DeWalt 冷却风扇优化
HyperStudy
HyperWorks系列
天干科技
HyperStudy - 独立于求解器的研究和优化工具
功能模块
实验设计
HyperStudy 中的实验设计 (DOE) 方法包括：
- 全因子
- Plackett-Burman
- 中心复合设计
- Hammersley
- 部分因子
- Box-Behnken
- 拉丁超立方体法
- 用户自定义以及外部运行矩阵的直接输入。
该研究矩阵可以由可控制或不受控制的连续或离散变量构成。DOE 研究可以借助精确仿真或拟合模型进行。
响应面法 (Fit)
提供的响应面法包括：
- 最小二乘回归
- HyperKriging
- 移动最小二乘法
- 径向基函数
响应面可用于执行利弊权衡、DOE、优化和随机研究。
优化
HyperStudy 具有综合优化方法，可解决不同类型的设计问题，包括多目标和基于可靠性/稳健性的设计优化。具体方法包括：
- 自适应响应面法 (ARSM)
- 序列二次规划法
- 遗传算法
- 序列优化与可靠性分析 (SORA)
- 单循环方法
- 全局响应曲面法 (GRSM)
- 多目标遗传算法
- 基于 ARSM 的 SORA
优化研究可以采用精确仿真或拟合模型执行。此外，HyperStudy 还提供 API 来整合外部优化算法
随机
HyperStudy 中的随机方法有助于工程师评估设计的可靠性和稳定性，并根据这些评估结果来对改进和优化提供定性指导。HyperStudy 抽样方法包括：
- 简单随机抽样
- Hammersley
- 拉丁超立方体法
- 其他方法
随机研究可以采用精确仿真或拟合模型执行
后处理和数据挖掘
HyperStudy 具备各种后处理和数据挖掘功能，能够帮助工程师进一步加深对设计的理解。 这大大简化了对结果进行研究、分类和分析的工作。可以对研究结果进行后处理，并以统计数据、相关性矩阵、散点图、箱线图、交互作用图、直方图以及平行坐标图等形式呈现。此外，HyperStudy 还可以指导用户根据设计目标选择要使用的后处理方法
案例分析
火星探测器的可靠性设计
利用 HyperStudy 将座椅质量减轻 7%
瓶优化：提高性能和减轻重量
使用 CAEfatigue 和 HyperStudy 进行优化以提高耐久性
在雷诺的动力总成系统中实现 8% 的减重和 30% 的性能提升
东芝将开发时间缩短了 70%
在 HyperStudy 中应用 AcuSolve 进行涡轮机叶片优化
