Optimus:行业领先的过程集成与设计优化(PIDO)平台

目标驱动的工程流程平台

在仿真驱动的产品开发中,工程师常常需要协调多款CAD、CAE、CFD及自研工具,反复进行人工模型修改、数据处理与性能评估。Noesis Solutions开发的Optimus是行业领先的过程集成与设计优化(PIDO)软件平台,将工程过程集成、设计空间探索、工程优化以及稳健性与可靠性分析等能力集成于一体,帮助工程团队在考虑全部设计约束的前提下,把仿真导向超越竞品的设计方案,实现目标驱动的工程流程。据客户反馈,使用Optimus平均可节省超过30%的设计时间,同时带来10%以上的产品性能提升。

供应商中立的开放集成架构

Optimus作为一个完全供应商中立的PIDO平台,提供开放架构与任意工程软件通信,并具备处理任意文件语法的能力。这不仅保护了企业在遗留代码与模型上的既有投入,使其能在组织内继续沿用,还让企业得以在任何工程软件环境下部署目标驱动策略。在集成层面,Optimus提供用户自定义动作(UCA)与用户自定义接口(UCI)框架,无需编程即可定义相应的启动脚本,把商用软件与内部自研程序组合进同一个自动化工作流;同时支持Python脚本API,方便工程团队针对特定流程定制能力,甚至将Optimus的PIDO技术嵌入Microsoft Excel等熟悉环境中,进一步提升多学科团队的效率。

完整的实验设计与响应面建模

Optimus提供丰富的实验设计(DOE)方法库,包括全因子、部分因子、中心复合、Box-Behnken、Plackett-Burman、空间填充、拉丁超立方、随机法以及自适应DOE等,用最少的虚拟试验获取最多的设计信息。其中自适应DOE通过自动化主动学习过程,在设计空间中最有价值的区域动态增加虚拟试验,避免关键区域采样不足或无关区域采样浪费。在响应面建模(RSM)方面,Optimus从经典最小二乘法延伸到克里金、神经网络、径向基函数、高斯过程及多保真克里金等高级随机插值方法,并可基于交叉验证自动生成精度最优的响应面模型,从而以极低仿真成本预测未计算过的设计参数组合对应的响应值。

局部与全局相结合的数值优化

Optimus支持广泛的单目标与多目标优化方法。局部优化方法基于梯度信息,包括序列二次规划(SQP)、NLPQL、广义约简梯度以及NBI加权法;全局优化方法则基于概率搜索,涵盖遗传算法(差分进化、自适应进化等)、模拟退火、CMA-ES、NSEA+、mPSO等;混合优化方法如高效全局优化(EGO)结合局部与全局策略,通常借助响应面建模寻找全局最优。软件还提供自动优化方法,可自动为用户选择最合适的策略,并支持通过eArtius合作伙伴算法、开源Dakota库或用户自定义策略扩展优化能力。

稳健性、可靠性与标准化支持

为评估真实世界的不确定性与公差对设计的影响,Optimus内置蒙特卡罗仿真与一阶二阶矩方法,用于估计并改善设计稳健性,并通过一阶与二阶可靠度方法计算并优化失效概率;同时提供田口研究功能,支持通过控制因子、噪声因子与信号因子定义动态研究。此外,Optimus支持功能样机接口(FMI)标准,可将精确而仿真廉价的替代模型导出为功能样机单元(FMU),便于与各子系统及控制系统模型互连,这对电子车辆动态稳定控制器、排放控制器等功能驱动型电子器件的设计尤为有用。

应用与接口生态

Optimus持续扩展与主流工程软件的接口,2020.1版本带来了面向JMAG Designer、Motor-CAD、Cradle scSTREAM与scFLOW以及SolidWorks的新接口或增强接口,其中Motor-CAD是面向电机全转矩-转速范围多物理场仿真的领先专用设计软件。通过将Optimus与Noesis Solutions的新产品id8 decide结合,用户还能在浏览器中接入、组织并可视化来自不同来源的工程数据,构建工程仪表板。Optimus已通过Oracle Linux认证,并广泛用于汽车、航空航天等工程密集型行业,意大利航空航天研究中心CIRA曾借助Optimus将内部气动仿真软件集成进自动化、可重复的仿真流程。对于希望以目标驱动方式整合多学科仿真流程、开展多目标优化与稳健性设计的工程团队而言,Optimus提供了一套成熟、开放且稳健的解决方案。如需了解Optimus的模块配置、授权方式或实施服务,可联系软服之家获取进一步支持。

评论