接上篇——一个连接器接触力的可靠性分析（2）

接下来就是将CAE模型中的参数放入参数优化软件（本例使用optislang）中了。

进入optislang中，首先我们就要设定，每一个参数的变化范围是什么，如图

可以看到，每个设计参数都需要设定变化的上限和下限（Lower cut、Upper cut）。

设定参数完成以后就进行DOE了，DOE就是实验设计（Design of experiment）就是说希望用较少的计算次数以达到良好的参数覆盖效果。从本例看到，计算的参数有36个，虽然不是大容量的参数，但也绝对不少，如果每个参数都布置5个实验点的话，使用全参数法就是5³⁶=1.4e25次，这个数量就已经约等于是无限大了。因此，在这里我们选择拉丁超立方取样方法。这个方法设计巧妙，能够应付多参数的实验设计，只需要选少量的样本点（本例中选取了90个），就能够覆盖到所有参数的特征，而每个参数都会布90个不同的点。

经过系统的自动DOE后，就可以开始计算了。由于优化的计算量是很大的，就算仅取了90个计算，所需的时间也不短。幸好先进电脑资源越来越廉价，让高性能电脑一直跑着就行了。

漫长的计算以后，软件终于跑完所有的设计点了，这个时候，我们就可以查看所有输入参数对输出参数的影响了。首先，我们查看各个参数的敏感程度矩阵：

这个矩阵就包含了所有参数之间的影响关系，横轴与竖轴都是参数，由于前面30多是输入参数，相互独立，因此矩阵的左下角是灰色的，而且由于横轴竖轴都是同样的内容，因此矩阵是对称的，我们只需要看一半就可以了。

回到实际的问题，之前的计算中，显示了F3o_V是接近0的，所以最需要改进的结果是F3o_V。因此我们打开矩阵中的这一格，查看一下这个结果会受到那些参数的影响，那个参数对他影响最大：

那从这个图就很直观的看出来，设计参数中ds_lo3_y1对它影响是最大的，其影响程度达到了47%。既然找出了这个影响最大的参数，马上点开数据表，看看他们的拟合关系，如图：

当然，这只是一个参数的影响，在漫长计算后才得到的矩阵表中，我们还应一个个参数研究过去，做到心中有数，哪个参数大概影响什么。

未完待续。。。

-END-