优势

提高设计性能和质量

HyperStudy 具有最先进的创新优化、 设计实验及随机分析方法，可快速完成评估，提高设计性能和质量。

将模具翘曲程度减少了 26%

执行比较研究

HyperStudy 的配合功能允许用户创建响应面拟合。这些高效的假人模型可以用来进行比较研究，也可以导出为电子表格供现场工程师使用。

减少开发时间和成本

HyperStudy 帮助工程师减少试错迭代，从而缩短设计的开发和测试时间。

通过易于使用的环境提高生产率

HyperStudy 的分步式过程可引导用户建立和开展设计研究。其开放式架构可与第三方求解器轻松集成。

强大的数据集分析功能

凭借一整套后处理和数据挖掘方法，可简化工程师的工作并帮助他们分析和理解大型模拟数据集。

提高仿真相关性

HyperStudy 的优化功能可用于提高分析模型与测试结果的相关性，或者不同模型之间的相关性。

功能

实验设计

HyperStudy 中的实验设计 (DOE) 方法包括：

全因子    部分因子                          Plackett-Burman    Box-Behnken

中心复合设计    拉丁超立方体法      Hammersley     用户自定义以及外部运行矩阵的直接输入。

该研究矩阵可以由可控制或不受控制的连续或离散变量构成。DOE 研究可以借助精确仿真或拟合模型进行。

响应面法 (Fit) 

提供的响应面法包括：

• 最小二乘回归   移动最小二乘法
  

• HyperKriging  径向基函数
  

响应面可用于执行利弊权衡、DOE、优化和随机研究。

优化

HyperStudy 具有综合优化方法，可解决不同类型的设计问题，包括多目标和基于可靠性/稳健性的设计优化。具体方法包括：

• 自适应响应面法 (ARSM)      全局响应曲面法 (GRSM)
  

• 序列二次规划法                   多目标遗传算法
  

• 遗传算法                             基于 ARSM 的 SORA
  

• 序列优化与可靠性分析 (SORA)    用户自定义优化算法。
  

• 单循环方法

优化研究可以采用精确仿真或拟合模型执行。此外，HyperStudy 还提供 API 来整合外部优化算法。

随机

HyperStudy 中的随机方法有助于工程师评估设计的可靠性和稳定性，并根据这些评估结果来对改进和优化提供定性指导。HyperStudy 抽样方法包括：

• 简单随机抽样     拉丁超立方体法
  

• Hammersley

随机研究可以采用精确仿真或拟合模型执行。

后处理和数据挖掘

HyperStudy 具备各种后处理和数据挖掘功能，能够帮助工程师进一步加深对设计的理解。 这大大简化了对结果进行研究、分类和分析的工作。可以对研究结果进行后处理，并以统计数据、相关性矩阵、散点图、箱线图、交互作用图、直方图以及平行坐标图等形式呈现。此外，HyperStudy 还可以指导用户根据设计目标选择要使用的后处理方法。