接上篇——一个连接器接触力的可靠性分析（3）

参数敏感性分析后，我们得到了一个参数之间相关关系的矩阵，此时，就可以进行优化分析了。

在这里，首先设定一个比较好的设计点，以此为优化的初始点。然后以这个点为附近，开始进行优化。

另外，需要考虑优化的约束以及目标。看回本例的描述：找到一组设计值，能够满足所有的接触力不小于1N，总接触力小于50N。可看到，所有的描述都是约束性描述，而没有明确目标是什么。其实，在考虑这个问题的时候，我们考虑到，如果所有簧片的接触力都在平均接触力水平，那么当连接器出现震荡，或者微小位移的时候，接触力仍然能够满足约束范围的可能性应该是更强的，因此，我们将优化的目标定义为：找到一个设计值，各簧片的接触力都接近平均水平最好。经过之前90次计算，我们将每个簧片的接触力结果平均，得到一组平均值，以此为优化目标进行优化，设置如图：

在此，我们使用函数描述，将各簧片数值与均值偏差总和作为优化目标，优化为最小值。

约束则如同本例需求，很清楚。

本例中使用遗传算法，经过MOP求解器进行求解，共求解了5代，耗时25小时。得到结果如下：

可以看到，经过多次迭代以后，找到一个优化目标最小的值，N=391次计算。随后将这个设计值代回原设计模型，进行计算，符合要求，该设计点可用。

优化的设计方案出来以后，就可以进行最后一步了：稳健性分析。上文提到过，设计方案与实际生产方案是不一样的，在这个步骤，我们会考虑到设计与产品之间的参数差异，因此，我们需要对每一个可能变化的参数进行正态分布的定义。

然后让软件自动进行计算，这次的计算仍然是基于MOP的求解器，因为本次的计算量是百万次以上的。（六西格玛水平为3.4ppm）

经过大量的计算以后，我们看到不安全的设计点概率几乎为0。可以说上述的设计点符合很高可靠性的生产水平。本例计算到此结束

结束语：

从这个案例可以看到，如果企业能够进行可靠性分析，那么出来的设计方案是能够考虑到产品的良品率的，CAE的实际意义也就更加接近现实，更加实用。当然，这个也需要企业的设计人员拥有更加扎实的数学基础以及工程应用基础，最后，还要CAE的普遍应用，这样，才能做出一个符合实际的可靠性优化。

-END-