在本例中，我們將使用 Speos 和 optiSLang 實現(xiàn)光導的設(shè)計優(yōu)化，以實現(xiàn)汽車日行燈、內(nèi)飾氛圍燈等的光導設(shè)計，并改善光導亮度的均勻性，以自動優(yōu)化設(shè)計的方式實現(xiàn)更好的照明外觀。
在汽車照明應用中，日行燈是一個獨特的照明標志。這些光導幾乎是一直照明狀態(tài)，因此光導的設(shè)計需要符合照明均勻性的標準和政府提出的規(guī)則。為了實現(xiàn)光導設(shè)計和優(yōu)化，我們使用 Ansys Speos 光學部分設(shè)計創(chuàng)建光導，利用 Ansys optiSLang 驅(qū)動光導設(shè)計參數(shù)變化，進而找到理想設(shè)計。
1. Speos 和 optiSLang 的數(shù)據(jù)傳輸
Speos和opitSLang的數(shù)據(jù)傳輸可以有三種方式：第 一種是在Workbench中鏈接Speos和optiSLang進行數(shù)據(jù)傳輸優(yōu)化，第二種是在optiSLang中鏈接workbench，workbench中含有Speos的數(shù)據(jù)，完成數(shù)據(jù)傳輸，第三種是直接使用scripts完成Speos和optiSLang的數(shù)據(jù)鏈接。
2. Speos 軟件中完成 light guide 完成初步光導設(shè)計，并進行光導的亮度和強度模擬與法規(guī)檢查。
在 Speos 的仿真模擬中，有幾項相關(guān)鍵的仿真重要參數(shù)設(shè)置：
Lightguide Meshing：精確的meshing對于光導設(shè)計來說是很重要的，使用Speos的用戶都知道m(xù)eshing的重要性，如果不考慮meshing的參數(shù)設(shè)置，光導設(shè)計中的出光效果將會受到影響。通常會使用local meshing來設(shè)置特殊幾何體的meshing劃分。
Maximum number of Surface interaction：光導依靠全內(nèi)反射來引導光線走向，這導致光和表面相互作用次數(shù)增多，特別是光線和光導棱鏡之間的相互做用，默認值100通常過低，可以適當提高此數(shù)值設(shè)置。光導依靠全內(nèi)反射來引導光線走向，這導致光和表面相互作用次數(shù)增多，特別是光線和光導棱鏡之間的相互做用，默認值100通常過低，可以適當提高此數(shù)值設(shè)置。
XML Template：XML文件中包含了Sensor 中對關(guān)鍵數(shù)值的定義和數(shù)值驗證，使用XML文件可以直接得到仿真結(jié)果的數(shù)值情況，并且使得每個參考數(shù)值都可以作為輸出結(jié)果在optiSLang中使用。關(guān)于XML可以在Ansys customer Portal官方網(wǎng)站得到XML標準模板。
設(shè)置以上Speos的參數(shù)，運算仿真得到強度圖和亮度圖兩個結(jié)果，從法規(guī)和均勻性兩個方面對光學性能進行了測量。強度圖的網(wǎng)格視圖強調(diào)了法規(guī)遵從性，每個表格代表一個強度測量點，測量點的值受法規(guī)約束。中間值代表模擬結(jié)果，左下值代表通過規(guī)定的極小限度，左上值代表通過規(guī)定的極大限度，右邊代表個人設(shè)置的安全限度。如果法規(guī)沒有通過，則用紅色標出，如果沒有達到安全限度，則用黃色標出，如果通過，則用綠色標出。
在亮度圖中定義均勻性性能的測量值。測量是基于18點折線，甚至更多點折線，沿著這條線的亮度均勻性可以被評估，測量平均和均方根對比。同時亮度結(jié)果也將用做于優(yōu)化的輸出，優(yōu)化目標是在保持ECE規(guī)定滿足要求的同時，獲取均勻的外觀照明，降低RMS對比度和極大化折線平均值。
3. optiSLang靈敏度分析，通過敏感性研究來確定重要的光導輸入?yún)?shù)，并通過創(chuàng)建元模型顯示輸入和輸出參數(shù)之間關(guān)系，從而展示參數(shù)分析能力。
建立參數(shù)化系統(tǒng)后，進行參數(shù)敏感性分析。在敏感性分析中，通過COP矩陣預測輸出變化，COP的數(shù)值告訴我們模型質(zhì)量，此外可以看到參數(shù)對輸出的影響。所以我們會得到在light guide設(shè)計參數(shù)中有有哪幾項設(shè)計參數(shù)是影響設(shè)計目標光導的亮度均勻性、均方根、光強度的關(guān)鍵，可以直接了解光學行為。
4. optiSLang優(yōu)化，通過執(zhí)行基于模型的多目標優(yōu)化，然后進行局部和單目標直接優(yōu)化，以實現(xiàn)可能的理想設(shè)計，展示優(yōu)化能力。
優(yōu)化算法在MOP上采樣了10000種設(shè)計，以找到輸入?yún)?shù)值的理想組合，實現(xiàn)理想設(shè)計。多目標優(yōu)化的結(jié)果顯示在“帕累托面”(參見下圖)。該圖顯示了兩個目標之間的權(quán)衡，在理想設(shè)計的集合用紅點標記(定義為帕累托前沿)。工作流通過一個真正的求解器調(diào)用(如綠點所示)自動驗證20個理想的設(shè)計。由于COP值較好，預測值與驗證值之間的差異較小。通過選擇其中一種設(shè)計，相應的參數(shù)值和響應顯示在optiSLang的后處理其他圖中。圖片顯示的是經(jīng)過驗證的7574設(shè)計，為了進一步改進設(shè)計，可以通過將其中一個目標轉(zhuǎn)化為約束來進行局部和單一目標的優(yōu)化。
單目標優(yōu)化采用靈敏度研究(黑色)和基于響應面的理想設(shè)計區(qū)域的樣本迭代附加設(shè)計(彩色)。
