O método para definir os parâmetros globais é descrito no artigo da base de dados de conhecimento 'parametrização de modelos no RFEM 6/RSTAB 9'. Este artigo mostra como otimizar os parâmetros definidos de acordo com diferentes aspetos.
Para o efeito, tem de activar o módulo 'Otimização e custos/Estimativa de emissões de CO2 ', conforme apresentado na Figura 1. A primeira parte deste módulo permite que você encontre os parâmetros adequados para modelos e blocos parametrizados através da técnica de inteligência artificial (IA) de otimização por enxame de partículas (PSO) para conformidade com critérios de otimização comuns.
O artigo acima mencionado mostra que os parâmetros globais podem ser criados utilizando o menu 'Editar'. Dois parâmetros foram definidos para determinar a posição do elemento de contraventamento em relação às cordas superior e inferior da célula da treliça apresentada na Figura 2.
Inicialmente, os parâmetros foram definidos como valores. Para otimizá-los, tem de alterar o tipo de definição para 'Otimização' e definir os parâmetros de otimização como valores mínimos e máximos, incrementos e etapas (Figura 3).
As configurações de otimização estão acessíveis através do menu 'Calcular'. Como apresentado na Figura 4, os valores a otimizar são realmente os parâmetros globais. O número de estados depende do número de passos que foram atribuídos nos parâmetros de otimização.
Por exemplo, 4 passos significa que o processo de otimização termina em 5 estados. Dadas as duas variáveis, o número de mutações de otimização é 25. Por outras palavras, o programa altera os valores das duas variáveis dentro do intervalo definido; estas combinações resultam no cálculo de 25 modelos com geometrias diferentes.
Uma vez que estamos interessados em encontrar a geometria ideal (ou seja, a posição do elemento de contraventamento neste exemplo), a otimização deve ser definida como 'Ativa'. Pode dar-se o caso de existirem muitas mutações de otimização; por isso, pode definir por si próprio o melhor número de mutações modeladas a serem mantidas.
O termo 'melhor' está relacionado com o que selecciona como base para a otimização. Por exemplo, pode seleccionar a otimização com base no peso total mínimo, deslocamento vetorial, deformação da barra ou superfície, custo ou emissões de CO2.
Em seguida, pode optar por calcular todas as mutações e, assim que o cálculo tiver sido iniciado, o programa começará a apresentar os resultados de todas as mutações individuais (Figura 5).
No entanto, o programa também inclui métodos de otimização mais eficientes (ver Figura 4). Por exemplo, pode utilizar a otimização por enxame de partículas (PSO) quase natural com a qual o cálculo é iniciado com um resultado de otimização a partir de uma atribuição aleatória dos parâmetros a serem otimizados; em seguida, são determinados repetidamente novos resultados de otimização com valores de parâmetros variados.
Tais resultados são baseados na experiência com mutações de modelo realizadas anteriormente, até que um número especificado de possíveis mutações seja alcançado. Além disso, o utilizador pode utilizar o método de processamento em lotes, que tenta verificar todas as possíveis mutações de modelo especificando aleatoriamente os valores para os parâmetros de otimização, até que um número predeterminado de possíveis mutações de modelo seja alcançado.
Todos os métodos de otimização fornecem uma lista das mutações do modelo a partir dos dados armazenados no final do processo, indicando o resultado da otimização de controlo e a correspondente atribuição de valores dos parâmetros de otimização (Figura 6).
Esta lista é organizada por ordem decrescente e mostra a melhor solução assumida no topo, onde, com a atribuição de determinado valor, o resultado de otimização mais próximo do critério de otimização. Além disso, assim que a análise estiver concluída, o programa ajustará a atribuição de valores ao da solução ótima para os parâmetros de otimização na lista de parâmetros global.
Base de dados de conhecimento
