Оптимизация параметров в RFEM 6/RSTAB 9

Метод определения глобальных параметров описан в статье базы знаний 'Параметризация моделей в RFEM 6/RSTAB 9' . Эта статья покажет вам, как оптимизировать определенные параметры в соответствии с различными аспектами. Для этого необходимо активировать надстройку ' Optimization & Costs/CO ₂ Emission Estimation ', как показано на рисунке 1. Первая часть этого дополнения позволяет вам находить подходящие параметры для параметризованных моделей и блоков с помощью техники искусственного интеллекта (AI) оптимизации роя частиц (PSO) для соответствия общим критериям оптимизации.

Вышеупомянутая статья показывает, что глобальные параметры могут быть созданы через меню ' Edit '. Два параметра были определены для определения положения элемента связи по отношению к верхнему и нижнему поясу ячейки фермы, показанной на рисунке 2.

Изначально параметры были определены как значения. Чтобы оптимизировать их, вы должны изменить их тип определения на 'Оптимизация' и определить параметры оптимизации, такие как минимальные и максимальные значения, приращения и шаги (Изображение 3).

Настройки оптимизации доступны через меню ' Рассчитать '. Как показано на рисунке 4, значения для оптимизации действительно являются глобальными параметрами. Количество состояний зависит от количества шагов, заданных в параметрах оптимизации. Например, 4 шага означают, что процесс оптимизации завершается в 5 состояниях. Учитывая две переменные, количество оптимизационных мутаций равно 25. Другими словами, программа изменяет значения двух переменных в заданном диапазоне; Эти комбинации приводят к расчету 25 моделей с разной геометрией.

Поскольку нас интересует оптимальная геометрия (то есть положение элемента связи в этом примере), оптимизация должна быть установлена как ' Active '. Может случиться так, что существует много оптимизационных мутаций; Таким образом, вы можете определить для себя наилучшее количество смоделированных мутаций, которые необходимо сохранить. Термин 'лучший' относится к тому, что вы выбираете в качестве основы для оптимизации. Например, вы можете выбрать оптимизацию по минимальному общему весу, векторному смещению, деформации стержня или поверхности, стоимости или выбросам CO ₂ .

Затем вы можете выбрать расчет всех мутаций, и как только расчет будет запущен, программа начнет отображать результаты всех отдельных мутаций (Изображение 5).

Однако в программе предусмотрены и более эффективные методы оптимизации (см. Рисунок 4). Например, вы можете использовать оптимизацию роя частиц, близкую к естественной (PSO), при которой вычисление начинается с результата оптимизации из случайного назначения оптимизируемых параметров; затем повторно определяются новые результаты оптимизации с различными значениями параметров. Такие результаты основаны на опыте ранее выполненных модельных мутаций до тех пор, пока не будет достигнуто заданное количество возможных мутаций. Кроме того, вы можете использовать метод пакетной обработки, который пытается проверить все возможные мутации модели путем случайного указания значений параметров оптимизации до тех пор, пока не будет достигнуто заранее определенное количество возможных мутаций модели.

Все методы оптимизации предоставляют список мутаций модели из сохраненных данных в конце процесса, с указанием управляющего результата оптимизации и соответствующего присвоения значений параметрам оптимизации (Изображение 6). Этот список организован в порядке убывания и показывает предполагаемое наилучшее решение вверху, где при заданном присвоении значений результат оптимизации наиболее близок к критерию оптимизации. Кроме того, после завершения анализа программа скорректирует присвоение значений оптимальному решению для параметров оптимизации в глобальном списке параметров.

3D Модель

• 3D Viewer | Google
• 3D Viewer | Babylon
• Виртуальная реальность

Модель | Элемент фермы