Isight参数优化理论与实例详解

　　本书是Dassault/Simulia公司推荐的Isight参数化软件培训教材和工具书，以最新版本Isight5.5为依据，对Isight进行参数优化的基本思路、理论方法、操作步骤、应用技巧进行了详细介绍。本书从实际应用出发，结合作者的使用经验，采用stepbystep的方式对操作过程和步骤进行讲解，力求通过循序渐进、图文并茂的方式使读者能以最快的速度理解和掌握基本概念和操作方法，同时提高工程应用的实践水平。

　　赖宇阳：毕业于清华大学热能系动力工程与控制专业，现任北京树优信息技术有限公司总经理。自2000年开始从事多学科设计优化（MDO）和六西格玛设计（DFSS）的研究和应用工作，成功领导了Isight在中国的产品研发和技术服务团队。

入门篇
第1章  初识Isight3
  1.1  Isight起源和发展3
  1.2  主要功能5
  1.3  模块构成6
  1.4  安装要求7
  1.5  在Windows上安装Isight8
    1.5.1  安装步骤(Windows系统)8
    1.5.2  安装许可服务器12
    1.5.3  配置客户端浮动许可13
  1.6  在Unix/ Linux上安装Isight14
    1.6.1  安装步骤(Unix/Linux系统)14
    1.6.2  安装许可服务器15
    1.6.3  配置客户端浮动许可15
  1.7  运行主界面16
    1.7.1  设计门户（Design Gateway）16
    1.7.2  运行门户（Runtime Gateway）16
第2章  应用程序集成(Code Integration)18
  2.1  组件库（Component Library）18
  2.2  Calculator计算器组件19
    2.2.1  概  述19
    2.2.2  练  习19
  2.3  Excel组件21
    2.3.1  概  述21
    2.3.2  练  习21
  2.4  Data Exchanger文本读/写组件23
    2.4.1  概  述23
    2.4.2  练习：写文件24
    2.4.3  练习：读文件28
  2.5  OS Command命令行组件32
    2.5.1  概  述32
    2.5.2  练  习32
  2.6  Simcode程序集成组件36
    2.6.1  概  述36
    2.6.2  练  习36
  2.7  Script脚本组件41
    2.7.1  概  述 41
    2.7.2  练  习 42
  2.8  Matlab组件44
    2.8.1  概  述44
    2.8.2  练  习44
  2.9  Abaqus有限元分析过程集成48
    2.9.1  概  述48
    2.9.2  练  习48
  2.10  Patran有限元前处理集成49
    2.10.1  概  述49
    2.10.2  练  习50
  2.11  Sculptor/Fluent形状变形和流体仿真集成52
    2.11.1  概  述52
    2.11.2  练  习54
  2.12  Adams Car车辆动力学仿真集成58
    2.12.1  概  述58
    2.12.2  练  习58
  2.13  附录：常用商业CAD/CAE程序集成方法62
    2.13.1  CAD 62
    2.13.2  网格前处理62
    2.13.3  网格变形63
    2.13.4  有限元分析 63
    2.13.5  流体分析63
    2.13.6  冲击碰撞 64
    2.13.7  多体动力学64
    2.13.8  电磁分析 64
    2.13.9  内燃机性能分析64
    2.13.10  整车性能分析65
    2.13.11  材料加工65
    2.13.12  机电液仿真65
    2.13.13  声学仿真65
第3章  工作流和数据映射(Workflow/Data Mapping)66
  3.1  Sim-flow工作流66
  3.2  Loop循环控制68
  3.3  Condition条件控制68
  3.4  组件发布和重用69
  3.5  Parameter参数控制70
  3.6  Mapping参数映射72
  3.7  Dataflow数据流73
  3.8  File Parameter文件参数74
  3.9  设置模型本地运行目录{rundir}77
  3.10  模型检查功能79
  3.11  练  习79
第4章  试验设计方法（Design of Experiments）88
  4.1  基本概念88
    4.1.1  概  述88
    4.1.2  术  语88
    4.1.3  步  骤89
  4.2  算法介绍89
    4.2.1  参数试验90
    4.2.2  全因子设计90
    4.2.3  部分因子设计90
    4.2.4  正交数组91
    4.2.5  中心组合设计（Central Composite Design,CCD）93
    4.2.6  Box-Behnken设计93
    4.2.7  拉丁超立方设计94
    4.2.8  最优拉丁超立方设计95
    4.2.9  自定义数据文件95
  4.3  结果分析95
    4.3.1  系数表95
    4.3.2  Pareto图96
    4.3.3  方差分析97
    4.3.4  主效应图98
    4.3.5  交互效应98
    4.3.6  相关性图99
    4.3.6  相关矩阵图100
  4.4  DOE组件操作100
    4.4.1  算法配置100
    4.4.2  定义因子 101
    4.4.3  设计矩阵 102
    4.4.4  后处理 102
  4.5  练  习103
    4.5.1  二因子多峰问题103
    4.5.2  飞行器概念设计问题109
第5章  梯度优化算法(Gradient Optimization)115
  5.1  基本概念115
    5.1.1  原  理116
    5.1.2  约  束117
    5.1.3  最优解必要条件117
  5.2  MMFD算法118
    5.2.1  算法描述118
    5.2.2  配置参数119
  5.3  LSGRG算法120
    5.3.1  算法描述120
    5.3.2  配置参数120
  5.4  NLPQL算法121
    5.4.1  算法描述121
    5.4.2  配置参数122
  5.5  MOST算法122
    5.5.1  算法描述122
    5.5.2  配置参数122
  5.6  MISQP算法123
    5.6.1  算法描述123
    5.6.2  配置参数123
  5.7  练  习123
    5.7.1  非完全可行域问题123
    5.7.2  双峰问题127
第6章  直接搜索方法(Direct Search)129
  6.1  基本概念129
  6.2  Hooke?Jeeves算法129
    6.2.1  算法描述129
    6.2.2  配置参数131
  6.3  Downhill Simplex算法132
    6.3.1  算法描述132
    6.3.2  配置参数134
  6.4  练  习134
第7章  全局优化算法(Global Optimization)138
  7.1  基本概念138
  7.2  MIGA算法139
    7.2.1  算法描述139
    7.2.2  配置参数141
  7.3  ASA算法142
    7.3.1  算法描述142
    7.3.2  配置参数143
  7.4  PSO算法144
    7.4.1  算法描述144
    7.4.2  配置参数145
  7.5  Pointer算法146
    7.5.1  算法描述146
    7.5.2  配置参数146
  7.6  练  习147
提高篇
第8章  近似建模方法(Approximation Models)153
  8.1  基本概念153
  8.2  响应面(RSM)模型154
    8.2.1  算法描述154
    8.2.2  配置参数154
  8.3  神经网络(RBF/EBF)模型156
    8.3.1  算法描述156
    8.3.2  配置参数157
  8.4  切比雪夫（Chebyshev）正交多项式模型157
    8.4.1  算法描述157
    8.4.2  配置参数157
  8.5  克里格(Kriging)模型157
    8.5.1  算法描述157
    8.5.2  配置参数158
  8.6  练  习158
第9章  组合优化策略(Hybrid Optimization Strategy)170
  9.1  Task Plan组件和Exploration组件170
    9.1.1  Task Plan组件170
    9.1.2  Exploration组件171
  9.2  DOE抽样与梯度优化混合策略（Task Plan组件）172
    9.2.1  策略描述172
    9.2.2  练  习172
  9.3  全局优化和梯度优化组合（Task Plan组件）176
    9.3.1  策略描述176
    9.3.2  练  习177
  9.4  基于近似模型更新的全局优化(Exploration组件)180
    9.4.1  策略描述180
    9.4.2  练  习180
  9.5  基于Pointer2 智能算法的策略（Exploration 组件） 183
    9.5.1  算法描述183
    9.5.2  练  习183
第10章  多目标优化算法(MultiObjective Optimization)187
  10.1  基本概念187
    10.1.1  向量的自然序188
    10.1.2  解的占优关系189
    10.1.3  Pareto最优解集和Pareto前沿189
    10.1.4  归一化方法：加权法191
    10.1.5  非归一化方法192
  10.2  NSGA-II算法193
  10.3  NCGA算法194
  10.4  AMGA算法195
  10.5  PE算法195
  10.6  二目标全局优化问题198
第11章  蒙特卡洛模拟（Monte Carlo Simulation）203
  11.1  基本概念203
  11.2  算法介绍205
    11.2.1  简单随机抽样205
    11.2.2  描述抽样206
  11.3  算法配置207
  11.4  练  习208
第12章  田口稳健性设计（Taguchi Robust Design）213
  12.1  基本概念213
    12.1.1  信号因子、控制因子和噪音因子213
    12.1.2  稳健性设计214
    12.1.3  质量损失函数215
  12.2  算法介绍216
    12.2.1  正交表的构造216
    12.2.2  静态特性评价指标217
    12.2.3  动态特性评价指标218
  12.3  练习与指导219
第13章  6 Sigma质量设计（Design For Six Sigma）224
  13.1  基本概念224
    13.1.1  6 Sigma设计224
    13.1.2  DFSS设计过程（DMAIC) 227
    13.1.3  Isight的 DFSS算法框架 228
    13.1.4  田口设计与DFSS设计的比较229
  13.2  6 Sigma分析230
    13.2.1  基于可靠性评价技术230
    13.2.2  基于蒙特卡洛抽样233
    13.2.3  基于试验设计234
  13.3  6 Sigma优化234
  13.4  练  习236
    13.4.1  焊缝优化问题（确定性优化）236
    13.4.2  焊缝优化问题(6 Sigma质量分析)238
    13.4.3  焊缝优化问题(6 Sigma质量优化)242