CAST-DESIGNER 的自动优化

Cast-Designer优化器基于演化遗传算法的多目标的非线性优化技术。是一个用于解决如下问题的理想手段:

  • 改善工作性能
  • 探索最优化的工作法则
  • 确定与校验关键参数
  • 节省费用

Cast-Designer 优化器针对现实存在的“复杂问题”提供了一个特别有效的解决方法,它可以显著地改善复杂系统的性能,探索其技术细节和优化其特征参数。

image001

流道系统优化的结果
(以便取得最好的流动平衡性与最小的局部卷气)

image003 image005

流道系统的优化模型
设置三个原始变量( SIV)用于表征特征点坐标,流道宽度与支流道的比例和存在与否

image007Cast-Designer 优化的后处理界面

 自动优化技术也可以大大缩短研究的费用和时间。系统的主要目的就是在复杂系统存在的大量数据中快速有效地搜索出最佳的应用参数并付诸于工业实际中,从而节省人力财力。

Cast-Designer 优化的工作原理

今天,Cast-Designer 优化器真的能实现全自动模拟了!用户只需要设定系统的初始设计和变化范围,哪怕这个设计非常粗糙,全自动优化就可以开始了。这个初始设计通常是采用Cast-Designer内置的浇冒口功能或流道设计功能。此外,用户还需要定义如下优化参数:

原始输入变量 (SIV):
输入变量可以是各种类型的参数, 可以是流道系统的集合参数,如流道尺寸、冒口直径等,抑或是铸造过程的各种边界条件,如浇注温度、压射速度或热交换系数。在Cast-Designer 系统中,任何参数都可以进行优化,这一点是独一无二的。

image009重力铸造模型用于优化冒口大小与缩孔体积

image011冒口优化结果
红点是从优化结果中提取的帕雷多点。该优化共有53个模拟,在一台英特尔I7的4核机器上大致运行了10个小时。

关联输入变量 (RIV) 或约束:
关联变量或约束通常与原始输入变量存在某种运算或约束关系,系统对关联变量的数目没有限制。对于约束,通常是根据实际问题设定的边界值,比如铸造工程师可能设定了得料率的下限或最大缩孔的上限。

结果目标 (RO):
结果目标也就是模拟的目的,或者说是铸造工程师期待的目标。比如说最大的得料率,最小的缩孔或凝固时间,或者最小的卷气和最好的流动平衡性。

一旦用户定义好了以上要素,就可以启动Cast-Designer优化器进行优化了。优化的过程也就是对一系列包含各种参数的模型进行模拟,并分析其结果智能判断下一部该选择何种参数,进而更新模型。如此往复直到达到给定的目标。

采用Cast-Designer自动优化,人工智能从此真正进入铸造领域,也许这就是另外一个篇章的开始。