altair hyperstudy
独立于求解器的研究和优化工具，实现对设计性能和质量的开发和优化。
altair hyperstudy作为一个设计研究工具，帮助工程师和设计师改进设计、进行“what if”研究、对试验数据进行相关性研究、优化复杂的多学科设计问题、以及评价设计的可靠性和鲁棒性。
通过开放的接口系统，hyperstudy允许用户在不同的模型上使用不同的仿真工具进行试验设计(doe)、优化和随机性研究，这些工具包括ncode、abaqus、radioss和fluent等。
hyperstudy还能够与pbs professional和其他的计算资源管理系统相结合，帮助客户将仿真作业提交到所有可用的硬件资源上，最大化地利用硬件和软件资源。这一点提升了整体研究工作的效率。
altair hyperstudy 功能
试验设计
hyperstudy中试验设计方法包括：
-
全因子
-
部分因子
-
box-behnken
-
plackett-burman
-
中心复合
-
拉丁超方
-
hammersley
-
用户自定义和直接外部矩阵输入
研究矩阵可以由可控或者不可控的连续、离散或者字符串组成。
模拟近似
近似模块允许根据不同响应建立不同的近似模型。可用近似方法是最小二乘法，动态最小二乘法和直接插值法。通过近似模块创建的响应曲面可以用于进行优化和随机分析。
多学科，可靠性和稳健性优化
hyperstudy提供多学科的研究能力以及可靠性和稳健性优化。hyperstudy的优化算法包括：
-
自适应响应面法
-
顺序二次规划法
-
可行方向法
-
遗传算法
-
sora
优化研究可以使用精确模拟或近似模型。此外，hyperstudy提供了一个接口可以集成外部优化算法。
随机分析
hyperstudy随机分析能力，使工程师能够评估设计的可靠性和稳健性，并以这些为基础对性能进行提高和优化。 hyperstudy包括简单随机，拉丁超方和hammersley序列方法以及诸如正态分布、均一分布、三角形分布、weibull函数和指数的统计抽样方法。随机研究可以通过精确仿真或近似模型进行。
后处理和数据挖掘
hyperstudy帮助工程师通过广泛的后处理和数据挖掘功能获得对设计深入的了解。这大大简化了对结果的学习，整理和分析过程。研究结果可后处理为统计数据，相关矩阵，散点图，互动效果图，直方图和蛇行图。此外，hyperstudy提供了一系列的数据挖掘工具如主成分分析和群集分析。
验证和评分系统
信号分析和比较函数的大型数据库，使工程师能够进行相关性分析。这些相关性可以根据用户定义的标准进行验证和评分。
