Altair HyperStudy
獨立于求解器的研究和優化工具，實現對設計性能和質量的開發和優化。
Altair HyperStudy作為一個設計研究工具，幫助工程師和設計師改進設計、進行“What if”研究、對試驗數據進行相關性研究、優化復雜的多學科設計問題、以及評價設計的可靠性和魯棒性。
通過開放的接口系統，HyperStudy允許用戶在不同的模型上使用不同的仿真工具進行試驗設計(DOE)、優化和隨機性研究，這些工具包括nCode、ABAQUS、RADIOSS和Fluent等。
HyperStudy還能夠與PBS Professional和其他的計算資源管理系統相結合，幫助客戶將仿真作業提交到所有可用的硬件資源上，最大化地利用硬件和軟件資源。這一點提升了整體研究工作的效率。
Altair HyperStudy 功能
試驗設計
HyperStudy中試驗設計方法包括：
-
全因子
-
部分因子
-
Box-Behnken
-
Plackett-Burman
-
中心復合
-
拉丁超方
-
Hammersley
-
用戶自定義和直接外部矩陣輸入
研究矩陣可以由可控或者不可控的連續、離散或者字符串組成。
模擬近似
近似模塊允許根據不同響應建立不同的近似模型?？捎媒品椒ㄊ亲钚《朔?，動態最小二乘法和直接插值法。通過近似模塊創建的響應曲面可以用于進行優化和隨機分析。
多學科，可靠性和穩健性優化
HyperStudy提供多學科的研究能力以及可靠性和穩健性優化。HyperStudy的優化算法包括：
-
自適應響應面法
-
順序二次規劃法
-
可行方向法
-
遺傳算法
-
SORA
優化研究可以使用精確模擬或近似模型。此外，HyperStudy提供了一個接口可以集成外部優化算法。
隨機分析
HyperStudy隨機分析能力，使工程師能夠評估設計的可靠性和穩健性，并以這些為基礎對性能進行提高和優化。 HyperStudy包括簡單隨機，拉丁超方和Hammersley序列方法以及諸如正態分布、均一分布、三角形分布、Weibull函數和指數的統計抽樣方法。隨機研究可以通過精確仿真或近似模型進行。
后處理和數據挖掘
HyperStudy幫助工程師通過廣泛的后處理和數據挖掘功能獲得對設計深入的了解。這大大簡化了對結果的學習，整理和分析過程。研究結果可后處理為統計數據，相關矩陣，散點圖，互動效果圖，直方圖和蛇行圖。此外，HyperStudy提供了一系列的數據挖掘工具如主成分分析和群集分析。
驗證和評分系統
信號分析和比較函數的大型數據庫，使工程師能夠進行相關性分析。這些相關性可以根據用戶定義的標準進行驗證和評分。
