形状优化可用于改善许多不同物理区域的设计。在这篇博客文章中,我们将重点介绍Wave Optics中的形状优化。我们将介绍comsol多物理学中的形状优化功能®软件并显示这些功能用于Wave光学应用程序时可以实现的目标。
这是关于电磁学中形状优化的两部分系列中的第一篇博客文章。第二篇文章将重点放在RF应用程序的形状优化上。读第2部分这里。
参数优化与形状优化
形状优化与基于梯度的优化兼容,因为通过变形网格可以实现几何变化。这可能以较低的元素质量为代价,这可能会限制几何形状可以改变的程度,尤其是在3D中。参数优化与基于梯度的优化不兼容,因为如下所示,几何变化是通过重组实现的。
参数优化涉及重组,而形状优化变形了网格。
原则上,参数优化比形状优化更通用技术,但实际上,与基于梯度的优化的不兼容使该方法慢了。这限制了优化变量的数量,从而限制了设计自由。可以使用参数优化解决此博客文章系列中介绍的示例。comsol®确实支持了这一点,但是,尽管示例相对简单,但该方法的计算成本却很高。因此,与参数优化更好地适合形状优化存在多种问题。
comsol多物理包括一组内置功能,这些功能简化了形状优化问题的设置。这多项式外壳和自由形状外壳特征是专门为壳的,通常是在结构力学的背景下制作的。但是,大多数问题是在域(而不是壳)上定义的 -多项式边界和自由形状边界功能可用于优化这些域附近的边界。顾名思义,您可以根据多项式或自由偏微分方程(PDE)的方法进行选择。这转型特征限制了对翻译,缩放和/或旋转的形状变化。此功能可以用于域和边界。这些功能将倾向于在点处改变边界和角度的曲率,但是可以使用一阶多项式或A来保持直线转型特征。最后,对称/滚筒功能可以将边缘限制在平面表面,或者指向2D的直线,如下所示。
说明了四种不同类型的形状优化,以改变正方形的上边界的问题,以使其近似我们的目标边界(蓝色)。为了优化第一个图的初始设计,转型功能与对称/滚筒功能允许运动y方向。第二个图显示了还启用旋转的转换,这需要使用一阶多项式而不是使用对称/滚筒特征。最后两个示例分别显示了多项式和自由形状方法,但两者之间几乎没有差异。但是请注意,在这些示例中没有与左边界相关的功能,因此左上点是固定的。
这转型功能与设计自由相比,与其他功能相关,但这在将优化的设计转换为CAD几何形状方面是一个优势。该博客系列将重点介绍2D中的形状优化,但是所有功能都可以在3D中使用。在以下各节中,您将看到Wave Optics的两个示例。
示例1:过滤
第一个示例考虑了具有弯曲的光子晶体的设计。晶体由由GAAS制成的支柱组成,转型使用功能,使支柱的位置可以改变。目的是实现一个波长(1 µM)的高传输,而对于其他波长(1.3 µm),则实现较低的传输。因此,以下表达将被最大化:
优化的几何形状如下所示,但是由于问题的非直觉性质,很难理解工作机制。但是,从输出边界处的功率,可以清楚地看到优化强调了较大波长的功率的最小化,因此最好以Minimax目标来表达目标函数。这将在下一个示例中进行演示。
左:以灰色绘制的初始设计的几何形状,并以黑色绘制的优化设计。右:将输出功率绘制为波长的函数,在优化中考虑了两个波长(显示为点)。
示例2:撤消者
第二个例子还考虑了光子晶体,但这一次是为了消除杂物。我们想设计一个路由两个不同波长的设备(\ lambda_1和\ lambda_2)到两个不同的输出端口,同时阻止其他波长。您可以表达有关阻止的目标,\ phi_b和路由,\ phi_r, 作为:
在哪里p_ \ mathrm {min}和p_ \ mathrm {max}是路由和阻塞的最小和最大功率。请注意,路由目标的定义取决于是否对其进行评估\ lambda = \ lambda_1或者\ lambda = \ lambda_2,以便鼓励信号向所需的输出端口。如果对相关波长实现所需的功率,则两个目标等于-1,而如果未达到所需的功率,则获得较高的值,因此应将目标最小化。目标组合成最小值公式,这意味着该目标被视为几个目标的最大值。某些目标只会有所不同,因为它们在不同的波长下进行评估,而其他目标则不同,因为设备的理想行为取决于波长,因此目标的定义也取决于波长。最终目标表示为:
如果波长在\ delta \ lambda / 2,将使用路由目标;如果不在\ delta \ lambda / 2,将使用阻止目标。
与第一个示例类似,我们将使用转型功能以优化光子晶体中支柱的位置。下面的动画说明了设计的优化p^1_ \ mathrm {out}和p_ \ mathrm {out}^2。还显示了电场\ lambda_1和\ lambda_2,但是每次优化迭代总共评估了14个波长。
这z- 电场的组件用于两个波长,而输出功率则显示在端口上。
在此示例中,我们选择了p_ \ mathrm {min} = 5p_ \ mathrm {max}。这产生了下面所示的频谱,但是可以通过更改参数来优先考虑阻止或路由。
为优化(点)中使用的波长绘制了输出端口功率。将这些与在变形配置中重新绘制后的端口功率图进行了比较。
重新捕捉之前和之后的端口功率之间存在很小的偏差,但仅针对一些波长,而优化结果似乎并没有利用数值效应。此外,我们可以看到,即使目标仅要求在主端口处具有高输出功率,我们也只能在辅助端口处获得较小的输出功率。最后,值得注意的是,对于所有优化迭代,考虑每个柱子对每个波长的位置的敏感性。因此,为每次迭代提供了大量高度相关的信息。因此,只有50个迭代后,可以找到234个控制变量的值。
选择用于优化的波长有一个反复试验的元素,最后一个示例使用31波长,这是计算上昂贵的。可以通过使用群集来降低计算时间,我们将在第2部分在此博客系列中,我们将在其中查看射频频谱中的优化问题。所显示的所有示例将结合使用Minimax配方转型和多项式边界特征。
下一步
下载此博客文章中突出显示的模型,以对其设置和结果有更深入的了解:
评论(0)