HyperStudyの新機能

Image
HyperStudy2019の新機能 HyperStudy最新版の新機能紹介ビデオ

Image
HyperWorks 2019の新機能をすべて見る 今回のリリースで追加されたHyperWorksの新機能をすべて見る Go to the New Features Page
最良の予測モデルを自動で取得

データフィッティング処理に、新しいシンプルな手法のFit Automatically Selected by Training (FAST) が利用可能となりました。これにより、予測モデルを手作業で調整する必要がなくなり、時間を節約できます。これは、各フィッティング結果を比較した後、最良の手法を選択して、その設定値を調整するという一連の処理を自動化し、データをその最も高品質な予測モデルに適合させるというものです。ノイズの多いデータと少ないデータの両方に適しているため、デフォルトでFASTが適用されて、最も忠実度の高い結果が自動で返されます。そのため、トレードオフスタディで用いるための予測モデルや、最適化および確率論的スタディでのコストのかかるシミュレーションを代替する予測モデルが得られます。

新しいFASTアルゴリズムによるデータフィッティングの自動化

散布データの4次元的な可視化

ScatterタブとOptimaタブではバブルプロットが利用可能であり、スタディ時の理解が深まるとともに、より適切な判断も下せます。バブルのサイズと色によって、標準の2Dプロット上に4種類の情報を視覚化できます。

様々な状況で非常に有用ですが、特に多目的最適化でのトレードオフを検討する際に役立ちます。

バブルプロットによるシミュレーションデータのさらなる明確化

表形式データへの迅速な関連付け

SetupにLookup Table が追加されて、測定データセットなどのデータを簡単にインポートできるようになり、HyperStudyを利用してトレードオフスタディ用の予測モデルを作成する際のデータ探索とその利用が容易になりました。Fitモデルのエクスポートと再利用

FitモデルをPythonフォーマット(*.pyfitファイル)にエクスポートすることや、Setupに追加されたHyperStudyの新しいFitモデルを使用してインポートすることが可能になりました。これらの機能を使用すれば、Fitモデルを簡単にユーザー間で共有し、異なるスタディで再利用できます。例えば、異なる領域(NVH、耐久性など)で開発されたものでも、1つのスタディ内で簡単にマルチドメイン探索に利用できます。ワークフローへのモデルのリンク

Model Resourcesによって、あるディレクトリのファイルとその内容全体をリソースとして割り当てることができるようになりました。また、例えば、マルチフィジックス解析と最適化に対して、モデル間のファイル転送ワークフローを設定することにより、モデル同士の依存関係を定義し可視化することも可能です。

マルチフィジックス解析または最適化に対するファイル一式の割り当て

システムの信頼性要件を効率的に満たす

新しい信頼性ベースの設計最適化(RBDO)手法として、システム信頼性最適化(SRO)が最適化手法のリストに加わりました。信頼性制約条件は、個々の制約条件というよりも、システム全体に対する制約条件であり、問題の取り組み方としては、その方が本質的に適切です。非現実的な設計が、内在する破損モードとは無関係に特定されます。さらに、ロバスト設計オプションによって、性能と感度の間の自然なトレードオフが得られます。

他にも多くの強化点があります。

  • SimLabモデルでは、変数と応答の自動検出とインポートがサポートされています。

  • モーターの予備設計ツールであるFluxMotorのモデルをHyperStudyに接続できるようになりました。

  • モード信頼性評価基準(MAC)を使用したモードトラッキングが可能です。


ギャラリー

HyperStudyで定義したパラメーターを直接インポートできる、FEKOおよびSimLab用の新しいモデルが追加 巨大な結果データベースから必要なデータを効率良く取り出せる平行座標プロット
HyperStudyで定義したパラメーターを直接インポートできる、FEKOおよびSimLab用の新しいモデルが追加 巨大な結果データベースから必要なデータを効率良く取り出せる平行座標プロット
Img Img

Altair Japanのメールマガジン

イベントや製品の最新情報を配信しています