Optimisation du modèle
}
Avez-vous des questions sur les produits de Dlubal ou avez-vous besoin d'aide pour choisir celui qui convient le mieux à votre projet ?
Je suis là pour vous aider. Vous pouvez facilement me contacter via les options de contact fournies ci-dessous.
J'attends avec impatience de vos nouvelles !
Optimisation de modèle avec l’intelligence artificielle (IA)
Optimisation du modèle | Fonctions
- Technologie de l'intelligence artificielle (IA) : Optimisation du nuage de particules (PSO)
- Optimisation de la structure selon le poids minimal ou la déformation
- Utilisation d'un nombre quelconque de paramètres d'optimisation
- Spécification des plages variables
- Optimisation des sections et des matériaux
- Types de définition de paramètre
- Optimisation | Redimensionnement ou optimisation | Descendant
- Application de modèles paramétriques et de blocs
- Paramétrisation des blocs basée sur le code avec JavaScript
- Optimisation en considérant les résultats de calcul
- Affichage tabulaire des meilleures mutations du modèle
- Affichage en temps réel des mutations du modèle lors du processus d'optimisation
Optimisation de modèle | Entrée
Saviez-vous que l'optimisation structurelle dans les programmes RFEM ou RSTAB complète la saisie paramétrique ? C'est un processus parallèle à la véritable calcul du modèle avec toutes ses définitions de calcul et de dimensionnement régulières. Dans ce contexte, l'add-on considère que votre modèle ou bloc est construit avec une relation paramétrique et est contrôlé dans son ensemble par des paramètres de contrôle globaux ayant le type "Optimisation". Ainsi, des limites inférieure et supérieure et une incrémentation sont attribuées aux paramètres de contrôle pour délimiter le domaine d'optimisation. Si vous souhaitez trouver des valeurs optimales pour les paramètres de contrôle, vous devez spécifier un critère d'optimisation (par exemple, poids minimal) en sélectionnant une méthode d'optimisation (par exemple, optimisation par essaim de particules).
Optimisation du modèle | Calcul
Vous disposez de deux méthodes pour le processus d'optimisation, qui vous permettent de trouver des valeurs de paramètres optimales selon un critère de poids ou de déformation.
La méthode la plus efficace avec le temps de calcul le plus réduit est l'optimisation par essaims particulaires (PSO). En avez-vous déjà entendu parler ou lu ? Cette technologie d'intelligence artificielle (IA) présente une forte analogie avec le comportement des essaims d'animaux en quête d'un lieu de repos. Dans de tels essaims, vous trouvez de nombreux individus (cf. solution d'optimisation - par ex. poids) qui préfèrent rester en groupe et suivre le mouvement du groupe. Supposons que chaque membre de l'essaim ait le besoin de se reposer sur un lieu de repos optimal (cf. meilleure solution - par ex. poids le plus bas). Ce besoin augmente à mesure qu'on se rapproche du lieu de repos. Ainsi, le comportement de l'essaim est également influencé par les propriétés de l'espace (cf. diagramme de résultats).
Pourquoi cette excursion en biologie ? C'est simple - le processus PSO dans RFEM ou RSTAB procède de manière similaire. Le calcul commence par un résultat d'optimisation à partir d'une attribution aléatoire des paramètres à optimiser. Il détermine alors toujours de nouveaux résultats d'optimisation avec des valeurs de paramètres variées, basées sur l'expérience des mutations de modèle précédemment effectuées. Ce processus se poursuit jusqu'à ce que le nombre prédéfini de mutations de modèle possibles soit atteint.
En alternative à cette méthode, le programme propose également une méthode de traitement par lots. Cette méthode tente d'examiner toutes les mutations de modèle possibles par une attribution aléatoire des valeurs pour les paramètres d'optimisation jusqu'à atteindre un nombre prédéfini de mutations de modèle possibles.
Les deux variantes contrôlent également après le calcul d'une mutation de modèle les résultats de dimensionnement activés des modules complémentaires. De plus, elles enregistrent la variante avec une utilisation < 1 avec le résultat d'optimisation correspondant et l'attribution des valeurs des paramètres d'optimisation.
Optimisation de modèle | Résultat
Les deux méthodes d’optimisation ont un point commun. Elles vous présentent, à la fin du processus, une liste de mutations de modèle à partir des données enregistrées. Vous y trouverez l’indication du résultat d'optimisation contrôlant et de l’attribution de valeurs associée des paramètres d’optimisation. Cette liste est organisée de manière décroissante. Vous trouverez, en haut de la liste, la solution présumée être la meilleure. Dans ce cas, le résultat d’optimisation avec son attribution de valeurs déterminée est le plus proche du critère d’optimisation. Tous les résultats de module complémentaire présentent une utilisation < 1. En outre, le logiciel définit automatiquement, en fin d’analyse, l’attribution de valeurs de la solution optimale pour les paramètres d’optimisation dans la liste des paramètres globaux.
-
Demander une démonstration de produit en ligneDécouvrez Dlubal en direct et organisez une démonstration de produit en ligne !
-
Version complète gratuite pendant 90 joursLa manière la plus efficace de découvrir le logiciel Dlubal est de l'essayer vous-même.
-
.png?mw=200&hash=ceabdac71454991b172d1a40faa3844b9a756ff1)
Contacter l’équipe commercialeNous sommes là pour vous !
Boutique en ligne
Configurez votre propre package de logiciels et trouvez les prix en ligne !
Calculez votre prix
