Optimalisatie

Trefwoorden

  • alle geometrie
  • één funcie
  • meerdere parameters
  • baan-optimalisatie
  • massa, veerconstante
  • constrained optimalisatie
  • positie van massa
  • piekwaarde, RMS, gemiddelde

De optimalisatie module van SAM Professional biedt constrained "single-function multi-parameter" optimalisatie gebaseerd op een mix van evolutionaire algoritmen en Simplex methoden. Contraints (randvoorwaarden) worden verdiskonteerd door iedere overtreding van een randvoorwaarde op een gewogen penalty (straf) op te tellen bij de oorspronkelijk kostfunctie. Via de formule parser, die ook gebruikt wordt om de simulatie resultaten na te bewerken of eigen resulaten te berekenen, worden deze penalties berekend.

Uitgaande van het actuele ontwerp kan een mechanisme verder geoptimaliseerd worden v.w.b. de baan die een knooppunt beschrijft of v.w.b. het verloop van de functie van een geselecteerde bewegings- of krachtgrootheid. Zo kan bij voorbeeld de RMS-waarde of de absolute maximale waarde van het aandrijfkoppel van een mechanisme met massa worden geminimaliseerd door het toepassen van één of meer balansmassa's, waarvan zowel plaats als massa binnen gedefinieerde grenzen wordt gevarieerd. Ook is het mogelijk om een bepaalde doelfunctie zo goed mogelijk te benaderen, b.v. het verloop van de kracht in een
itness apparaat als functie van de afgelegde hoek of verplaatsing.

Het doel van de optimalisatie is het minimaliseren (of eventueel maximaliseren) van een bepaalde eigenschap (b.v. maximum, gemiddelde, RMS-waarde, ....) die het verschil tussen het actuele gedrag en het gewenste gedrag kenmerkt. Het kan daarbij gaan om:

  • de baan van een knooppunt (met of zonder tijd/krukstand)
  • het verloop van een bewegings- of kracht grootheid (als functie van de tijd of als functie van een andere grootheid)

SAM zoekt het optimum door afhankelijk van de gebruikerinstellingen de volgende parameters te variëren binnen gedefinieerde grenzen:

  • geometrie van het mechanisme
  • elementeigenschappen, zoals massa, veerstijfheid, voorspanning, overbrengingsverhouding, ...

De optimalisatie is gebaseerd op een twee-traps-aanpak bestaande uit:

  • Globale exploratie van de gehele parameter ruimte
  • Lokale optimalisatie van een specifieke oplossing

In de eerste stap wordt binnen de gestelde grenzen de parameter ruimte globaal verkend middels een combinatie van een pure Monte-Carlo techniek en een zogenaamd evolutionair algoritme (een optimalisatie techniek die is afgeleid van de genetische algoritmen). De beste oplossingen worden op volgorde gesorteerd in een lijst weergegeven.

De gebruiker kan vervolgens uit deze lijst een oplossing selecteren en op het beeldscherm bekijken inclusief alle bijbehorende grafieken. De oplossing, die het beste aansluit bij de wensen van de ontwerpen kan vervolgens lokaal verder geoptimaliseerd worden, waarbij de gebruiker nog kan kiezen tussen een Simplex methode en de eerder genoemde evolutionaire methode met een nauwer zoekgebied.De combinatie van globale verkenning en lokale optimalisatie geeft het beste compromis tussen snelheid aan de ene kant en de zoektocht naar het globale optimum aan de andere kant.

Naast de beschreven modus, waarbij de gebruiker in-the-loop zit, bestaat er ook een compleet geautomatiseerde modus, waarbij eerst een globale verkenning plaats vindt en vervolgens de beste oplossing van deze verkenning middels een lokale optimalisatie automatisch verder verbeterd wordt totdat het afbreekcriterium bereikt is.