Modelloptimierung
}
Sie haben Fragen zu Dlubal-Produkten oder benötigen Unterstützung bei der Auswahl für Ihr Projekt?
Sie können mich einfach über die unten angegebenen Kontaktmöglichkeiten erreichen.
Ich freue mich darauf, von Ihnen zu hören!
Modelloptimierung mittels künstlicher Intelligenz (KI)
Modelloptimierung | Leistungsmerkmale
- Künstliche-Intelligenz-Technik (KI): Partikelschwarmoptimierung (PSO)
- Strukturoptimierung nach minimalem Gewicht oder Verformung
- Nutzung beliebig vieler Optimierungsparameter
- Vorgabe von Variablenbereichen
- Optimierung von Querschnitten und Materialien
- Parameter-Definitionstypen
- Optimierung | Aufsteigend bzw. Optimierung | Absteigend
- Anwendung von parametrischen Modellen und Blöcken
- Code-basierte JavaScript-Parametrisierung von Blöcken
- Optimierung mit Berücksichtigung der Bemessungsergebnisse
- Tabellarische Darstellung der besten Modell-Mutationen
- Echtzeitdarstellung der Modellmutationen im Optimierungsprozess
Modelloptimierung | Eingabe
Wussten Sie schon? Die Strukturoptimierung schließt in den Programmen RFEM bzw. RSTAB die parametrische Eingabe ab. Dies ist ein paralleler Prozess neben der eigentlichen Modellberechnung mit all seinen regulären Berechnungs- und Bemessungsdefinitionen. Dabei geht das Add-On davon aus, dass Ihr Modell bzw. der Block mit einem parametrischen Zusammenhang aufgebaut ist und in der Gesamtheit von globalen Steuerparametern mit dem Typ „Optimierung“ kontrolliert wird. Daher gibt es den Steuerparametern zur Abgrenzung des Optimierungsbereichs eine untere sowie obere Grenze und eine Schrittweite. Wenn Sie optimale Werte für die Steuerparameter finden wollen, müssen Sie ein Optimierungskriterium (z. B. minimales Gewicht) mit Auswahl einer Optimierungsmethode (z. B. Partikelschwarmoptimierung) angeben.
Modelloptimierung | Berechnung
Ihnen stehen für den Optimierungsprozess zwei Methoden zur Verfügung, mit denen Sie optimale Parameterwerte nach einem Gewichts- oder Verformungskriterium finden können.
Die effizienteste Methode mit der niedrigsten Berechnungszeit ist die naturnahe Partikelschwarmoptimierung (PSO). Haben Sie bereits davon gehört oder gelesen? Diese künstliche-Intelligenz-Technologie (KI) weist eine starke Analogie zum Verhalten von Tierschwärmen auf, die auf der Suche nach einem Rastplatz sind. In solchen Schwärmen finden Sie zahleiche Individuen (vgl. Optimierungslösung – z. B. Gewicht), die gerne in einer Gruppe bleiben und der Gruppenbewegung folgen. Nehmen wir an, dass jedes einzelne Schwarmmitglied das Rastbedürfnis auf einem optimalen Rastplatz (vgl. beste Lösung – z. B. niedrigstes Gewicht) hat. Dieses Bedürfnis steigt mit Annäherung zum Rastplatz an. Somit wird das Schwarmverhalten auch durch die Eigenschaften des Raums (vgl. Ergebnisdiagramm) beeinflusst.
Wieso der Ausflug in die Biologie? Ganz einfach – der PSO-Prozess in RFEM bzw. RSTAB geht ähnlich vor. Der Berechnungslauf beginnt mit einem Optimierungsergebnis aus einer zufälligen Belegung der zu optimierenden Parameter. Dabei ermittelt dieser immer wieder neue Optimierungsergebnisse mit variierten Parameterwerten, die auf der Erfahrung der bereits vorher getätigten Modellmutationen basieren. Dieser Prozess läuft so lange ab, bis die vorgegebene Anzahl von möglichen Modell-Mutationen erreicht ist.
Alternativ zu dieser Methode steht Ihnen im Programm noch eine Stapelverarbeitungsmethode zur Verfügung. Diese Methode versucht, sämtliche möglichen Modell-Mutationen durch eine zufällige Vorgabe der Werte für die Optimierungsparameter bis zum Erreichen einer vorgegebenen Anzahl von möglichen Modell-Mutationen zu prüfen.
Beide Varianten kontrollieren nach der Berechnung einer Modellmutation auch die jeweils aktivierten Bemessungsergebnisse der Add-Ons. Des Weiteren speichern sie die Variante bei einer Auslastung < 1 mit zugehörigem Optimierungsergebnis und Wertebelegung der Optimierungsparameter ab.
Modelloptimierung | Ergebnis
Beide Optimierungsmethoden haben eines gemeinsam. Sie präsentieren Ihnen am Ende des Prozesses aus den gespeicherten Daten eine Modellmutationsliste. Darin finden Sie die Angabe des kontrollierenden Optimierungsergebnisses und der zugehörigen Wertebelegung der Optimierungsparameter. Diese Liste ist absteigend organisiert. Sie finden an der obersten Stelle die angenommene beste Lösung. Bei dieser liegt das Optimierungsergebnis mit seiner ermittelten Wertebelegung dem Optimierungskriterium am nächsten. Sämtliche Add-On-Ergebnisse weisen eine Auslastung < 1 auf. Des Weiteren stellt das Programm mit Abschluss der Analyse automatisch die Wertebelegung der optimalen Lösung bei den Optimierungsparametern in der globalen Parameterliste ein.
.png?mw=200&hash=ceabdac71454991b172d1a40faa3844b9a756ff1)
Webshop
Konfigurieren Sie Ihr individuelles Programmpaket und erfahren Sie alle Preise online!
Berechnen Sie Ihren Preis
