Isight平台理论与方法及其在产品结构设计与优化中的应用研究

李佳霖，李劲松，李美

（海南大学机电工程学院，海南 海口 570228）

前言

在传统产品结构设计和优化中，在获得最终方案之前，通常需要根据方案参数的变化进行多次模拟分析和实验验证。这是一个典型的循环，名为“设计评估重新设计”的过程[1]。这个周期一直持续到它得到最佳方案或达到预定目标为止。此外，在每个周期中，变更方案通常是基于经验的，这在一定程度上影响了效率，其结果的可靠性也受到质疑。为了消除人工干预的瓶颈，必须将仿真、分析和优化过程相结合。计算机科学的蓬勃发展和计算机软件技术的不断完善，也为产品结构设计和优化中提供了强大的计算机平台。例如，Isight平台是一个数据集成的软件框架，由四个应用数学算法（测试设计、近似建模、勘探优化和质量设计）有机地组成，是一个计算机自动、智能化、重复性的设计过程，以实现更好、更快的生产目标。

Isight平台由于其强大的数据集成和数据处理功能[2]，主要用于基于正交数组、拉丁超立方体等方法进行DOE（实验设计），分析结构参数变化对目标函数的影响或使用实现产品结构的多目标优化设计，对优化算法进行了探讨，目前，在Isight平台的帮助下，陈晓平等人对影响曲轴疲劳强度的关键结构参数进行了敏感性分析、主要效应分析和相互作用分析；程成等人完成了基于DOE方法的螺旋桨敞水性能设计与优化研究，提高了螺旋桨的效率和最小压力系数；尹波等人采用两种遗传算法对基于MDO方法的三维机翼气动结构进行了优化设计。

然而，在有关Isight平台应用的文献中，缺乏对其基本功能和相关概念的描述，也缺乏对其强大的数据集成和数据处理模块的介绍。此外，由于与Isight平台相关的出版书籍较少，用户很难掌握自己的理论知识和应用方法。因此，本文重点介绍了Isight平台的数据集成和数据处理功能，并给出了一个工业实例。

本文的其余部分包括以下几个部分：第一章节概述了Isight平台的数据集成；第二章节介绍了平台中的数据处理方法；第三章节介绍了产品结构设计和优化的整个过程。最后，第四章节得出结论并提出建议。

1 数据集成

1.1 集成原理

一般来说，在产品结构设计和优化过程中，通常需要使用一些软件。因此，对于每组数据，计算或分析的过程非常繁琐。如果数据量很大，这个过程将持续很长时间，这将花费大量的人力和时间。然而，Isight平台为其他软件和自编程提供通用集成接口（如simcode、高级解析）和专业集成接口（如matlab、abaqus、ansys…）。然后，通过命令调用集成软件或自编程，实现计算或分析的自动操作[3]。

1.2 集成方法

Isight中的数据集成策略是使仿真程序能够轻松耦合。在Isight平台中，如图1所示，有两种不同的集成方法供用户选择。第一种是通用集成接口，第二种是专业集成接口。由于第一种方法的灵活性和实用性，目前得到了广泛地应用。对于第一种方法，如图2所示，积分方法主要有3个步骤[4-6]：

图1 Isight平台两种集成方法

（1）对于simcode中的输入或输出模块，应集成来自软件或自编程的输入或输出计算文件；

（2）对于simcode中的命令模块，应集成能够实现集成软件独立运行的命令；

（3）通过图形文件解析器从输入和输出文件映射特定参数，如图2所示的红色标记是输入参数，所示的绿色标记是输出参数。

图2 文件分析器用户界面

与第一种方法相比，第二种积分方法基本相同，但没有第二步。

通过文件集成接口实现仿真程序的输入和输出映射到Isight后，由Isight驱动产品设计和优化工作，实现自动化探索。

2 数据处理

基于 Isight平台的产品结构设计与优化，其强大的数据处理功能不容忽视。Isight的设计与优化探索工具主要包括DOE技术、优化算法、近似方法等。其中，DOE技术和优化算法使用最广泛。

2.1 DOE技术

DOE是指在明确测试目标的前提下，对测试因子的具体设计和安排、各因子的水平和实验次数，可以用来确定一个或多个因素对研究问题特征的影响，并对变化效果进行统计评价。DOE中有三个步骤：实验设计、执行实验和结果分析。

对于实验设计，Isight平台提供了七种供用户选择的方法[1,7]，如图3所示。在这七种方法中，每种方法都有其优缺点。针对具体问题，用户应根据效率、准确性和灵活性的原则选择方法。

在结果分析方面，基于集成软件的实验分析数据，DOE后处理主要提供主效应和交互效应计算，并对数据进行帕累托分析。因此，用户可以得到主效应图、交互图和帕累托图，如图4所示。此外，DOE后处理还为用户提供了系数表、相关图和工程数据挖掘。

图3 操作界面和实验方法介绍

“主效应”只考虑一个自变量对因变量的影响，而不考虑其他自变量。“交互效应”提供了几个自变量对因变量的协同效应。“帕累托分析”[8]表示影响结果的自变量百分比（贡献率）；在pareto图中，蓝色条表示相应的效果为正，红色表示负。

图4 后处理的主要图表

2.2 MDO的数据处理

图5 16种优化算法

在Isight平台中，由于其强大的数据集成和处理能力，最广泛使用的功能除了DOE就是MDO，其主要是对多个子目标实现综合性优化，称为多目标优化。然而，目标可能相互冲突，因此优化过程必须受到影响。因此，Isight平台中有16种可用的优化算法，供用户选择更好的算法和更合适的算法，以便通过标量或非标量方法实现产品结构的优化。如图5所示，为16种优化算法[9-10]。

3 案例研究

本节介绍基于Isight平台的数据集成和数据处理实现汽车横向稳定杆优化的工业实例。

3.1 结构参数

如图6所示，汽车水平稳定的具体参数如下：lt为760mm；l1为278mm；d为30mm；d为14mm；r为20mm；结构截面为空心圆柱，D为截面外径，d为截面内径，l1为杠杆臂长[11]。

图6 汽车横向稳定杆

3.2 输入和输出参数

根据汽车水平稳定结构轻量化和应力最小化的优化原理，本例中有三个输入参数和三个输出参数，如表1所示。对于输出参数，Smax和Umax是结构在工作状态下的最大应力和最大位移，v是汽车水平稳定的体积。

表1 输入和输出参数

3.3 数据集成

图7 集成流程图

本案例利用Isight平台的通用集成接口，将CATIA软件和ABAQUS软件集成在一起，实现了汽车横向稳定的DOE和MDO。综合流程图如图7所示。首先在CATIA中建立实体模型，对输入参数进行参数化后，得到.macro文件。然后将实体模型导入到ABAQUS软件中，进行有限元分析，得到模型工作状态下的相关输出参数以及.py文件。最后，基于平台操作界面进行了文件集成操作[12]。

3.4 数据处理

3.4.1 DOE数据处理

本案例采用最优拉丁超立方体设计方法来实现DOE。在设置输入参数范围和测试方案后，如图8所示，DOE自动计算，并根据结果生成帕累托图[13]。其中，本案例的测试方案自动生成20组，满足测试需求的最少数量。

图8 DOE的预处理界面

根据图9中S、U和V的帕累托图，可以得知输入参数对输出参数的贡献率。例如，输入参数d对v有正作用，对s和u有负作用，借助于帕累托图，它们也可以指导我们进行产品优化研究。

图9 DOE试验的帕累托图

3.4.2 MDO数据处理

本案例使用NCGA的方法来执行MDO[19,20]。在设置输入参数、输出参数和测试方案的范围后，如图10所示，MDO自动计算，并根据结果生成Pareto集。在遗传算法的设置中，初始种群数为8，代数为15。结果表明，MDO有120种不同的方案。

图10 MDO预处理界面

从MDO的帕累托解集中，如图11所示，可以得到更好的优化，或者用户可以根据实际情况选择最佳的方案。在这种情况下，第三十九个方案是最终的优化方案，优化前后汽车水平稳定性的数据比较如表2所示。

图11 MDO帕累托解集

表2 优化前后数据对比

相比之下，该方案的smax、umax和v值都有不同程度地降低，优化后的方案达到了预期的目标。优化前后的位移云图和应力云图如图12和图13所示。

图12 位移云图

图13 应力云图

4 结论

本文弥补了Isight软件基础知识在学术领域的空白，为那些想利用Isight软件进行产品设计和优化研究的研究者提供了最基本的概念和方法，也为同类研究提供了一种思考和参考的方法。笔者相信，基于Isight平台强大的功能，它将得到越来越广泛的应用。