結合OPTIMUS與MapleSim應用於混合動力車之燃油效能與污染最佳化設計
Optimus整合並自動化了傳統的“試誤法”模擬設計流程，並且通過專業最佳化演算法高效率地驅動系統模擬工具找到最佳的混合動力車設計方案。通過Optimus的實驗設計（DOE）、反應曲面模型（RSM）和多目標最佳化（MOO）功能，工程師實現了21%燃油效率提升和15%行駛性能改善（遵守法定排放標準）。通過MapleSim建立混合動力車系統模擬模型和Optimus自動化模擬工作流的執行，該設計最佳化在兩周時間內完成。
.jpg)
.jpg)
混合動力車技術推動環保汽車的解決方案
相較於傳統汽車，混合電動汽車（混合動力車）主要是因應環保考量所開發，因為混合動力車可提高燃油效率和減少廢氣排放。目前全球混合動力車的銷售量超過450萬台，汽車製造商無不相互競爭以增加在混合動力車市場中的佔有率。
在串聯式的混合動力車中，內燃機的功用是用來推動發電機以及將發電機所發出的電量對電池充電，而由電池驅動的電動馬達則是直接連接到傳動系統帶動車子移動。在混合動力車中採用較小尺寸的內燃機，因此所產生的廢氣排放量是比較少的。不僅如此，此較小尺寸的內燃機可以在最大燃油效率下操作，進一步提高燃油經濟效率。
混合動力車的開發涉及在結構、機械、熱和電磁現象之間複雜的多領域物理相互作用。而MapleSim這套軟體恰好是一套以高效能符號計算且易於操作的多領域系統的數學模型技術著名的工程軟體，因此工程師可以輕鬆使用MapleSim來建立混合動力車的多領域複雜系統模型。1小時歷史紀錄行車型態測試之系統模擬，在MapleSim的環境中，處理超過10,000次的步階運算僅需60秒內即可完成。
混合動力車開發工程師面臨的挑戰是如何在滿足廢氣汙染排放法規的同時，獲得最佳的燃油效率。混合動力車必須在政府定義之行車型態下在底盤動動力計上駕駛該測試車輛，且其駕駛過程中排放之廢氣汙染量必須要在特定汙染量的容許範圍內。而再此混合動力車行駛一段長時間後之實際排放之廢氣汙染量，亦需要盡可能縮小其增加幅度，以確保仍能夠符合廢氣法規。透過OPTIUS自動化的整合混合動力車開發流程以及其強健的設計最佳化功能，工程師能夠在增加燃油效率的同時，仍然成功的顧及到遵守廢氣排放法規的嚴苛訴求。
首先，工程師藉由Optimus的圖形拖拉式編輯器將MapleSim的模擬過程繪製成自動化執行的流程。以Optimus的開放接口技術為基礎，工程師可以直接建立與MapleSim軟體的直接接
口，快速建立MapleSim模擬所需要之連接參數，而無需任何編寫程式技能。然後透過Optimus功能強大的最佳化演算法，讓他們能夠直接修改MapleSim模型內參數並驅動MapleSim進行模擬，以獲得燃油效率與廢氣汙染最佳化設計的參數結果。具體地說，Optiums在藉由平衡模擬輸入變數來使互相衝突的燃油效率與行駛性能汙染目標之間達到最合理的權衡。這些輸入參數變量包含發動機轉速(介於2000至5000 rpm)，電池Cell數量(介於20至60 Cells)，以及攸關何時需要啟動內燃機來對電池充電之充電率(SOC,介於10％至90％)。
混合動力車模擬之最佳化設計
通常，最佳化設計由實驗設計（DOE）開始。透過一個虛擬的實驗計劃利用最少模擬次數來建立與收集相關的設計參數信息。在此，我們使用拉丁超立方體實驗設計方法來確保在整個設計參數空間的均勻取樣。這種有效的實驗設計方法在不到4個小時內執行了200次實驗。此實驗設計結果使工程師了解設計變數和結果的各種相關性。從所獲得之散點圖(Scatter Diagram)顯示，愈高的引擎轉速會導致低燃油效率，以及使用更多Cells的電池組會使混合動力車更能符合低廢氣污染排放法規。
利用這些虛擬實驗數據可以推導其反應曲面模型（RSM），以手動方式評估特定設計輸出變數是屬極大值或極小值的。搭配Cubic Spline與徑向基函數（Radial Basis Function）在短短的幾分鐘內便獲得了準確內外插值。由反應曲面模型的剖面圖顯示，若要獲得高燃油效率約需要接近40個Cells的電池組以及低至中等電池充電率等級(SOC)。圖表還顯示，所有的設計參數值若低時，會導致低的行駛性能。
.jpg)
當反應曲面模型品質極佳時，反應曲面模型也可以被用來作為進行混合動力系統多目標最佳化的基礎。不同於單目標最佳化，多目標最佳化設計通常會出現在Pareto前沿處。在此，工程師設定的群體大小和Pareto前沿的大小都為20。非支配排序進化演算法（NSEA+）能處理結合離散和連續輸入變量，並且有效地收斂到全域的Pareto前沿。藉由執行最佳化反應曲面模型，可將導入NSEA+演算法的140次計算處理時間，從5天縮短到2小時。
最佳化的執行確定了兩個具體設計結果: 最佳的燃油效率（11.8公里/公升–提升39％）和最佳的行駛性能（2477–增加22％）。由於這兩個最佳化設計是在Pareto線的端點上，因此我們要在Pareto線的端點間求得一個妥協的Pareto最佳解。給定兩個目標的權重是一樣的狀況下，由Pareto線可以求得混合動力系統的燃油消耗率為11.3公里/公升和行駛性能值為2970。
.jpg)
這表示導入最佳化設計模擬的混合動力車是比初始設計省油21％，且增加15％的行駛性能。且Optimus整合並自動化了MapleSim模擬工作流程，並提供關鍵參數的解析，實現了可以獲得最佳化設計的混合動力配置的模擬。
.jpg)
模擬流程最佳化
將傳統的“試誤法”模擬設計流程自動化
Optimus整合模擬流程並自動執行混合動力系統模擬，提供介於燃油效率和行駛性能之間的最佳化解。
Optimus整合模擬流程並自動執行混合動力系統模擬，提供介於燃油效率和行駛性能之間的最佳化解。
無需使用者撰寫程式即可自動執行MapleSim的多領域混合動力系統模擬
Optimus內建的MapleSim直接接口可於MapleSim多領域系統模擬軟體中建立參數連結，無需編寫程式技能。
Optimus內建的MapleSim直接接口可於MapleSim多領域系統模擬軟體中建立參數連結，無需編寫程式技能。
設計最佳化
早先探索整個設計空間
拉丁超立方體實驗設計方法自動地決定一個虛擬的實驗計劃，以最少的模擬成本收集的最多的相關設計信息。
早先探索整個設計空間
拉丁超立方體實驗設計方法自動地決定一個虛擬的實驗計劃，以最少的模擬成本收集的最多的相關設計信息。
藉由獲得各設計參數的相互關係以找出最佳化設計解
徑向基函數產生一個可以顯示出設計參數如何影響設計目標的反應曲面模型，提供各設計參數間的關聯性，以找出相互衝突目標間最平衡區域。
徑向基函數產生一個可以顯示出設計參數如何影響設計目標的反應曲面模型，提供各設計參數間的關聯性，以找出相互衝突目標間最平衡區域。
將多目標最佳化設計模擬時間從5天減少到2個小時
非支配排序進化演算法（NSEA+）在反應曲面模型直接進行最佳化設計，讓最佳化設計方案最快被提出。
非支配排序進化演算法（NSEA+）在反應曲面模型直接進行最佳化設計，讓最佳化設計方案最快被提出。
