公司概况资质荣誉企业文化公司介绍公司招聘加入我们产品介绍应用领域旋转机械设计TurboTides产品介绍应用领域流体管网建模仿真优化一体化软件 FloTides产品介绍应用领域通用结构有限元分析软件TT-FEM产品介绍应用领域智能优化设计OpTides产品介绍应用领域疲劳裂纹一体化分析软件平台SeniorWorks产品介绍PHM产品介绍应用领域智能优化设计软件泽优-OASIS航天航空核电行业兵器行业船舶行业航空发动机与燃气轮机能源电力与动力机械网络课程技术培训会议动态市场动态资源中心公司动态行业动态新闻动态联系我们技术咨询
您好!欢迎光临太泽科技!
     资源下载
0551-63829920
登录      注册
工业技术软件
产品介绍
应用案例
功能模块
技术优势
客户价值

智能优化设计软件 泽优-OASIS

产品概述

功能模块

       智能优化设计软件泽优-OASIS是一款基于AI算法的新一代多学科、多目标、全局优化设计软件,它可以根据用户定义的优化目标,自动改变设计变量,驱动仿真软件自动运行,并根据仿真结果自动寻找最优解,从而消除了工业产品传统开发设计流程中迭代缓慢的瓶颈,使整个设计流程实现全数字化和全自动化,能更快速、更高效地解决一系列的优化设计问题。

友好的交互界面

泽优-OASIS提供简单明了的图形用户交互界面。用户可以很容易地定义设计目标、约束条件以及设计变量,从而方便快捷地进行优化设计。

业界领先的AI算法

泽优-OASIS内嵌单目标全局优化、含强约束的单目标全局优化、多目标全局优化、含强约束的多目标全局优化等AI优化算法的智能封装,用户使用过程中无需选择优化算法和参数,轻松实现一键优化。

丰富的集成方式

Ø 支持通过通用仿真集成接口与其他软件集成

Ø 支持以脚本的形式与其他软件集成

Ø 支持以专用插件的形式与其他软件集成

Ø 支持通过API接口的形式与其他软件深度集成

清晰的可视化

泽优-OASIS提供了可视化分析模块,利用独有的带状二维图、三维图等对多维度的设计变量进行有效的可视化分析,同时还将优化过程中的数据全部记录在结果列表中,无缝地和可视化系统对应起来。

直观的方案筛选

泽优-OASIS提供直观的决策支持功能,通过对多目标优化问题的各优化目标所占权重进行设置,实现设计方案的筛选、排序和敏感性分析,帮助用户进行科学决策。

·可定制的报告生成

泽优-OASIS在优化结束后可以生成定制格式的报告,供用户进行结果分析与汇报。

Ø 封装基于小样本机器学习的新一代智能优化算法

传统优化采样非常耗时,智能优化算法通过AI驱动优化采样过程,不断缩小样本空间,以更少的迭代次数寻找全局优化方案。

AI驱动优化采样过程如下:

(1) 首先,在设计空间内随机采样,并对样本点进行仿真,将分析结果记录在库;

(2) 利用AI技术,对当前已有结果进行知识发掘与精炼,学习变量的不同全局敏感度、变量之间的相关性、变量的有效取值区间等用于指导后续的采样;

(3) 在整个优化过程中,不断进行采样-学习-再采样的循环以持续提高学习的精度,提升优化效率。  

*部分公开的基础算法:Mode Pursuing Sampling; Pareto Set Pursuing; Trust-region MPS; OMID; EARSM; RL-PSO; ESAO; KAO

Ø 特别擅长解决高变量、强约束、昂贵约束、黑箱优化问题

*高变量:问题中包含的设计变量数量较多(> 10),使得问题的复杂度增加

*强约束:问题受到了严格的约束,使得问题的可行域变得很小

*昂贵约束:问题约束条件满足与否需要通过仿真来进行评估

*黑箱问题:问题的机理并不清楚或无法直接观察到,使得难以基于对问题机理进行分析来指导优化过程,而需要通过仿真或其他方法对问题进行评估

Ø 支持多学科、多目标、多尺度、全局一键优化

可集成并驱动参数化建模、网格生成、仿真求解的设计全流程自动化,轻松实现多学科、多目标、多尺度、全局一键优化设计。

Ø 创新设计流程,加速设计速度,缩短产品开发周期,实现智能设计升级

Ø 工程师无需掌握复杂的优化算法,更能专注于挖掘设计问题的内在结构和知识

Ø 自主可控,避免被“卡脖子”,而且站在世界领先地位,可根据中国用户的需求进行迭代升级

Ø 开放OEM合作方式,可方便地实现与用户自研软件进行代码级集成,拓展自研软件的功能,系统性地扩展国产自主可控工业软件的价值

工业产品设计


案例1

TurboTides+泽优-OASIS的压缩机多学科、多目标优化案例

问题背景:经验丰富的工程师已经设计和手动优化出了一款满足客户需求的效率为86.6%的压缩机,在此基础上引入泽优-OASIS对压缩机进一步优化。

技术优势

应用价值

应用案例

图文展示

设计变量:子午面形状、叶片形状、扩压器叶片出口角、轮毂结构参数,共32个设计变量高变量问题

优化目标:提高额定工况下的离心压缩机效率,降低整体质量,降低最大应力

约束条件:流量不小于原始流量(0.9~1.0kg/s)、整体尺寸不变    昂贵约束问题

优化结果:在一个经过充分手工优化设计的基础上,进行多学科多目标优化,仅迭代175步,将效率提高1%,质量减轻接近8.1%,同时应力降低接近17%。

迭代

效率

质量

应力

175步


1%


8.1%

约17%

案例2

考虑汽车碰撞性能的车身轻量化优化设计

问题背景:汽车碰撞性能是汽车安全的重要指标,某世界著名汽车公司面临汽车碰撞性能优化设计问题,当时该公司未找到商业软件可以找到满足所有约束的设计。

设计变量:车身厚度,共124个设计变量,属于高变量问题

优化目标:车身质量最小

约束条件:碰撞模式、噪声振动、耐久性等性能指标,共68个约束,属于昂贵约束问题

优化结果:泽优-OASIS用了2000个搜索点将车身质量减轻11%,并满足所有的施加约束,比该公司当时使用的优化方法快了近一倍 22.png

案例3

汽车前副车架加强筋尺寸位置及前横梁截面优化设计


ABUIABAEGAAghuSbtgYokPXM7wIw-AY41wM
图文展示

案例3

汽车前副车架加强筋尺寸位置及前横梁截面优化设计


ABUIABAEGAAg6_abtgYo_Nme7wQwgAg4wQI
图文展示

问题背景:某汽车底盘零部件供应商要求对汽车某一前副车架进行优化设计。

设计变量:两组加强筋的添加角度、高度、宽度以及另一组加强筋的高度和宽度,共8个设计变量

优化目标:前副车架总质量最小

约束条件:满足结构强度要求

优化结果:优化时间从一周减少到半天,重量从优化前的6.81Kg4.41Kg,减重35%


重量

减重比例

优化前

6.81Kg


优化后

4.41Kg

35%


案例4

燃料电池部件和系统优化设计

问题背景:某著名能源公司希望对一个已获得专利的燃料电池的部件和系统优化,以提高能量密度和降低成本


图文展示
ABUIABAEGAAg9_i0tgYooJCghAEw6QM4tAI

设计变量:几何尺寸、运行参数、系统配置参数,共7个设计变量

优化目标:提高能量密度和降低成本

约束条件:总体积小于小汽车后备箱容积

优化结果:泽优-OASIS优化后的设计与工程师的经验设计相比,能量密度提高了43%,成本降低了16%

能量密度

成本

↑43%

↓16%

案例5

烟道导流板优化设计

问题背景:对风机管道隔板进行尺寸优化,以提升中间滤网过滤效果。


图文展示
ABUIABAEGAAgqO_0tgYo-dfKyAEw7QE4rAI
图文展示
ABUIABAEGAAg5e_0tgYog-CK6AMwvgY4-wE

设计变量:第一排导流板中最长板的长度、第一排导流板中最长板与顶板之间的距离、第一排导流板中最后一块短板的角度等,共36个设计变量

优化目标:每块隔板之间的气体压力平均值最小

优化结果:工程师使用传统设计方法,不断试错,调整模型,使用10个工作日时间,与泽优-OASIS平均计算时间50分钟得出的结果精度、准确度相似。

案例6

飞船墙面优化设计

问题背景:某飞船侧壁墙面为方格网结构,其中每个方格尺寸可以各不相同,材料为铝合金,客户希望对该结构进行优化设计以节省材料


图文展示
ABUIABAEGAAgq-G0tgYogvf08QMwvwU49AE

计算步数

用料

177

↓25%

生产制造

案例7

工艺设计:白车身焊接总成基准优化设计

问题背景:白车身装配过程中冲压件的定位点和夹具位置对最终装配尺寸质量有重大影响。某汽车公司希望找到这些零件的装配定位点和夹具的最佳位置,使得最终的装配尺寸精度最高,以减少制造质量问题,从而降低制造成本并提高产品质量。

设计变量:考虑10个车身零件的装配定位点和夹具最佳位置,共100个设计变量(每个零件包含1个定位圆孔、1个腰型孔和3个夹紧点位置,每个位置需考虑x,y坐标)属于高变量问题;


图文展示
ABUIABAEGAAgzPS0tgYoweaJlAMwkAM40wI

设计变量:调整资源配置(增加资源配置、根据拥挤程度、等待时间、部门临时性的关闭等情况分配现有资源)

优化目标:缩短病人在急诊室的全部就诊时间

优化结果:泽优-OASIS优化了医生、护士和床位的协同配置,减少了部门50%的资源浪费,缩短了平均等待时间100分钟。

资源

等待时间

   50%

100分钟

应用领域

工业产品设计         生产制造                 非制造领域

客户评价

· 美国苹果公司总部设计师贝扎德·侯泽瑞:“在使用了很多前沿的优化软件之后,我发现OASIS对解决电磁结构中常见的高变量、高计算量、多局域优化、黑箱设计问题是最强大的。”

· 大连星派科技有限公司   陈教授:“OASIS基于机器学习的优化求解在效率与稳定性上具有较为明显优势。OASIS的机器学习算法中,仅用少量样本进行训练,即可实现模型修正,有效去除试验数据中噪音较大的数据,同时在修正的目标上更加灵活,还可以降低模型修正的难度,提高修正的效率和精度。”

· 长春光机所产品设计师 杨经理:“好像没有什么优化问题能够难倒泽优-OASIS,简单明了的界面,智能的算法,全局多目标优化,即便是变量数量为几十上百个,也一样能做到快速收敛。”

· 中国农业科学院王博士:“泽优-OASIS是一款很优秀的优化设计软件,可以与Ansys实现无缝连接,一键实现自动优化,比正交或者响应面法结果更精准,尤其对于多参数求解问题表现很好。

· 北京理工大学宇航学院 龙教授:“OASIS汇聚了加拿大SFU-PDOL团队最前沿的技术成果,融合人工智能、数理统计以及数值优化技术算法,高效求解复杂优化问题最优方案,对于挖掘复杂产品性能具有积极的工程价值。”

· 北京索为系统技术股份有限公司 张副总裁:“我们将泽优-OASIS和SYSWARE.IDE产品集成,利用泽优-OASIS基于机器学习的优化算法优势大大加强了IDE在优化设计方面的能力。泽优-OASIS在离散域、连续域的大变量、大约束的单目标、多目标寻优问题中,在快速性和准确性方面都表现出不俗的优势。结合IDE在流程集成、软件适配,以及界面开发方面的优势,能够快速解决各类优化问题。”

· 巴斯夫中国CAE经理 Jimmy Jin:“和用过的其他优化软件相比,泽优-OASIS智能优化软件操作非常简单、功能强大,帮助我们的客户解决了大变量、强约束的很多复杂设计的难题。大大提升了设计的方案,带来了很大的经济效益。”



图文展示
ABUIABAEGAAgjPO0tgYoqISGwgYwzAc49wM

优化目标:最终装配偏差最小化(评估224个车身总成关键特性点的6σ值加权和)

约束条件:指定圆孔、腰型孔和夹钳夹紧点距离切边的最小值、圆孔、腰型孔和夹钳夹紧点应该在每个零件的几何边界内、圆孔、腰型孔和夹钳夹紧点不应相互干涉

优化结果:该问题是个组合爆炸问题,所有可能的设计方案总数大约是2 x 10172泽优-OASIS进行了1万次尝试使得这个具有10个部件的装配件质量提高了65%

可能方案数量

泽优-OASIS

质量

2 x 10172

1万次

↑65%

非制造领域

案例8

医院急诊室流程优化

问题背景:某医院急诊室想知道哪些因素导致了等待时间过长,有哪些措施可以加速看病过程,如何在等待时间和资源投入之间找到最优的平衡。


 合肥市太泽透平技术有限公司版权所有,2016-2022