使用Speos optimization優(yōu)化工具快速優(yōu)化設計

概述

優(yōu)化是一個有助于找到一個光學系統(tǒng)的最佳解決方案的實驗過程，它主要是利用參數(shù)的變化而試圖達到預期的結果。在Speos 2023 R2中提供三種可供選擇的方法來執(zhí)行此類分析。

第一個是基于workbench創(chuàng)建的優(yōu)化，可以參考文章（基于Ansys Workbench和Speos的準直全反射透鏡優(yōu)化設計案例），第二種使用optiSLang及其強大的優(yōu)化功能，在optiSLang種直接調(diào)用Ansys Speos求解器，訪問發(fā)布的參數(shù)，設計識別最重要的輸入?yún)?shù)，多目標優(yōu)化在不同目標之間進行權衡，第三種是利用嵌入到Speos中的優(yōu)化工具optimization，允許基于隨機算法Random search設置一個優(yōu)化，以研究不同參數(shù)集對仿真結果的影響。

本案例講述使用Speos optimization 優(yōu)化工具，快速優(yōu)化設計。為描述案例講解過程，首先對optimization工具的參數(shù)進行詳細解釋。

優(yōu)化模式

Speos optimization優(yōu)化功能提供三種優(yōu)化模式: Random Search隨機搜索算法是一種基于隨機的全局優(yōu)化方法，優(yōu)值提供函數(shù)定義優(yōu)化的收斂過程，Minimize允許獲得盡可能接近目標值的模擬值。

Maximum允許獲得盡可能遠離目標值的模擬值。

Design of Experiment實驗設計允許定義變量的值，通過使用基于所選變量的Excel文件來定義變量。Plugin插件允許使用自己創(chuàng)建的優(yōu)化算法，以便在分析中增加更多的靈活性。

變量類型

Optimization特性根據(jù)變量的來源提供了三種變量類型。

Simulation variable模擬變量對應Speos的仿真變量，在此變量列表中可以選擇光源的參數(shù)、探測器的參數(shù)、包括3D texture的參數(shù)。在optimization設置列表中，可以查看添加到優(yōu)化中的變量的當前值，和數(shù)值變量可變范圍，可以修改min和max的數(shù)值，使得變量在更大或更小的范圍內(nèi)變化。

Design variable設計變量對應于光學部件設計參數(shù)，在Speos 中完成的所有OPD光學部件設計參數(shù)，都可以作為優(yōu)化變量選擇optimization中，例如lightguide、TIR、optical lens、optical surfaces等設計參數(shù)。

在optimization設置列表中，可以查看添加到優(yōu)化中的變量的當前值，和數(shù)值變量可變范圍，可以修改min和max的數(shù)值，使得變量在更大或更小的范圍內(nèi)變化。

Document variable對應于可以在spacecclaim Groups面板(驅(qū)動維度，腳本參數(shù))中創(chuàng)建的輸入?yún)?shù)，也可以是機械變量參數(shù)，例如機械半徑等參數(shù)。

在optimization設置列表中，可以查看添加到優(yōu)化中的變量的當前值，和數(shù)值變量可變范圍，可以修改min和max的數(shù)值，使得變量在更大或更小的范圍內(nèi)變化。

優(yōu)化目標

優(yōu)化目標對應于想要評估的目標結果，是整個優(yōu)化過程的最終評估元素。為了得到目標首先需要建立direct或者是inverse仿真，運算仿真得到XMP結果后，使用measure功能確認目標數(shù)值，例如RMS、average等，得到一個含有目標結果的XMP。然后創(chuàng)建優(yōu)化optimization后，在target列表選擇評估目標。

優(yōu)化

1.在Speos中，打開案例LightGuide_Tutorial，此案例可以在Ansys learning Hub優(yōu)化課程中找到。

2.定義光源、探測器、材料屬性、直接仿真運算得到XMP仿真結果。

3.對仿真結果中的出光區(qū)域的RMS做為目標優(yōu)化值。

4.點擊optimization，選擇light guide仿真，選擇R1-R5作為document variable，并修改參數(shù)變量的min和max。選擇RMS作為target， 設置目標值，權重為1。

5.選擇random search，Minimize優(yōu)化，仿真運算時間600S，GPU運算仿真。

6.最終得到如下結果，優(yōu)化后RMS降低，整體均勻性提高。

審核編輯：劉清