切换到宽版
  • 广告投放
  • 稿件投递
  • 繁體中文
    • 2281阅读
    • 0回复

    [分享]Ansys Speos | 联合 optiSLang 背光板设计优化方案 [复制链接]

    上一主题 下一主题
    离线ueotek
     
    发帖
    197
    光币
    446
    光券
    0
    只看楼主 倒序阅读 楼主  发表于: 2023-04-11
    在这个例子中,讲述如何建模一个典型的背光单元及其与亮度和均匀性有关的照度分布。其中一个关键特点是使用了Speos 3D Texture功能,这是最初开发的用于背光单元产品,并可用于设计导光板,亮度增强膜(BEF)和由数千/数百万组成的背光单元微结构来创造均匀的显示。通过对系统进行参数化,创建各种输入/输出的元模型组合,最后优化系统。最终目标是实现善均匀的光分布,同时保持高耦合效率,实现最高的光输出。选用Ansys Speos 和 optiSLang 联合工作。 2=?/$A9p  
    \2$-.npz  
    前言 w QV4[  
    {z":hmt  
    背光显示器随处可见,笔记本电脑显示,智能手机显示,液晶显示器等,所有这些都利用了背光显示屏。在任何情况下都要有一个均匀的光照,以实现明亮清晰的图像。最常见的背光技术是LCD,LED被用于背光系统,结合亮度增强膜,扩散片和导光结构。导光常见方法是创建一个纹理模式,沿着系统均匀地提取光线。Speos提供的3DTexture功能,允许用户虚拟模式数以千计的微观光学元素,而不用担心内存限制。为了优化这种模式,在Speos中对Texture模型进行参数化,并利用optiSLang执行参数敏感性分析,然后对系统进行鲁棒优化,以实现想要的结果。 dy>iIc>  
    Y8*k18~  
    y,I?3 p|S  
    g[Tl#X7F  
    操作流程概述 +f#o ij  
    3$c Im+  
    5f.G^A: _X  
    1_chO?&,I  
    这个模拟需要2个产品: >G4EiJS  
    Speos用于建模显示堆层,背光的3DTexture网点分布; 'g3!SdaLF  
    optiSLang以研究参数敏感性和优化设计性能。
    :g1C,M~  
    q(tdBd'o6  
    第一步:Speos显示结构的创建和分析 Vfm (K  
    ql Z()  
    在一步中,在Speos中定义了显示结构的光学和机械组件。一些参数将在以后作为优化的输入(例如,3D texture 网点的密度),但在这个初始结构中,只给出初始设定值。然后进行光学模拟,将定量输出转换为优化目标。这些值表明该设计在光输出、均匀性、可制造性等方面。 @I\&-Z ^  
    axf4N@  
    cP >MsUZWl  
    {|Ew]Wq  
    1.Speos允许构建基于物理光学属性的场景结构,在这一步中,遵循如下所示的标准模拟过程,以获得最终用户将在最终产品中获得的视觉感知。注意:为了可视化目的,本图像中的亮度传感器被放置在离显示器相对较远的位置。 SZGeF;N  
    T6 K?Xr{_  
    i5oV,fiZo  
    MS`wd  
    2.照度仿真结果给出了XMP结果,每个像素都包含了照度信息。显然,初始设计在总通量和均匀性(RMS对比)方面的性能都很差。因此,需要进行优化。 cmw2EHTT<  
    O\=U'6 @  
    6\8 lx|w  
    +9 Uo<6}  
    第二步:Speos 3D texture导光网点创建 94 2(a  
    QG~4 <zy  
    来自Speos的Speos 3D Texture功能允许通过建模和在几何图形上投影数百、数千或数百万个几何项目来模拟微纹理。在这里举例,使用半球图案的3D Texture应用到导光板的背面,它被设置为从基础导光板上remove材料。半球体的最终阵列方式由参数输入控制,参数最终可由optiSLang控制。 aT v  
    YMlnC7?_ /  
    XYBvM]  
    'Q R @G  
    XiP xg[;  
    zli@XZ#  
    在Speos中使用3DTexture减少了计算时间和文件大小,在这一步中,数百个半球体图案被应用到导光板的背面,并被命令从背光板删除它们的体积。3DTextue参数的操作改变了图案的大小和密度,从而改变了光的输出和光导的均匀性。 };rxpw>ms  
    !/1aot^(  
    tbx* }uy2  
    %/b3G*$W  
    P>*B{fi^  
    a4zq`n|3U  
    第三步:optiSLang敏感性分析 ?*2DR:o>@  
    Mqy5>f)  
    在Speos中创建模型和仿真之后在optiSLang中设置优化。这个过程的一部分需要灵敏度分析,它将确定影响结果的最关键的输入。这些完全相同的输入同时被定义为一个参考值为常数或非常数,并且在一个工作范围内。采用optiSLang的最优预后自适应元模型(AMOP)方法进行敏感性分析。它表示输入的所有可能组合的近似结果。 0?]Y^:  
    v() wngn  
    \KBE+yj  
    ^jY'Hj.Bs  
    这里,X和Y的映射距离,图形全局尺度,Z方向的尺度作为输入,总通量,RMS对比度(用于测量一致性)作为输出结果。 s-\.j-Sa  
    p};B*[ki  
    z#$>f*b  
    %Tc P[<  
    xJ/<G$LNJ0  
    r&^xg`i[z>  
    MfX1&/Z+  
    +<\)b(  
    作为输入和输出指定标准是很重要的,因为这将把搜索范围缩小到用户已知的可能条件、期望的目标和约束。对于这个特定的用例,生成了最优预后(AMOP)的自适应元模型。AMOP在几次迭代中运行特定数量的求解器运行,并通过响应面和矩阵表示结果。可以看到CoP矩阵,它显示了输入(水平)与输出(垂直)的总效应。响应面3D图表示影响其中一个输出的最相关输入 (RMS对比)。 W%3<"'eP  
    9VEx0mkdd  
    br@GnjG  
    a>3#z2#  
    z.NJu q  
    Bh'_@PHP  
    第四步:optiSLang 优化分析 G5C=p:o{/  
    # :^aE|s  
    在这一步中,Evolutionary Algorithm算法用在全局和局部搜索最佳设计。优化算法在MOP上采样了10,000个设计,以找到导致最佳设计的输入参数值组合。多目标优化的结果在“帕累托图”中可视化(见下图,红黑虚线图)。图中显示了两个目标之间的权衡,其中最佳设计集用红点标记(定义为帕累托前展面)。工作流通过一个真正的求解器调用自动验证20个最佳设计(显示为绿色圆点)。由于COP值较好,预测值与验证值之间的差异较小。从获得最佳权衡(即通量和均匀性之间的平衡)到实现最佳设计(即可接受通量、最佳均匀性),在整个优化过程中都要进行适当的验证。 f!3$xu5  
    3WOm`<  
    v-(Ry<fT9  
    z0@{5e$#Y  
    optiSLang根据参数的数量和类型,确定最适合的优化方法。本文使用随机搜索方法,它模仿自然生物进化的过程,如适应、选择和变异。在本例中,样本的最大数量设置为10000,将在MOP上执行优化,然后使用真正的求解器验证最佳设计。 ,Z2fVz~9  
    t`b!3U>I  
    bO)voJ<  
    K,ccM[hu|  
    最好的设计参数(输入)可以通过应用到3DTexture和运行Speos模拟来验证。 j_3X 1w)k  
    y:C=Ni&,"  
    {LwV&u(  
    l ~b  
    Speos 中重要参数设置 5_|Sm=  
    -y@# ^SrJ  
    Remove 3DTexture ,*y\b|<j  
    “移除”3DTexture由一个“*.OPT3DMapping”文件设置,该文件提供了每个图案元素的位置、方向和大小。敏感度分析和优化创建这个映射文件的不同,以改变纹理模式。每次计算带有3DTexture的模拟时,都会创建一个扩展名为“.bin”的文件。必须让该文件在作业启动时自动写入,而不是手动写入。否则,模式将不会从一个迭代更改到下一个迭代。 )D_\~n/5  
    anM]khs?  
    照度传感器 td}%reH  
    为了optiSLang定义目标,必须在初始结果中创建测量值,并将其保存为XML模板,然后将相同的模板导入Speos内部的传感器,得到的仿真结果中包含测量值,并用于优化目标设定。 _LVi}mM  
    Tz PG(f  
    Maximum number of Surface interactions NCid`a$  
    Surface的最大交互次数,导光依靠全内反射来引导光,导致许多表面的相互作用。需要从默认值100增加模拟设置1000甚至更大。 dX720/R  
    @X$~{Vp__  
    在这个例子中,讲述如何建模一个典型的背光单元及其与亮度和均匀性有关的照度分布。其中一个关键特点是使用了Speos 3D Texture功能,这是最初开发的用于背光单元产品,并可用于设计导光板,亮度增强膜(BEF)和由数千/数百万组成的背光单元微结构来创造均匀的显示。通过对系统进行参数化,创建各种输入/输出的元模型组合,最后优化系统。最终目标是实现善均匀的光分布,同时保持高耦合效率,实现最高的光输出。选用Ansys Speos 和 optiSLang 联合工作。 !foiGZ3g  
    Hp#IOsP~  
    前言 +>w %j&B  
    e-4 Qw #cw  
    背光显示器随处可见,笔记本电脑显示,智能手机显示,液晶显示器等,所有这些都利用了背光显示屏。在任何情况下都要有一个均匀的光照,以实现明亮清晰的图像。最常见的背光技术是LCD,LED被用于背光系统,结合亮度增强膜,扩散片和导光结构。导光常见方法是创建一个纹理模式,沿着系统均匀地提取光线。Speos提供的3DTexture功能,允许用户虚拟模式数以千计的微观光学元素,而不用担心内存限制。为了优化这种模式,在Speos中对Texture模型进行参数化,并利用optiSLang执行参数敏感性分析,然后对系统进行鲁棒优化,以实现想要的结果。 lQkCA-  
    v;%>F)I  
    fz9 ,p;b  
    E`M, n ,  
    操作流程概述 <k41j=d  
    t08E 2sI  
    lhp.zl  
    ;J]Lzh  
    这个模拟需要2个产品: ;5ANw"Dq  
    Speos用于建模显示堆层,背光的3DTexture网点分布; lRy^Wp  
    optiSLang以研究参数敏感性和优化设计性能。
    vXq2="+  
    j9voeV|7  
    第一步:Speos显示结构的创建和分析 %^zGM^PD  
    B&bQvdp  
    在一步中,在Speos中定义了显示结构的光学和机械组件。一些参数将在以后作为优化的输入(例如,3D texture 网点的密度),但在这个初始结构中,只给出初始设定值。然后进行光学模拟,将定量输出转换为优化目标。这些值表明该设计在光输出、均匀性、可制造性等方面。 4s <|8   
     D|8Pe{`  
    i_[nW  
    eu^B  
    1.Speos允许构建基于物理光学属性的场景结构,在这一步中,遵循如下所示的标准模拟过程,以获得最终用户将在最终产品中获得的视觉感知。注意:为了可视化目的,本图像中的亮度传感器被放置在离显示器相对较远的位置。 Xb/W[rcs  
    eG\|E3Cb9  
    B %L dH  
    (8XP7c]5  
    2.照度仿真结果给出了XMP结果,每个像素都包含了照度信息。显然,初始设计在总通量和均匀性(RMS对比)方面的性能都很差。因此,需要进行优化。 eHIsTL@Fp  
    gq:2`W&5  
    Z(~v{c %<  
    [k<w'n*  
    第二步:Speos 3D texture导光网点创建 t>Ot)d  
    E U# M.  
    来自Speos的Speos 3D Texture功能允许通过建模和在几何图形上投影数百、数千或数百万个几何项目来模拟微纹理。在这里举例,使用半球图案的3D Texture应用到导光板的背面,它被设置为从基础导光板上remove材料。半球体的最终阵列方式由参数输入控制,参数最终可由optiSLang控制。 JX $vz*KF  
    <,X?+hr  
    s|q]11r+H  
     ~T'!.^/  
    ah8xiABa  
    %]KOxaf_z  
    在Speos中使用3DTexture减少了计算时间和文件大小,在这一步中,数百个半球体图案被应用到导光板的背面,并被命令从背光板删除它们的体积。3DTextue参数的操作改变了图案的大小和密度,从而改变了光的输出和光导的均匀性。 It@1!_tO2  
    x&['g*[L0  
    vgyv~Px]AW  
    :JI&ngWK  
    +{7/+Zz  
    @D3|Ak1  
    第三步:optiSLang敏感性分析 K'DRX85F  
    Y/Dah*  
    在Speos中创建模型和仿真之后在optiSLang中设置优化。这个过程的一部分需要灵敏度分析,它将确定影响结果的最关键的输入。这些完全相同的输入同时被定义为一个参考值为常数或非常数,并且在一个工作范围内。采用optiSLang的最优预后自适应元模型(AMOP)方法进行敏感性分析。它表示输入的所有可能组合的近似结果。 KhWt9=9  
    ?T (@<T  
    iN]#XIQ%  
    |s}7<A  
    这里,X和Y的映射距离,图形全局尺度,Z方向的尺度作为输入,总通量,RMS对比度(用于测量一致性)作为输出结果。 !^h{7NmP[  
    BT3X7Cx  
    6M)4v{F  
    ]?/7iM  
    e5HHsR6  
    XW2{I.:in>  
    o'hwyXy/S  
    {] Zet}2  
    作为输入和输出指定标准是很重要的,因为这将把搜索范围缩小到用户已知的可能条件、期望的目标和约束。对于这个特定的用例,生成了最优预后(AMOP)的自适应元模型。AMOP在几次迭代中运行特定数量的求解器运行,并通过响应面和矩阵表示结果。可以看到CoP矩阵,它显示了输入(水平)与输出(垂直)的总效应。响应面3D图表示影响其中一个输出的最相关输入 (RMS对比)。 j_#oP  
    Zf [#~4  
    ! ,v!7I  
    4w)aAXK  
    nUy2)CL[L  
    ' Akt5q  
    第四步:optiSLang 优化分析 V]fsjpvlmr  
    Ug=)_~  
    在这一步中,Evolutionary Algorithm算法用在全局和局部搜索最佳设计。优化算法在MOP上采样了10,000个设计,以找到导致最佳设计的输入参数值组合。多目标优化的结果在“帕累托图”中可视化(见下图,红黑虚线图)。图中显示了两个目标之间的权衡,其中最佳设计集用红点标记(定义为帕累托前展面)。工作流通过一个真正的求解器调用自动验证20个最佳设计(显示为绿色圆点)。由于COP值较好,预测值与验证值之间的差异较小。从获得最佳权衡(即通量和均匀性之间的平衡)到实现最佳设计(即可接受通量、最佳均匀性),在整个优化过程中都要进行适当的验证。 &i8UPp%  
    c1CUG1i  
    +Vsd%AnN"l  
    p>#QFd"m  
    optiSLang根据参数的数量和类型,确定最适合的优化方法。本文使用随机搜索方法,它模仿自然生物进化的过程,如适应、选择和变异。在本例中,样本的最大数量设置为10000,将在MOP上执行优化,然后使用真正的求解器验证最佳设计。 @*s7~:VQ  
    "n Zh u k  
    ] 1:pnd  
    KgCQ4w9  
    最好的设计参数(输入)可以通过应用到3DTexture和运行Speos模拟来验证。 +|OrV'  
    PRpW*#"EI  
    hOTqbd}  
    THXG~3J<  
    Speos 中重要参数设置 _=s{,t &u  
    FfET 45"l  
    Remove 3DTexture g~Hmka_fD1  
    “移除”3DTexture由一个“*.OPT3DMapping”文件设置,该文件提供了每个图案元素的位置、方向和大小。敏感度分析和优化创建这个映射文件的不同,以改变纹理模式。每次计算带有3DTexture的模拟时,都会创建一个扩展名为“.bin”的文件。必须让该文件在作业启动时自动写入,而不是手动写入。否则,模式将不会从一个迭代更改到下一个迭代。 `& rt>Bk /  
    no`>r}C  
    照度传感器 *H''.6  
    为了optiSLang定义目标,必须在初始结果中创建测量值,并将其保存为XML模板,然后将相同的模板导入Speos内部的传感器,得到的仿真结果中包含测量值,并用于优化目标设定。 >qT4'1S*g  
    -NgL4?p=  
    Maximum number of Surface interactions y"o@?bny  
    Surface的最大交互次数,导光依靠全内反射来引导光,导致许多表面的相互作用。需要从默认值100增加模拟设置1000甚至更大。 '*XX|\.  
    D3MRRv#  
    Geometric distance tolerance MPxe|Wws  
    几何距离公差由于图案元素是微观的,显示的层很薄,层之间的间隙很小,我们必须设置一个比默认值0.05mm更低的几何距离公差,0.005甚至更小。
     
    分享到