NEXUS是先进的多学科多目标最佳化软体,它融合了试验设计、近似模型和最佳化设计三大功能方法,把大量需要人工完成的工作由软体实现自动化处理。
基本介绍
- 中文名:诺希斯
- 外文名:Nexus
软体介绍
NEXUS是先进的多学科多目标最佳化软体,它融合了试验设计、近似模型和最佳化设计三大功能方法,把大量需要人工完成的工作由软体实现自动化处理,对方案优选、缩短产品设计周期、提高工作效率等具有重要意义。
主要优势
1、通俗易懂、简单易用。NEXUS提供了直观最佳化的图形用户界面,用户只需要在几个视窗内切换,点几下滑鼠就可以完成最佳化任务的搭建。

2、强大的集成与流程控制能力。NEXUS中独有的AsciiNavigator可以集成市面上多种仿真软体,如SolidWorks、Abaqus、Nastran、Fluent、Ansys、Adams等。
3、先进算法与外部程式库。NEXUS包含了多种先进的实验设计、近似模型和最佳化算法,同时可以与外部JAVA、Python、Matlab等实现直接通信。
4、多种快速的后处理方法。NEXUS提供了多种二维、三维图形显示功能,用户可以根据需要进行自定义图形显示效果。
5、专用的资料库接口。NEXUS支持SQLite、Firebird、PostGreSQL、MsAccess四种外部资料库,用户可以轻鬆实现数据的重现与再次使用。
6、并行与分散式计算。NEXUS拥有独特的Executor和AsciiNavigatorSSH,提供并行分散式计算功能,方便解决複杂最佳化设计的耗时问题。
7、二次开发与扩展式架构。NEXUS拥有一个灵活、可扩展、可定製的核心,用户可以利用二次开发SDK模组定义独特的节点、嵌入自编最佳化、近似模型等算法。
核心算法
(1)试验设计
1、随机点法
2、全因子法
3、拉丁超立方与最佳化的拉丁超立方法
4、拉丁方阵法与最佳化的拉丁方阵法
5、中心複合法
6、Box-Behnken法
7、Plackett-Burman法
8、田口正交试验设计
9、D-最优法
(2)近似模型
1、K-最近法
2、径向基函式法
3、克里格插值法
4、多项式回归法
5、用户定义最小二乘法
6、径向基神经网路法
7、自适应函式法
8、前向反馈神经网路法
(3)最佳化算法
1、下山单纯形法
2、改进的拟牛顿法
3、最小二乘法
4、序列线性规划法
5、序列二次规划法
6、广义移动渐近线法
7、自适应模拟退火法
8、模式搜寻法
9、遗传算法
10、粒子群算法
11、多準则决策程式
12、可行域搜寻法
套用案例
1、F4机车複合材料摇臂的可行性研究与最佳化
2、三翼面布局飞机的机翼最佳化
3、有机朗肯循环径向汽轮机喷嘴的最佳化
4、基于移动最小二乘无格线法的複合材料加筋板的尺寸与形状最佳化
5、发动机燃烧与NOx排放的最佳化