AnsysSPEOS联合optiSLang光导设计与优化实践

一、概言
随着汽车行业的高速发展，以及石油能源逐渐紧缺，世界各国都趋向与开发新能源汽车。同时为满足消费者追逐科技感的需求，各大汽车供应商在汽车照明领域不断探索及创新，如今光导产品无论在前照灯、尾灯、氛围灯及各个内饰灯上都有着举足轻重的位置，使得各个照明灯具产品更具科技感及新颖性。

二、目的
在以下案例中,我们将使用Ansys Speos结合optiSLang实现光导的设计的优化,通过speos光学仿真分析，前期可以利用3D照度探测器以及交互仿真初步手动优化一定程度，然后我们可以利用optislang驱动LG各段反光此的修剪比作为输入参数，将光导的最小亮度RMS值来优化光导亮度均匀性，通过结合工程师的优化经验以及optislang的自动优化可以更高效的得到最佳参数，更有利于缩短产品的开发周期。

三、光导设计原理
当光线从光密介质(n1)射向光疏介质(n2)时,只要满足一定的入射角度,光线就不会折射进入光疏介质,而是反射回光密介质,这形成了最基本的光导原理--光的全反射。如下图光只会在光导里面进行传播，再从光导尾部射出。

因此我们需要再光导背面设计一系列复杂精细的光导花纹齿，也就是常见的prism，使光线在光导管中传输的同时,能够保证光导管整体的出光均匀,从而实现照明以及亮度一致性。

四、光导建模
优化光导一般性会基于两个重要参数,即光导出光率以及外观均匀性。那么主要光导设计的主要参数有:外形几何图形(类型/轮廓)、棱镜几何形状(start angel and end angle、棱镜数量值、offset、width)、prism Trimming ratio (底部,顶部)。综合以往优化经验，此案例将以prism的修剪比来做为优化参数。

五、初步仿真-手动优化
Ansys Speos仿真输入:
-白光LED,总光通量300lm,
-光导材质为PC

预优化仿真结果如下:

根据视觉效果以及均匀性变化曲线可直观判断，其均匀性未能满足实际要求，因此在手动优化未能帮助我们达到最佳亮度均匀性时，这时就体现了Ansys平台的优化功能强大软件-Optislang。

六、联合Optislang流程集成与设计优化
OptiSLang是用于参数优化的工具,可利用optiSLang优秀的算法,使优化的设计过程更加快捷方便;软件的功能包括了多学科优化、参数敏感度分析、可靠性等,并可以和需要的各类软件进行连接,包括ANSYS的Mechanical,Fluent, HFSS、Maxwell等求解器,以及其他的第三方求解器。针对speos与optislang流程集成如下：

• 输入参数及目标约束定义：

七、敏感性分析
敏感性分析敏感性分析是产品设计过程中非常重要的环节,一方面帮助工程师深度理解设计及参数关系;另一方面为后续优化设计提供最佳元模型(MOP) 。

基于统计的思想,通过一个预测质量的关键指标预测系数(CoP-Coefficient of Prognosis)来评估对实际模型的预测质。Cop的值越大表面预测得到的模型准确的跟高。通常在二维或三维图像基础上,辅以各点的不同颜色配合色块说明条来说明各个参数对模型目标函数的函数值的影响。通过敏感性分析得到的Response surface 3D plot表明CPO, CP1和COP系数之间不是简单的线性关系,而是一个复杂曲面。各系数的Cop系数变化如下图:

图Rms_Contrast/Maximum/Number failed/Minium以及Coefficient Prognois与CP0~3关系

且Cop样点的区域在COD范围内,表面目前的COP系数能较高的满足设计需求。通过Copmatrix罗列了RMS_Contrast、 Minimum、 Maximum、 Average等响应参数和Trimming ratio的对应关系,而Coefficient of Prognosis界面表面对Cop output影响最大的三个参数是Cpo、 Cp1、 Cp2,其中Cp1影响系数最大为44.7%。通过敏感性分析,可以得到RMS对比度最重要的输入是在控制点1 (44%)和控制点2(33.4%)处的修剪率。控制点1和控制点3处的修剪比没有影响。可以确定修剪定量与RMS对比度的非线性依赖关系。所有的修剪比都对平均亮度有影响。修剪比与平均亮度有一定的非线性相关性。

八、MOP元模型优化
Mop-EA算法优化经过optiSLang的敏感性分析得到了主要输入参数与输出参数间的元模型（MOP）基于高精度的元模型自动对输入/输出参数进行参数敏感度分析并生成相关性矩阵。基于当前模型软件会自动排除了对结果影响微弱其他采样点,优先选择EA算法进行后续优化操作。进化算法(EA)是模拟自然生物进化过程的随机搜索方法,如适应、选择和变异。

optiSLang使用遗传算法(GA)和进化策略(ES)的灵活实现,全局搜索的纯GA和本地搜索的纯ES之间进行缩放。进化算法可用于离散和连续设计变量、单目标和多目标优化任务、失败设计比例较大的问题。如果设计变量和约束条件的数量很大,则EA比基于梯度和基于响应面的方法更有效。优化结果如下：

九、总结
以上导光条案例重点讲解了我们如何利用Ansys Speos结合optiSLang优化工具，可进行参数敏感性、多学科优化、稳健可靠性分析优化的专业分析，对光导进行光视觉均匀性、亮度对比度的设计以及优化。结合两款软件功能优势进行有效仿真优化，更高效的找到光导类的最佳设计参数，Ansys所有开发项其最终目标能有效缩短设计的开发周期,降低研发成本。