選項(xiàng)
9.2.1  次迭代線性D-Optimal
9.2.2  用新點(diǎn)來擴(kuò)展現(xiàn)有設(shè)計(jì)
9.3  點(diǎn)選擇方案
9.3.1  概述
9.3.2  D-Optimal點(diǎn)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(diǎn)選擇
9.3.8  高級點(diǎn)選擇選項(xiàng)
9.3.9  復(fù)制試驗(yàn)點(diǎn)
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(diǎn)驗(yàn)證元模型
9.5.3  導(dǎo)入用戶定義的分析結(jié)果
9.5.4  導(dǎo)入元模型
9.5.5  更改重啟時(shí)的點(diǎn)數(shù)
9.6  采樣約束
9.7  比較元模型
第10章  復(fù)合函數(shù)對話框
10.1  復(fù)合函數(shù)與響應(yīng)表達(dá)式的對比
10.2  定義復(fù)合函數(shù)
10.3  表達(dá)式復(fù)合
10.4  標(biāo)準(zhǔn)復(fù)合方法
10.4.1  目標(biāo)復(fù)合（MSE的平方根）
10.4.2  均方誤差
10.4.3  加權(quán)復(fù)合
10.5  歷史匹配復(fù)合方法
10.5.1  基于縱坐標(biāo)的曲線匹配
10.5.2  曲線映射
10.6  標(biāo)準(zhǔn)差復(fù)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(shí)驗(yàn)設(shè)計(jì)點(diǎn)分配類別標(biāo)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(biāo)、約束和算法
12.1  優(yōu)化問題的表達(dá)
12.2  定義目標(biāo)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(jì)優(yōu)化算法
（RBDO）
第13章  終止準(zhǔn)則
13.1  基于元模型的方法
13.1.1  設(shè)計(jì)變更公差和目標(biāo)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(jìn)行蒙特卡羅分析
14.7  RBDO/魯棒參數(shù)設(shè)計(jì)
第15章  運(yùn)行設(shè)計(jì)任務(wù)
15.1  運(yùn)行設(shè)計(jì)任務(wù)
15.2  分析監(jiān)控
15.3  作業(yè)監(jiān)控—進(jìn)度對話框
15.3.1  求解運(yùn)行的錯(cuò)誤終止
15.3.2  集成輸出和顯示窗口
15.4  重啟動(dòng)
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(xiàng)
16.1.3  繪圖面板可視性和表選項(xiàng)
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(xiàng)
16.1.8  迭代面板
16.1.9  范圍和軸選項(xiàng)
16.2  仿真結(jié)果可視化
16.2.1  相關(guān)矩陣
16.2.2  散點(diǎn)圖
16.2.3  平行坐標(biāo)圖
16.2.4  自組織映射
16.2.5  歷史繪圖
16.2.6  統(tǒng)計(jì)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(biāo)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(jī)分析
16.6.1  統(tǒng)計(jì)工具
16.6.2  隨機(jī)貢獻(xiàn)
第17章  交互表
17.1  點(diǎn)選擇窗口
17.2  數(shù)據(jù)表
17.3  虛擬點(diǎn)和點(diǎn)生成
17.4  運(yùn)行虛擬點(diǎn)
17.5  用戶定義的點(diǎn)分類
17.6  可定制約束
17.7  點(diǎn)過濾
17.8  顯示或隱藏列
17.9  復(fù)制和粘貼
17.10  LS-PREPOST條紋繪圖
17.11  生成虛擬點(diǎn)來增強(qiáng)設(shè)計(jì)
第18章  LS-DYNA結(jié)果統(tǒng)計(jì)
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(jì)
18.2.4  步驟4：LS-PREPOST中實(shí)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(jī)貢獻(xiàn)
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(dòng)檢測
18.8.2  手動(dòng)檢測
18.9  位移幅值問題
18.10  鈑金成形選項(xiàng)
18.11  用戶定義的統(tǒng)計(jì)
18.12  重復(fù)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(biāo)量值
19.1.3  曲線匹配度量
19.1.4  使用全局測量進(jìn)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(xué)科設(shè)計(jì)優(yōu)化（MDO）
19.4  多目標(biāo)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(jì)
19.7  多級優(yōu)化
第20章  優(yōu)化案例
20.1  雙桿桁架（3個(gè)變量）
20.1.1  問題描述
20.1.2  利用線性響應(yīng)曲面的個(gè)近似
20.1.3  更新近似到二階
20.1.4  為進(jìn)一步改進(jìn)縮減感興趣區(qū)域
20.1.5  自動(dòng)化設(shè)計(jì)過程
20.2  小型汽車碰撞（2個(gè)變量）
20.2.1  基本介紹
20.2.2  設(shè)計(jì)準(zhǔn)則和設(shè)計(jì)變量
20.2.3  設(shè)計(jì)公式
20.2.4  建模
20.2.5  使用徑向基函數(shù)進(jìn)行單次迭代
20.2.6  使用線性元模型的自動(dòng)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(jìn)行優(yōu)化
20.2.9  使用直接方法和元模型進(jìn)行
多級優(yōu)化
20.2.10  使用連續(xù)變量和字符串變量
進(jìn)行多級優(yōu)化
20.3  圓管沖擊（2個(gè)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(gè)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(dòng)（MDO/MOO）
（7個(gè)變量）
20.5.1  有限元建模
20.5.2  設(shè)計(jì)公式
20.5.3  基于元模型的多目標(biāo)優(yōu)化
20.5.4  采用直接遺傳（Direct GA）算法
進(jìn)行多目標(biāo)優(yōu)化
20.6  膝關(guān)節(jié)撞擊變量篩選（11個(gè)變量）
20.6.1  有限元建模
20.6.2  設(shè)計(jì)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(jìn)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(jì)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(gè)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(xué)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(jì)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(shí)例
21.1  材料識別（彈塑性材料）（2個(gè)變量）
21.1.1  問題描述
21.1.2  基于縱坐標(biāo)的曲線匹配
21.1.3  靶向復(fù)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(jìn)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(dòng)態(tài)時(shí)間規(guī)整解決方案
21.3.3  結(jié)果
21.4  使用拉伸試驗(yàn)進(jìn)行全場校準(zhǔn)
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(dòng)態(tài)時(shí)間規(guī)整
校核
21.4.5  結(jié)果
21.4.6  使用近節(jié)點(diǎn)集群進(jìn)行節(jié)點(diǎn)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(jià)
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(jià)
22.2.4  屈曲模式的自動(dòng)識別
22.2.5  手動(dòng)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(jì)優(yōu)化（RBDO）
22.4  魯棒參數(shù)設(shè)計(jì)
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(dǎo)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(jī)場
22.6.1  只使用隨機(jī)場
22.6.2  一個(gè)變量和一個(gè)隨機(jī)場
22.6.3  使用隨機(jī)場重復(fù)實(shí)驗(yàn)
22.6.4  使用固定隨機(jī)場