稳健设计优化（Robust Design Optimization）是一种在工程和设计领域中使用的方法，旨在改善产品或系统在各种不确定条件下的性能和可靠性。借助新增的不确定性量化（UQ）选项，工程师可以在真实条件下进行设计，将输入条件、几何或组合的变化考虑在内，并确保性能符合设计目标。

运用 CFD 和设计程序时，始终假设几何体和运行条件是充分已知的。但实际上，它们受制造差异和多变的操作条件影响。不确定性量化使我们能够考虑这些不确定性，并估计它们对系统性能的影响。

传统的设计优化方法着重于在假定所有输入变量均已确定的情况下最大化或最小化特定目标函数。然而，在现实世界的情况下，常常存在会影响设计性能的变化和不确定性。稳健设计优化考虑到这些不确定性，并寻求找到一种设计，不仅在平均情况下表现良好，而且在各种不确定条件下也能表现良好。

稳健设计优化的过程包括以下步骤：

1不确定性描述

2实验设计

3响应建模

4稳健优化

5敏感性分析

6有效性验证

稳健设计优化平台

Cadence Fidelity Optimization

Cadence Fidelity Optimization 是基于稳健设计优化的涡轮机械通道和叶片设计优化平台。该平台基于高效的实验设计（DoE）生成和 Minamo 优化内核的代理建模功能，结合该平台下全面的监测和数据分析工具，可用于多学科、多目标设计优化。该优化平台已成功用于多种结构：压缩机、涡轮机、泵、风扇以及船体和螺旋桨。

Cadence Fidelity Optimization 的工作流程

Cadence Fidelity Optimization 

Fine design 3D 有以下特点：

1可以自动生成新的设计并执行数值模拟流程，减少人工干预，大幅度提高工作效率。

2基于 Minamo 数据挖掘工具的实验设计探索与分析，Minamo 提供动态/交互式监控，数据挖掘和可视化工具，以帮助用户全面、轻松、快速地了解问题。

代理模型可靠性评估和监测（LOO）

自组织映射（SOM）

3Minamo 提供高效的实验设计算法、采用代理模型技术、以及提供前沿的优化方法：

从最少数量的样本中提取尽可能多的信息；

兼顾建模速度和精确度的要求下，进一步缩短优化时间，在尽可能少的运算时间和次数内生成尽可能准确的代理模型；

可以快速深入了解设计空间，找出最有前景的设计方案。

Minamo优化迭代过程

基于稳健设计优化的福特涡轮

压气机优化案例

稳健设计优化（RDO）将标准数值优化和敏感度分析相结合，在设计早期就考虑到制造变量和不确定的运行条件对产品性能的影响。这种类型的 CFD 优化使工程师能够找到不易受“不确定因素”影响的最佳设计，从而获得更稳定的性能结果。

我们通过一个计算示例来展示基于 Fidelity Design 3D 的稳健设计优化的特点，在本例中，福特对涡轮增压器进行了优化，旨在扩大压缩机的流量，提高喘振裕度。我们采用了主动自循环壳体处理。

仿真设置

由于几何形状不同，我们使用 Fidelity Automesh 为靠近节流点和失速点的两个区域创建了两套单独的网格。仿真域包括叶轮、无叶片扩压器、自循环壳体和蜗壳，用于流体流动仿真（CFD），以及带有背板的实心叶片，用于结构仿真（CS）。使用 Fidelity Optimization 来优化叶轮形状。

设计空间由 19 个设计变量组成，进行了多点优化，并在两条不同速度线上的三个工作点进行了优化。稳健优化考虑了以下不确定因素：

叶顶间隙高度 ±25%

叶片厚度 ±1%

入口总压力或出口静压分别为总压力或静压的 ±1%。

对于节流和失速情况采用不同的边界条件

标准确定性设计优化与稳健设计优化的比较

比较确定性设计 1 和稳健设计 1 的性能，我们发现节流质量流量和效率的平均值在相似范围内变化。然而，只有稳健设计显著降低了这些目标的标准偏差。

节流质量流量和效率的平均值

在相似的范围内变化

只有稳健设计才显著降低了节流质量流量

和效率的标准偏差

由此得出的叶片设计也有明显的不同：

在优化过程中考虑到不确定因素，有助于实现不易受“不确定性”影响的设计。在稳健设计中，节流质量流量和效率的标准差分别减少了 33% 和 48%，使得性能稳定性明显提高。Fidelity Design 3D 框架提供了支持不确定度量化的多学科、多目标的设计优化方案，使工程师能够考虑到几何形状和输入条件的变化，确保设计在各种工况下都能实现最佳性能。

Cadence Fidelity Optimization 是一个独特的优化框架，基于高效的实验设计（DoE）生成和 Minamo 优化内核的代理建模功能，可用于多学科、多目标设计优化。