小服AI 
|
课程概述 |
OptiSLang是Ansys旗下的参数优化与鲁棒性分析工具，可与Workbench、Mechanical、Fluent、Python、Excel等模块及外部求解器无缝集成，主要功能包括：参数敏感性与重要性分析、AI元建模与快速预测、多目标优化、虚拟模型对物理试验的校准，以及产品可靠性、鲁棒性分析与六西格玛设计。
-
本次培训以“应用演示+动手实操”为主线，重点展示optiSLang如何从有限的仿真样本中自动训练AI元模型（MOP），并将其用于秒级快速预测与多目标寻优，让学员直观感受“用 AI 替代重复仿真”带来的效率跃升。
-
本套培训课程为期一天，内容贯穿流程集成与参数化、DOE与灵敏度分析、多目标优化、AI 元模型构建与精度验证、基于AI模型的快速预测五个环节，全程结合工程案例演示与上机练习。
|
课程目标 |
理解optiSLang在仿真驱动设计中的作用，掌握流程集成、参数定义与DOE灵敏度分析的基本操作；掌握多目标优化的建模方法与Pareto前沿解读；重点学会构建 AI 元模型并将其用于快速预测与优化提速，具备在自身项目中落地“AI 加速仿真”的初步能力。
|
课程大纲 |
1. optiSLang 应用总览与案例演示
A. 什么是 optiSLang：仿真流程自动化与智能寻优的中枢
B. 能力全景演示：集成 → 探索 → AI 建模 → 快速预测 → 优化
C. 典型工程场景案例演示（结构、流体、多参数寻优）
D. 软件界面与项目结构，与Workbench/Mechanical/Fluent的集成
2. 流程集成与参数化建模
A. 参数类型：输入参数、输出参数与响应定义
B. 与Workbench、Fluent、Python、Excel 集成方式与求解器封装
C. 练习2.1：基于 S 函数（Python）的流程集成与参数化
3. 实验设计（DOE）与灵敏度分析
A. DOE 基本概念与采样方法：全因子、拉丁超立方、自适应采样
B. 主效应图、相关系数与 MoP 重要性指标
C. 练习3.1：完成基于全局的灵敏度分析，识别关键参数与次要参数
D. 练习3.2：在 3.1 基础上完成基于局部的灵敏度分析
4. 多目标优化
A. 优化算法概览：NLPQL、进化算法、自适应响应面法（ARSM）
B. 目标函数与约束条件的设置方法
C. 练习4.1：完成一个简单的最小化输出优化（基于 Python）
D. 练习4.2：多目标优化结果与 Pareto 前沿分析解读
5. AI 元模型（MOP）构建与精度验证
A. 什么是 AI 元模型：把有限的仿真样本变成可复用的预测模型
B. 自动机器学习：多项式、Kriging、RBF、神经网络自动择优
C. 模型质量评估：预测系数 CoP、决定系数 CoD 与交叉验证
D. 练习5.1：构建并验证 AI 元模型，导出可独立运行的预测模型
6. 基于AI 模型的快速预测与优化提速
A. 秒级预测演示：用 AI 模型实时评估任意参数组合
B. AI 模型替代求解器的效率对比与工程价值
C. 练习6.1：基于 AI 元模型的快速预测
E. 课程总结与答疑
|
培训地址/时间 |
培训时间：2026年12月18日 9:30-17:00
培训形式：线下培训（收费）
培训地址：上海市闵行区新源路1356弄正珏中心C楼1楼
培训时间：2026年12月10日 9:30-17:00
培训形式：线下培训（收费）
培训地址：深圳南山区南光路286号水木一方大厦A702室
扫描二维码立即免费报名
咨询电话：021-52238788(24小时咨询热线）
咨询热线：16621331590 /13818663071
咨询邮箱：tea@cadit.com.cn