代理模型（代理模型）的CAE优化
代理模型是什么
老师，什么是代理模型呢？在优化的语境中听过这个名词，但对具体概念不太清楚…
简单说，代理模型就是用来近似高成本的FEM/CFD仿真的输入输出关系的轻量级模型。也叫"代理模型"。
比如，考虑汽车保险杠的设计。每次改变板厚或肋骨形状，都要用LS-DYNA运行碰撞分析，需要2～3小时。如果设计变量有20个，全组合探索就完全不可能了。
确实，用20个变量的全组合进行FEM直接优化的话，需要计算数千个案例。
这就是代理模型的用武之地。首先用DOE（实验计划法）选择100～200个代表性的设计点，对每个点运行FEM。从这些输入输出数据构建代理模型后，即使预测10万个点，也只需要毫秒级。最优化算法用代理模型代替FEM进行评估，探索速度就会大幅提升。
代表性手法的比较
代理模型也有不同类型吧？怎样才能选对呢？
对，我们来对比一下代表性的4种手法：
| 手法 | 特点 | 优点 | 缺点 |
|---|---|---|---|
| Kriging（高斯过程回归） | 考虑空间相关性的统计插值 | 能量化不确定性。与EGO（高效全局优化）相性完美 | 样本数超过1000时计算成本急剧增加 |
| RBF（径向基函数） | 基函数线性组合的近似 | 实现简单。插值精度高 | 对外推不稳定。难以评估不确定性 |
| 响应曲面法（RSM） | 用2次多项式近似 | 少数变量时稳定。物理解释容易 | 无法捕捉高度非线性 |
| DNN（深度神经网络） | 多层神经网络 | 擅长大数据、高维 | 数据少时易过拟合 |
Kriging的"不确定性量化"有什么好处呢？
Kriging不仅输出预测值，还能给出"这个预测有多可信"的置信区间。这对EGO（高效全局优化）至关重要。可以采用"Infill战略"，优先在代理模型预测不确定的地方添加FEM样本，用较少的追加计算就能高效提升代理模型精度。在实务中，设计变量在10个以下的情况下，Kriging就是首选。
那DNN什么时候用呢？
设计变量在50个以上，或输入是图像数据（形状的网格图像）的场合。比如车身骨架形状优化，用CNN来特征提取和预测响应的研究就存在。不过，需要数千～数万个FEM结果作为学习数据，这要根据计算预算来决定。
从DOE到代理模型构建的工作流程
请告诉我实际构建代理模型的步骤。
典型的工作流程是这样的：
第1步：定义设计变量和响应
输入：板厚、材料常数、形状参数等
输出：最大应力、位移、固有振动数、加速度峰值等
第2步：用DOE（实验计划法）决定样本点
标准采用拉丁超立方体采样（LHS）。对于设计变量数 $d$，最少需要 $10d$ ~ $20d$ 个点。20个变量的话就要200～400个点。
第3步：对各样本点运行FEM/CFD
通常在高性能计算机（HPC）上并行运行。即使1个案例2小时 × 200个案例，100并行也只需4小时就能完成。
第4步：构建并验证代理模型
用LOO-CV（留一交叉验证）或NRMSE（归一化RMSE）评估模型精度。NRMSE < 5%是实用目标。
第5步：在代理模型上进行优化
用遗传算法或MOEA（多目标进化算法）探索帕累托前沿。有前景的解用FEM验证。
实务中的应用事例
实际CAE工作中，代理模型在哪儿用得最多呢？
实績最多的是汽车OEM的碰撞-NVH多目标优化。碰撞安全性能（G值峰值、侵入量）和NVH性能（固有振动数、音压级）存在权衡关系，所以需要探索帕累托最优解。
具体来说，对车身骨架30个变量的板厚，用LHS-200点采样，分别用LS-DYNA和Nastran计算碰撞和NVH。构建Kriging代理模型，用NSGA-II探索50万个设计空间 ── 这就是典型流程。丰田、本田、BMW等都有论文发表过。
用200次FEM计算构建代理模型，就能探索50万个点，真了不起。和直接用FEM优化相比差多少呢？
直接用FEM跑遗传算法的话，需要100代 × 200个体 = 2万个案例。按1个案例2小时算，就是4万小时 ── 事实上不可能。而用代理模型，200个FEM案例（400小时）+ 代理模型上50万次评估（几分钟）就完成了。计算成本大约是原来的1/100。
此外，还有轮胎滚动阻力优化（普利司通）、航空发动机涡轮叶片冷却设计（劳斯莱斯）、注塑成型模具充填分析优化等，应用领域非常广泛。
精度与陷阱
代理模型看起来很方便，但需要注意什么吗？
实务中容易掉进的坑有3个：
1. 外推区域的预测崩溃
代理模型擅长在DOE样本范围内插值，但在范围外（外推）精度会急剧下降。在优化过程中，代理模型可能会误判"DOE外有更优解"。因此一定要用FEM验证最优解。
2. 非连续响应的处理
碰撞分析中屈曲模式切换导致的非连续响应，用基于平滑假设的Kriging或RSM会难以捕捉。对于这种情况，可以增加样本数，或采用"感兴趣区域"（Region-of-Interest）方法，对各响应区域分别构建代理模型。
3. 维度诅咒
设计变量越多，设计空间体积指数增长。变量50个时，用LHS覆盖需要最少500～1000个样本，FEM计算预算会大幅增加。必须先进行敏感性分析筛选重要变量，才能构建代理模型。
总结
总结一下，代理模型是近似FEM/CFD输入输出的轻量级模型，从DOE的100～200个点用Kriging或DNN构建，能实现10万规模的优化探索。在汽车碰撞-NVH优化中有实績 ── 这样理解对吗？
完美。建议先从modeFRONTIER、OptiSLang，或Python的SMT（代理建模工具箱）库开始小规模问题的尝试。先从2～3个变量的梁挠度优化用Kriging求解开始，就能体会到整个流程。
CAE技术日新月异。— Project NovaSolver致力于将最新研究成果应用于实务。
与实务工程师共思CAE未来
Project NovaSolver面向代理模型中的实务课题本质，致力于为工程现场打造有力工具，进行研究开发。
查看项目最新信息 →相关主题
价值
详细
错误