HFSS学习笔记—8.Optimetrics模块的使用

Optimetrics功能简介

• Optimetrics是集成在HFSS中的设计优化模块，该模块通过自动分析设计参数的变化对求解结果的影响

HFSS中Optimetrics模块提供如下分析设计功能：

• 参数扫描分析(Parametric )：参数扫描分析功能可以用来分析物体的性能随着指定变量的变化而变化的关系，在优化设计前一般使用参数扫描分析功能来确定被优化变量的合理变化区间
• 优化设计(Optimization)：优化设计是HFSS软件结合optimetis模块根据特定的优化算法在所有可能的设计变化中寻找出一个满足设计要求的值的过程
• 调谐分析(Tuning)：调谐分析功能是在改变变量值的同时实时显示求解结果
• 灵敏度分析(Sensitivity )：灵敏度分析功能是用来分析设计参数的微小变化对求解结果的影响程度
• 统计分析(Statistical)：统计分析功能是利用统计学的观点来研究设计参数的容差对求解结果的影响，常用的方法是蒙特卡罗法

1.参数扫描分析(Parametric )

• 参数扫描分析功能是用来分析设计模型的性能随着指定变量的变化而变化的关系
• 在优化设计前一般使用参数扫描分析功能来确定被优化变量的合理变化区间

参数化扫描的步骤:

• 设置首先需要定义变量并添加求解设置项
• HFSS > Optimetrics Analysis > Add Parametric… 弹出Setup Sweep Anaysis对话框， 添加扫描变量
• 或者选中 Project Manager中的Optimetrics,单击右键Add > Parametric,弹出Setup Sweep Anaysis对话框，添加扫描变量
• 设置好扫描变量之后， 点击"Analyze “就可以进行参数扫描分析
• 查看设计分析结果
  
  

2.优化设计(Optimization)

• 优化设计是HFSS软件结合optimetis模块根据特定的优化算法在所有可能的设计变化中寻找出一个满足设计要求的值的过程
• 初始设计→添加优化变量→构造目标函数

1.初始设计

• 初始设计或者初始结构模型在HFSS中称之为Nominal Desian。用户一般根据理论知识和实际经验给出初始设计，创建初始结构模型。
• 初始设计应该尽量接近真实值，否则会导致优化时间过长，有时甚至得不到全局最优解

2.添加优化变量

• 在进行优化设计时，首先需要添加优化变量。打开工程变量/设计变量编辑对话框，单击选择变量编辑对话框中的Optimization单选按钮，此时对话框内会列出当前设计中所定义的全部工程变量或者设计变量，勾选变量对应的Include项复选框，把该变量添加为优化变量;同时在Nominal Value、Min和Max项下的文本框可以输入优化变量的初始值、最小值和最大值。
• 在优化设计前，一般先进行参数扫描分析，确定优化变量的初始值和合理的变化区间
  

3.构造目标函数

• 在优化设计中，为了评价设计结果的好坏以及判断设计是否已经达到要求的目标，必须定义一个判据，软件根据这个判据来决定是否需要继续进行最优搜索，这个判据就称为目标函数。
• 目标函数需要用户根据具体的设计目标进行构造。
• 目标函数可以在该对话框中定义。对于简单的目标函数，可以在对话框Calculation下的文本框中直接输入构造的目标函数;对于复杂的目标函数，可以先定义输出变量(Output Variables)，然后使用定义的输出变量来构造目标函数。
  

4.优化算法

拟牛顿法一Quasi-Newton：

• 牛顿法的基本思想是在极小点附近通过对目标函数做二阶泰勒(Taylor)展开，进而找到的极小点的估计值。
• 拟牛顿法只有在目标函数的噪声 很小的情况下使用是足够准确的，如果目标函数的噪声在工程是十分显著的，需要使用模式搜索优化算法来得到最优结果。

模式搜索法一Pattern Search：

• 模式搜索法是求解最优化问题的一种直接搜索算法，它不用目标函数与约束函数的导数信息而只用函数值信息，是求解不可导或求导代价较大的最优化问题的一种有效算法。
• 模式搜索法 是Hooke和Jeeves于1961年提出的，这种优化方法对数值噪声不敏感，因此适合于数值噪声比较显著问题的HFSS设计工程的优化。

非线性顺序编程算法(SNLP) 一Sequential Non Non-Linear Programming （推荐使用）：

• 类似拟牛顿法，SNLP算法中引入了噪声滤波和RSM (Response Surface Modeling)技术，可以适当地降低噪声的影响，收敛速度比拟牛顿法，结果比拟牛顿法准确。

混合整数非线性顺序编程算法(SMINLP)：

• SMINLP能够 优化同时具有连续变量和整数变量的问题，该算法和非线性顺序编程算法相似，不同点是SMINLP算法需要标记出整数变量。

遗传算法-- Genetic Algorithm：

• 遗传算法是20世纪50年代初由一 些生物学家尝试用计算机模拟生物系统演化时提出的。运用其导数信息或其他附加限制。遗传算法虽然在特定问题上也许不是效率最高的，但其效率远高于传统随机算法，是一种普遍适用于各种问题的有效算法。

3.调谐分析(Tuning)

• HFSS中的调谐分析功能是用户在手动改变变量值的同时能实时显示求解结果。
• 例如，在执行完成一个优化分析并且得到了变量的最优值之后，可以在该最优值附近手动改变变量的值，观察变量在最优值附近扰动对设计性能的影响。
• 针对某一变量调谐分析结束后，设计结果将随之更新。
  

4.灵敏度分析(Sensitivity )

• 使用HFSS进行电磁分析的过程中，不同设计参数的变化对电磁特性的影响程度是不尽相同的。对于相同的变化量，有些参数对电磁特性的影响较大，有的则较小。为了衡量各个设计参数变化对电磁特性的影响，通常引用灵敏度的概念，用它来定量表示设计参数变化对电磁性能的影响程度。
• 灵敏度定义为电磁特性/求解结果的变化与电路参数的变化的比值。使用HFSS进行电磁分析时，S参数是很常用的一个分析结果。
• 灵敏度计算可以在优化设计中确定电路的关键参数，大量的计算实践表明，有些最优化方法当变量增加时收敛速度变慢，有的甚至发散，这使优化设计毫无结果。
• 如果在优化设计前进行灵敏度分析，找出那些对电路特性有较大影响(即灵敏度较高)的关键性设计参数，并将它们作为优化变量，则不仅能大大减少计算工作量，提高优化设计效率，而且能使原来不收敛的优化过程得到良好的结果。

5.统计分析(Statistical)

• 实际使用的元件或者制造工艺一般都有一定的误差，例如标称值为1nH、容差为±10% 的二极管引线电感，其实际值将是0.9nH~1.1nH之间的随机值。因此，由这些元件所构成的电路模型或者这些制造工艺生产出的器件模型也具有随机特性，根据这种模型所求出的电路/电磁特性当然也是一些随机量。
• 统计分析就是利用统计学的观点来研究设计参数容差对求解结果的影响，常用的方法是蒙特卡罗(MonteCarlo)法。

蒙特卡罗法的具体分析步骤如下:

• 用计算机产生伪随机数，并用它们模拟产生电路器件各设计参数的随机值序列，然后将这些序列进行随机组合，形成电路/器件的统计分析模型。
• 调用分析程序对 电路进行分析，计算出电路/器件的各种特性参数，如输入驻波比、S参数等。
• 对分析结果进行统计分类，画出直方图。