1
背景以及原理介绍
1.1 背景
近年来汽车工业的飞速发展，汽车工业产品的新技术、新发明层出不穷[1]。而车灯做为汽车上的眼睛既要符合大众的审美，又要性能优良的特点,恰好光导具有美观节能、环保的特点[2]。现如今光导在汽车前灯、尾灯、内饰氛围灯上都扮演着举足轻重的角色[3]。光导作为LED间接照明的一种特殊形式，在汽车灯具照明当中以其新颖的造型效果悄然的兴盛起来，光导使得灯具的设计结构变得更紧凑。
图 氛围灯 图 前组合灯 图 尾灯
1.2 光导原理
光线在传播过程中，如果经过不同的介质，如空气，玻璃，水等透明的介质时，就会出现反射及折射的现象。反射的光线都会遵循反射定律。折射光线遵循折射定律.光由光密介质（即光在此介质中的折射率大的）射到光疏介质（即光在此介质中折射率小的）的界面时，全部被反射回原介质内的,这种现象称为全反射。
在未做光学花纹时，光线在光导内是“之”字型传播的，如果需要光线在管的侧面释放出来，就需要破坏光线在管中的全反射所需的条件。通过添加棱镜，使入射角小于临界角，一部分光线被提取出来。
目前对于光导的研究基于两个重要参数，即光导出光率以及外观均匀性。影响光导设计的主要参数有：外形几何图形（类型/轮廓）、棱镜几何形状（开始和结束角度，棱镜数量值、偏移量、宽度、）、棱镜铣削（底部，顶部）。
2
SPEOS 光导建模
通过AnsysSpeos的Optic Part Design模块里的Lightguide模块可以快速输入光导的结构参数，从而得到光导的初始结构。每个导光齿都把入射光完全从光导中全反射到特定的方向出去，保证出光效率最高；每个导光齿出来的光能量方向及锥度基本一致，这样保证看到的或照明区域基本均匀；导光齿出来光的能量大小应该是基本一致，这样保证看到的或照明区域亮度基本均匀。将整个上方光导分为5段，一次添加5个控制点，并且将每段光导的TrimingRatio的值作为变量。
光导Trimming ratio 设置
2.1 光导CAE结果的Speos输出
仿真条件：白光LED，总光通量300lm ,光导材质为LED2245。初始结构仿真结果如下：
视觉效果以及均匀性变化曲线
日行灯法规验证
将亮度的衡量指标 Rms_contrast ，法规测试点作为后期优化的输入条件[4]。
3
Optislang 流程集成与设计优化
optiSLang 是进行参数敏感性分析、多学科优化、稳健性、可靠性分析与设计优化的算法工具包。通过基于概率或者方差的稳健性分析能让产品的可靠性极大提高的同时，而也可以通过敏感性分析，精准的确定输入变量对于输出结果的影响系数的大小[5][6]。为后期通过调整参数范围来达到最佳的设计提供便捷方案。Optislang的串接工作流如下：
3.1 Optislang流程集成
图 Optislang -Speos参数化系统
3.1.1 Input_Parameter
图 Input_Parameter界面设置
在Input_Parameter界面中，创建参数输入的脚本示,TrimmingRatioConfigurations[0].“价值”，用鼠标右键单击并进行选择“用作标记”键入“Trimming_Ratio_CP0”作为参数名，突出显示的值'Trimming_Ratio_CP0'，点击“添加”使用其他修剪比率CP1到CP4，重复步骤1到4，这样就可以将CP0到CP4参数输入。
3.1.2 Geometry_Creation
图Geometry界面设置
在Geometry_Creation界面中写入Spaceclaim路径，SpeosSolver中，引入Speos批处理脚本,关联Speos_core script，便于后期结构参数改变时，Speos能同步进行光学仿真以及数据批处理运算。
3.1.3 Speos Solver
Speos求解器中引入批处理脚本可以快速将Speos仿真结果与Optislang的仿真流程进行串接，进行稳健的数据输入与输出。
图 Speos Solver界面设置
3.1.4 Reading_Results
进入Reading_Results界面，可以快速导入光学仿真的光学标准及结果，并能转化为响应值作为目标输出。
图Reading Results界面设置
3.1.5 Xmp_to_image
Xmp toimage可以读取Speos的光学仿真云图，并转化为相应图片格式写入Optislang。
图Xmp_to_image界面设置
3.2 Optislang设计以及优化
3.2.1敏感性分析
敏感性分析是产品设计过程中非常重要的环节，一方面帮助工程师深度理解设计及参数关系；另一方面为后续优化设计提供最佳元模型（MOP）。基于统计的思想，通过一个预测质量的关键指标预测系数（CoP -Coefficient of Prognosis）来评估对实际模型的预测质。Cop的值越大表面预测得到的模型准确的跟高。通常在二维或三维图像基础上，辅以各点的不同颜色配合色块说明条来说明各个参数对模型目标函数的函数值的影响。通过敏感性分析得到的Responsesurface 3D plot表明CP0，CP1和COP系数之间不是简单的线性关系，而是一个复杂曲面。各系数的Cop系数变化如下图：
图 Rms_Contrast/Maximum/Number failed/Minium以及Coefficient Prognois与CP0关系
图Rms_Contrast/Maximum/Number failed/Minium以及Coefficient Prognois与CP0关系
图 Rms_Contrast/Maximum/Number failed/Minium以及Coefficient Prognois与CP4关系
且Cop样点的区域在COD范围内，表面目前的COP系数能较高的满足设计需求。通过Cop matrix罗列了RMS_Contrast、Nuber_failed_rules、Minimu、Maximum、Average等响应参数和Trimmingratio的对应关系。而Coefficient ofPrognosis界面表面对Copoutput 影响最大的三个参数是Cp0、Cp1、Cp2,其中Cp0影响系数最大为86%。通过敏感性分析，可以得到RMS对比度最重要的输入是在控制点0（44%）和控制点1（39%）处的修剪率。控制点3和控制点4处的修剪比没有影响。可以确定修剪定量与rms对比度的非线性依赖关系。平均亮度（95%）的近似质量很好。对于平均亮度，最重要的输入是在控制点2（51%）和控制点3（19%）处的微调比。所有的修剪比都对平均亮度有影响。修剪比与平均亮度有轻微的非线性相关性。
3.3.2 Mop-EA算法优化
经过optiSLang的敏感性分析得到了主要输入参数与输出参数间的元模型（MOP）基于高精度的元模型自动对输入/输出参数进行参数敏感度分析并生成相关性矩阵。基于当前模型软件会自动排除了对结果影响微弱其他采样点，优先选择EA算法进行后续优化操作。进化算法（EA）是模拟自然生物进化过程的随机搜索方法，如适应、选择和变异。optiSLang 使用遗传算法 (GA) 和进化策略 (ES) 的灵活实现，全局搜索的纯 GA 和本地搜索的纯ES之间进行缩放。进化算法可用于离散和连续设计变量、单目标和多目标优化任务、失败设计比例较大的问题。如果设计变量和约束条件的数量很大，则EA 比基于梯度和基于响应面的方法更有效。
通过求得CP0、CP1、CP2、CP3、CP4的值输入到Speos中重新仿真得到如下结果：
法规验证
3.3.3 最佳自适应元模型优化
最佳预后的自适应元模型是一种基于 MOP 的迭代元建模方法，它使用数据点的自适应细化。它的执行类似于优化器，在多次迭代中运行定义数量的求解器运行。作为收敛标准，必须为所有选定的响应获得预后系数的最小值。Amop是在上一步的MOP优化基础上，进一步加密拉丁超立方体的采样数，直到所有的响应Cop都达到目标值。
4
小结
本文的案例分享以日行灯光导模型为例，介绍了如何结合Speos以及Optislang中对光导类日行灯进行光视觉均匀性、亮度对比度的设计以及优化。通过将光导的结构参数化，运用Optislang完成敏感度分析和MOP生成，从而实现完整的最优设计流程，在OptimalPrognosis的元模型上，深入分析Cop系数与响应参数之间的关系，在极广阔的设计空间运用Amop求解器进一步优化仿真结果。本文还介绍Cop Matrix、响应曲面、parrel曲线让仿真结构以更直观的方式阅览仿真参数对结果的关系。更生成帕累托前沿以及如何在权衡考虑后选择折衷解。综上，本文旨在展示如何将高效的Speos建模方法与Ansys optiSLang算法和自动化功能等优势进行有效串接，更高效的找到光导类的最佳设计路径，从而减少决策点并提高客观性，最终能有效缩短设计的开发周期，降低研发成本。
（完整资料请登入会员下载PDF）
[参考文献]
[1] 方建国 汽车灯光源演变历程[J].照明工程学报2010,03:45-47
[2] 汽车LED灯优势与发展空间[J] http://info.1688.com/detail/1012979391.html
[3] 罗慧海. 某乘用车全光导尾灯的研究与开发[D].吉林大学,2015.
[4] GB5920-1999位灯、制动、示廓灯性能［S］．北京：中国标准出版社，1999
[5]. 基于Optislang-FLAC3D的参数反演方法在地铁暗挖隧道中的应用[C]//.《智慧城市与轨道交通》2015年中国城市科学研究会数字城市专业委员会轨道交通学组年会论文集.,2015:288-292.
[6]. 基于Optislang-FLAC3D的参数反演方法在地铁暗挖隧道中的应用[C]//.《智慧城市与轨道交通》2015年中国城市科学研究会数字城市专业委员会轨道交通学组年会论文集.,2015:288-292.
关于CYBERNET
联系客服
