Optimalizace & odhad nákladů / Odhad emisí CO2 pro RFEM 6 / RSTAB 9

Funkce

• Použití umělé inteligence (AI): Optimalizace rojem částic (PSO)
• Optimalizace konstrukce podle minimální hmotnosti nebo deformace
• Použití libovolného počtu optimalizačních parametrů
• Zadání rozsahu proměnných
• Optimalizace průřezů a materiálů
• Typy zadání parametrů
• Optimalizace | Vzestupně nebo Optimalizace | Sestupně
• Použití parametrických modelů a bloků
• Parametrizace bloků pomocí kódu v JavaScriptu
• Optimalizace se zohledněním výsledků posouzení
• Tabulkové zobrazení nejlepších modelových mutací
• Zobrazení mutací modelu v procesu optimalizace v reálném čase
• Odhad nákladů na model zadáním jednotkových cen
• Stanovení potenciálu globálního oteplování GWP při realizaci modelu odhadem ekvivalentu CO₂
• Zadání jednotek podle hmotnosti, objemu nebo plochy (cena a CO₂ ekv)

Vstupní data

Věděli jste, že...? Optimalizací konstrukce se v programech RFEM nebo RSTAB završí parametrické zadání. Je to paralelní proces vedle vlastního výpočtu modelu se všemi jeho běžnými zadáními pro výpočet a posouzení. Addon přitom vychází z toho, že váš model nebo blok je vytvořen parametricky a je v celém rozsahu řízen globálními řídicími parametry typu „optimalizace“. Těmto řídicím parametrům je přiřazena dolní a horní mez a velikost kroku k vymezení rozsahu optimalizace. Pro nalezení optimálních hodnot řídicích parametrů musíte zadat optimalizační kritérium (např. minimální celková hmotnost) s výběrem optimalizační metody (např. optimalizace rojem částic).

Nastavení odhadu nákladů a emisí CO₂ naleznete již v definici materiálů. Obě možnosti můžete aktivovat jednotlivě v každé definici materiálu. Odhad je založen na jednotkových nákladech nebo jednotkových emisích pro pruty, plochy a tělesa. Tyto jednotky přitom můžete zadat pro hmotnost, objem nebo plochu.

Výpočet

Pro proces optimalizace máte k dispozici dvě metody pro nalezení optimálních hodnot parametrů podle kritéria hmotnosti nebo deformace.

Nejúčinnější metodou při krátké době výpočtu je přírodou inspirovaná optimalizace rojem částic (PSO). Už jste o ní slyšeli nebo četli? Tato technika umělé inteligence (AI) vychází z analogie s chováním rojů nebo hejn zvířat při hledání místa odpočinku. V takových rojích najdete mnoho jedinců (v optimalizaci např. hmotnost), kteří rádi zůstávají ve skupině a následují skupinu. Předpokládejme, že každý jednotlivý člen roje má potřebu odpočívat na optimálním místě (nejlepší řešení - např. nejnižší hmotnost). Tato potřeba se s přiblížením k místu odpočinku zvyšuje. Chování roje je tak ovlivněno také vlastnostmi prostoru (viz diagram výsledků).

Proč zrovna exkurze do biologie? Je to prosté - proces PSO v programu RFEM nebo RSTAB probíhá podobně. Průběh výpočtu začíná optimalizačním výsledkem náhodného přiřazení optimalizovaných parametrů. Přitom se opakovaně stanovují nové optimalizační výsledky s různými hodnotami parametrů, které vycházejí ze zkušeností s dřívějšími modelovými mutacemi. Tento proces pokračuje, dokud není dosaženo zadaného počtu možných mutací modelu.

Kromě této metody máte v programu k dispozici metodu dávkového zpracování. Tato metoda se pokouší zkontrolovat všechny možné modelové mutace náhodným zadáním hodnot pro optimalizační parametry, dokud není dosaženo stanoveného počtu možných modelových mutací.

Obě metody kontrolují po výpočtu mutace modelu také pokaždé aktualizované výsledky posouzení z addonů. Dále uloží variantu s příslušným výsledkem optimalizace a přiřazením hodnot optimalizačních parametrů, pokud je využití <1.

Odhadované celkové náklady a emise můžete stanovit z příslušných součtů jednotlivých materiálů. Součty materiálů se skládají z dílčích součtů prutových, plošných a objemových prvků na základě hmotnosti, objemu a plochy.