使用 Ansys Mechanical 和 Stochos 进行材料模型校准第一部分：使用 PyANSYS 运行 DOE

介绍

在上一篇文章中，我们详细介绍了完全在 Ansys Workbench 中使用 optiSlang 为 Ansys Mechanical 校准材料模型的过程。在本系列文章中，我们将详细介绍使用 PyAnsys 和 Probabilistic Intelligence 的 Stochos 6.0.2 Python 3.12 库、Ansys Workbench 和外部 Python 脚本的相同过程。

完成整个校准需要执行以下步骤;粗体项目将在当前文章中讨论：

1. 参数定义：边界和类型
2. Workbench 模型设置和验证
3. Stochos 优化和约束函数定义
4. 使用 Stochos 开始生成实验设计 （DOE）
5. 通过使用 PyAnsys 将参数传递给 Workbench 来开始生成 DOE 结果
6. DIMGP 模型校准和优化循环以及 Stochos 建议的下一个设计点
7. 优化结果和最终参数选择

安装 PyAnsys 和 Stochos

PyAnsys 和 Stochos 是 Python 3.12 库。建议创建一个虚拟环境，或者更好的是，创建一个 Anaconda Python 环境，您可以在其中安装 PyAnsys 和 Stochos。我们不会在本文中进一步讨论这些问题。

参数定义

回顾上一篇文章中详述的模型设置，我们指定了 Voce 硬化材料模型参数的边界和单位，如下所示，并注意所有这些参数都是连续类型：

参数	单位	边界
杨氏模量 （Young's Modulus），E	兆帕	[160000, 200000]
初始屈服应力 S0	兆帕	[1100, 1600]
线性硬化系数 （Linear Hardening Coefficient），R0	兆帕	[1, 1000]
指数硬化系数 （Exponential Hardening Coefficient），R英孚	兆帕	[400, 900]
指数饱和度参数 b	没有	[160, 400]

 

Stochos 要求边界和类型位于列表中。以下是所述参数定义的代码片段：

 

Workbench 模型设置和验证

我们使用的 Workbench 模型是上一篇文章中使用的模型的简化版本。在这里，我们只要求维护 Parameter Set（参数集），如下所示，并注意输入参数 ID：

 

为了保持参数信息井井有条，我们在 Python 中设置了一个字典：

 

在项目 user_files 目录中，我们有参考信号文件 force_displacement_ref.txt，其格式如下，请注意我们在开头添加了一个 （0,0） 点：

 

求解模型时，APDL 命令将生成相同格式的文件 force_displacement_sim.txt，并将其存储在 dp0\SYS\MECH 项目文件夹中。我们将在每个模型求解后读取此文件，并将其作为优化过程的一部分进行处理。

最后，我们必须确保模型可以在整个参数边界范围内求解，以便我们可以自动进行参数研究。此模型已在所有极端情况下运行，并显示出在所有情况下收敛。

Stochos 优化和约束函数

Python 导入

对于整体代码，我们导入以下库：

 

Stochos 定义

Stochos 通过庞大的示例库提供现成的目标和约束函数。在这里，我们将仿真信号回归为参考信号，因此我们修改示例函数以实现以下内容：

1. 最小化仿真信号和参考信号之间差值的平均值和标准差。
2. 计算仿真信号的最小梯度，拒绝任何具有负梯度的仿真信号;我们不允许在材料模型曲线的末端出现负斜率，因为这会导致仿真问题。

 

请注意优化器定义中的 acq_func=“SEI” 行，该行适用于信号回归。

使用 Stochos 开始生成 DOE

要开始优化过程，我们需要运行启动 DOE 来生成用于 DIMGP 模型训练的数据。根据 optimization 和 constraint 函数，Stochos 很容易创建一个最佳的空间填充设计：

 

我们将生成的 “DOE_start_design_matrix.csv” 文件存储在与 Workbench 模型相同的目录中，以便于检索。

使用 PyAnsys 和 Workbench 启动 DOE 结果

使用 PyWorkbench 启动和控制 Workbench

PyWorkbench 是一个 PyAnsys 模块，我们使用它来通过外部 Python 脚本启动和控制 Workbench。首先，我们定义重要的目录和路径：

 

接下来，我们需要 IronPython 格式的 Workbench 命令字符串，用于控制 Workbench 并在 Workbench 中设置参数值。

 

有了这些控制字符串，我们启动 Workbench 2025 R1，使用以下代码显示 GUI：

 

在完整 Python 脚本结束时，我们使用以下命令正常关闭 Workbench：

 

运行和分析所有设计点的结果的功能

运行和分析起始 DOE 设计点的函数应用以下算法：

1. 创建空的 Pandas 结果 DataFrame。
2. 阅读 DOE 矩阵并遍历每个设计点，执行以下作：
   1. 将参数值传递给 Workbench。
   2. 更新 Workbench 项目以求解模型并生成 force_displacement_sim.txt 文件。
   3. 对仿真结果信号进行线性插值，使其与参考信号具有相同的长度和横坐标。
   4. 计算仿真信号的最小梯度，如果 min（gradient） >= 0，则保留 reject。
   5. 计算仿真信号和参考信号之间的 L2 距离。
   6. 将保留的仿真信号存储在 results DataFrame 中。
   7. 将 L2 距离和参数值存储在摘要结果 DataFrame 中。
   8. 返回所有适当的 DataFrame。

以下是此函数的代码分为两部分：

 

 

用于实现流程的控制代码

以下代码片段显示了用于控制进程的代码，但请注意某些参数未显示：

 

Start DOE 的结果

运行起始 DOE 后，我们获得了 13 个（共 30 个）有效的仿真信号（在所有位置都有正梯度）。

 

此外，我们还从 Stochos 获得了启动敏感性分析，该分析显示了哪些参数最重要。显然，R0不是一个重要的参数。

 

最后，摘要数据显示，运行 5 与参考信号的 L2 距离最低，但需要进行优化以获得更好的校准。

 

结论

总之，我们展示了使用 Stochos 和 PyAnsys 在 Ansys Mechanical 中优化材料模型的过程的第一部分。我们展示了如何使用 PyWorkbench 自动化更新参数和求解模型的过程。此外，我们还展示了 Stochos 如何提供起始 DOE 来训练 DIMGP 模型，以用于未来的优化。最后，我们展示了如何使用简单的 Python 脚本来自动化整个过程。