在线工博会
返回
LMS仿真与试验解决方案
公司信息 产品/服务 公司新闻

LMS Virtual.Lab Optimization 优化
设计空间探索

设计空间探索允许用户利用各种DOE（Design of Experiments试验设计）技术，自动地探索和研究设计空间。通过DOE技术，实现最少的实验来采样设计空间，筛选重要设计变量，达到与设计性能最相关的信息， 为准确的近似设计性能提供坚实的基础。通过分析这些虚拟实验的结果，用户会对设计及其相关权衡的变数有更深层次的认知。

DOE采样方法：

全因子法 随机抽样法 Plackett-Burman法
部分因子法 拉丁超方法 Box-Behnken法
中心复合法 Taguchi法

模型近似技术

LMS Virtual. Lab Optimization针对不同分析类型的响应提供了多种有效的近似模型生成算法。
最小二乘法 多项式逼近技术 Kriging插值法

用户自定义算法
利用快速生成的近似模型，用户可以在响应面基础上快速搜索最优值，洞察系统设计性能，筛选重要参数以及快速评估设计的稳健性。

优化算法
LMS Virtual. Lab Optimization提供了参数优化、尺寸优化以及几何形状优化，面向多体动力学仿真、振动、噪声和疲劳等多种领域。其优化算法如下：
二次序列规划法自适应进化算法 差异演化算法
基因算法 模拟退火法

用户可以根据不同的优化问题，采用不同的优化策略，在DOE形成的响应面基础上或是直接利用高保真模型进行优化。另外，LMS Virtual. Lab Optimization提供了完善的多目标优化算法。
正态边界交汇法 非主导排序进化算法 欧几里德范数法
加权目标法 权衡方法 目标规划法
加权切比雪夫方法 层序法 全局规范方法
最小最大优化法
用户凭借以上算法可以进行两个或多个竞争目标的优化设计，通过高级的多目标分级、加权和平衡技术，高效地获取帕累托点。

稳健性设计
LMS Virtual. Lab Optimization中开发了随机性研究引擎，通过这些高效的算法，用户可以研究随机性参数变化的敏感度，像工艺制造误差、风速、环境温度等，进而来评估和改善产品设计的稳健性和可靠性。
蒙特卡罗仿真方法 一次二阶矩法 二次二阶矩法

通过LMS Virtual. Lab Optimization高效的算法，帮助工程师设计出更安全、更可靠以及更高质量的产品。
联系方式
LMS仿真与试验解决方案
地址：北京市朝阳区望京中环南路7号西门子大厦9层
电话： 请点击此处与厂家联系
电脑版 客户端 关于我们
佳工机电网 - 机电行业首选网站