Isight參數(shù)優(yōu)化理論與實(shí)例詳解

入門(mén)篇
第1章  初識(shí)Isight3
  1.1  Isight起源和發(fā)展3
  1.2  主要功能5
  1.3  模塊構(gòu)成6
  1.4  安裝要求7
  1.5  在Windows上安裝Isight8
    1.5.1  安裝步驟(Windows系統(tǒng))8
    1.5.2  安裝許可服務(wù)器12
    1.5.3  配置客戶(hù)端浮動(dòng)許可13
  1.6  在Unix/ Linux上安裝Isight14
    1.6.1  安裝步驟(Unix/Linux系統(tǒng))14
    1.6.2  安裝許可服務(wù)器15
    1.6.3  配置客戶(hù)端浮動(dòng)許可15
  1.7  運(yùn)行主界面16
    1.7.1  設(shè)計(jì)門(mén)戶(hù)（Design Gateway）16
    1.7.2  運(yùn)行門(mén)戶(hù)（Runtime Gateway）16
第2章  應(yīng)用程序集成(Code Integration)18
  2.1  組件庫(kù)（Component Library）18
  2.2  Calculator計(jì)算器組件19
    2.2.1  概  述19
    2.2.2  練  習(xí)19
  2.3  Excel組件21
    2.3.1  概  述21
    2.3.2  練  習(xí)21
  2.4  Data Exchanger文本讀/寫(xiě)組件23
    2.4.1  概  述23
    2.4.2  練習(xí)：寫(xiě)文件24
    2.4.3  練習(xí)：讀文件28
  2.5  OS Command命令行組件32
    2.5.1  概  述32
    2.5.2  練  習(xí)32
  2.6  Simcode程序集成組件36
    2.6.1  概  述36
    2.6.2  練  習(xí)36
  2.7  Script腳本組件41
    2.7.1  概  述 41
    2.7.2  練  習(xí) 42
  2.8  Matlab組件44
    2.8.1  概  述44
    2.8.2  練  習(xí)44
  2.9  Abaqus有限元分析過(guò)程集成48
    2.9.1  概  述48
    2.9.2  練  習(xí)48
  2.10  Patran有限元前處理集成49
    2.10.1  概  述49
    2.10.2  練  習(xí)50
  2.11  Sculptor/Fluent形狀變形和流體仿真集成52
    2.11.1  概  述52
    2.11.2  練  習(xí)54
  2.12  Adams Car車(chē)輛動(dòng)力學(xué)仿真集成58
    2.12.1  概  述58
    2.12.2  練  習(xí)58
  2.13  附錄：常用商業(yè)CAD/CAE程序集成方法62
    2.13.1  CAD 62
    2.13.2  網(wǎng)格前處理62
    2.13.3  網(wǎng)格變形63
    2.13.4  有限元分析 63
    2.13.5  流體分析63
    2.13.6  沖擊碰撞 64
    2.13.7  多體動(dòng)力學(xué)64
    2.13.8  電磁分析 64
    2.13.9  內(nèi)燃機(jī)性能分析64
    2.13.10  整車(chē)性能分析65
    2.13.11  材料加工65
    2.13.12  機(jī)電液仿真65
    2.13.13  聲學(xué)仿真65
第3章  工作流和數(shù)據(jù)映射(Workflow/Data Mapping)66
  3.1  Sim-flow工作流66
  3.2  Loop循環(huán)控制68
  3.3  Condition條件控制68
  3.4  組件發(fā)布和重用69
  3.5  Parameter參數(shù)控制70
  3.6  Mapping參數(shù)映射72
  3.7  Dataflow數(shù)據(jù)流73
  3.8  File Parameter文件參數(shù)74
  3.9  設(shè)置模型本地運(yùn)行目錄{rundir}77
  3.10  模型檢查功能79
  3.11  練  習(xí)79
第4章  試驗(yàn)設(shè)計(jì)方法（Design of Experiments）88
  4.1  基本概念88
    4.1.1  概  述88
    4.1.2  術(shù)  語(yǔ)88
    4.1.3  步  驟89
  4.2  算法介紹89
    4.2.1  參數(shù)試驗(yàn)90
    4.2.2  全因子設(shè)計(jì)90
    4.2.3  部分因子設(shè)計(jì)90
    4.2.4  正交數(shù)組91
    4.2.5  中心組合設(shè)計(jì)（Central Composite Design,CCD）93
    4.2.6  Box-Behnken設(shè)計(jì)93
    4.2.7  拉丁超立方設(shè)計(jì)94
    4.2.8  最優(yōu)拉丁超立方設(shè)計(jì)95
    4.2.9  自定義數(shù)據(jù)文件95
  4.3  結(jié)果分析95
    4.3.1  系數(shù)表95
    4.3.2  Pareto圖96
    4.3.3  方差分析97
    4.3.4  主效應(yīng)圖98
    4.3.5  交互效應(yīng)98
    4.3.6  相關(guān)性圖99
    4.3.6  相關(guān)矩陣圖100
  4.4  DOE組件操作100
    4.4.1  算法配置100
    4.4.2  定義因子 101
    4.4.3  設(shè)計(jì)矩陣 102
    4.4.4  后處理 102
  4.5  練  習(xí)103
    4.5.1  二因子多峰問(wèn)題103
    4.5.2  飛行器概念設(shè)計(jì)問(wèn)題109
第5章  梯度優(yōu)化算法(Gradient Optimization)115
  5.1  基本概念115
    5.1.1  原  理116
    5.1.2  約  束117
    5.1.3  最優(yōu)解必要條件117
  5.2  MMFD算法118
    5.2.1  算法描述118
    5.2.2  配置參數(shù)119
  5.3  LSGRG算法120
    5.3.1  算法描述120
    5.3.2  配置參數(shù)120
  5.4  NLPQL算法121
    5.4.1  算法描述121
    5.4.2  配置參數(shù)122
  5.5  MOST算法122
    5.5.1  算法描述122
    5.5.2  配置參數(shù)122
  5.6  MISQP算法123
    5.6.1  算法描述123
    5.6.2  配置參數(shù)123
  5.7  練  習(xí)123
    5.7.1  非完全可行域問(wèn)題123
    5.7.2  雙峰問(wèn)題127
第6章  直接搜索方法(Direct Search)129
  6.1  基本概念129
  6.2  Hooke?Jeeves算法129
    6.2.1  算法描述129
    6.2.2  配置參數(shù)131
  6.3  Downhill Simplex算法132
    6.3.1  算法描述132
    6.3.2  配置參數(shù)134
  6.4  練  習(xí)134
第7章  全局優(yōu)化算法(Global Optimization)138
  7.1  基本概念138
  7.2  MIGA算法139
    7.2.1  算法描述139
    7.2.2  配置參數(shù)141
  7.3  ASA算法142
    7.3.1  算法描述142
    7.3.2  配置參數(shù)143
  7.4  PSO算法144
    7.4.1  算法描述144
    7.4.2  配置參數(shù)145
  7.5  Pointer算法146
    7.5.1  算法描述146
    7.5.2  配置參數(shù)146
  7.6  練  習(xí)147
提高篇
第8章  近似建模方法(Approximation Models)153
  8.1  基本概念153
  8.2  響應(yīng)面(RSM)模型154
    8.2.1  算法描述154
    8.2.2  配置參數(shù)154
  8.3  神經(jīng)網(wǎng)絡(luò)(RBF/EBF)模型156
    8.3.1  算法描述156
    8.3.2  配置參數(shù)157
  8.4  切比雪夫（Chebyshev）正交多項(xiàng)式模型157
    8.4.1  算法描述157
    8.4.2  配置參數(shù)157
  8.5  克里格(Kriging)模型157
    8.5.1  算法描述157
    8.5.2  配置參數(shù)158
  8.6  練  習(xí)158
第9章  組合優(yōu)化策略(Hybrid Optimization Strategy)170
  9.1  Task Plan組件和Exploration組件170
    9.1.1  Task Plan組件170
    9.1.2  Exploration組件171
  9.2  DOE抽樣與梯度優(yōu)化混合策略（Task Plan組件）172
    9.2.1  策略描述172
    9.2.2  練  習(xí)172
  9.3  全局優(yōu)化和梯度優(yōu)化組合（Task Plan組件）176
    9.3.1  策略描述176
    9.3.2  練  習(xí)177
  9.4  基于近似模型更新的全局優(yōu)化(Exploration組件)180
    9.4.1  策略描述180
    9.4.2  練  習(xí)180
  9.5  基于Pointer2 智能算法的策略（Exploration 組件） 183
    9.5.1  算法描述183
    9.5.2  練  習(xí)183
第10章  多目標(biāo)優(yōu)化算法(MultiObjective Optimization)187
  10.1  基本概念187
    10.1.1  向量的自然序188
    10.1.2  解的占優(yōu)關(guān)系189
    10.1.3  Pareto最優(yōu)解集和Pareto前沿189
    10.1.4  歸一化方法：加權(quán)法191
    10.1.5  非歸一化方法192
  10.2  NSGA-II算法193
  10.3  NCGA算法194
  10.4  AMGA算法195
  10.5  PE算法195
  10.6  二目標(biāo)全局優(yōu)化問(wèn)題198
第11章  蒙特卡洛模擬（Monte Carlo Simulation）203
  11.1  基本概念203
  11.2  算法介紹205
    11.2.1  簡(jiǎn)單隨機(jī)抽樣205
    11.2.2  描述抽樣206
  11.3  算法配置207
  11.4  練  習(xí)208
第12章  田口穩(wěn)健性設(shè)計(jì)（Taguchi Robust Design）213
  12.1  基本概念213
    12.1.1  信號(hào)因子、控制因子和噪音因子213
    12.1.2  穩(wěn)健性設(shè)計(jì)214
    12.1.3  質(zhì)量損失函數(shù)215
  12.2  算法介紹216
    12.2.1  正交表的構(gòu)造216
    12.2.2  靜態(tài)特性評(píng)價(jià)指標(biāo)217
    12.2.3  動(dòng)態(tài)特性評(píng)價(jià)指標(biāo)218
  12.3  練習(xí)與指導(dǎo)219
第13章  6 Sigma質(zhì)量設(shè)計(jì)（Design For Six Sigma）224
  13.1  基本概念224
    13.1.1  6 Sigma設(shè)計(jì)224
    13.1.2  DFSS設(shè)計(jì)過(guò)程（DMAIC) 227
    13.1.3  Isight的 DFSS算法框架 228
    13.1.4  田口設(shè)計(jì)與DFSS設(shè)計(jì)的比較229
  13.2  6 Sigma分析230
    13.2.1  基于可靠性評(píng)價(jià)技術(shù)230
    13.2.2  基于蒙特卡洛抽樣233
    13.2.3  基于試驗(yàn)設(shè)計(jì)234
  13.3  6 Sigma優(yōu)化234
  13.4  練  習(xí)236
    13.4.1  焊縫優(yōu)化問(wèn)題（確定性?xún)?yōu)化）236
    13.4.2  焊縫優(yōu)化問(wèn)題(6 Sigma質(zhì)量分析)238
    13.4.3  焊縫優(yōu)化問(wèn)題(6 Sigma質(zhì)量?jī)?yōu)化)242