Zinātniskās darbības atbalsta sistēma
Latviešu English

Komercializācijas pieteikums: Eksperimentu plānošana

Nosaukums Eksperimentu plānošana, analīze un daudzkriteriālā robustā optimizācija ar EDAOpt programmatūru
Anotācija

Mūsdienās tehnisko sistēmu projektēšanā plaši tiek izmantoti simulācijas modeļi, kas ļauj būtiski paātrināt projektēšanas procesu. Rīgas Tehniskā universitāte ir plaša pieredze fizisko un skaitlisko eksperimentu plānošanā, iekārtu, to elementu un kompleksu konstrukciju metamodelēšanā un optimizācijā. Piedāvātā formas optimizācija balstās uz objekta matemātisko modeli. Lai nodrošinātu optimizācijas iespējas sarežģītu modeļu gadījumā tiek izmantotas gan parametriskās gan neparametriskās aproksimācijas metodes.

Atslēgas vārdi dinamiskā analīze, metamodelis, formas optimizācija, eksperimentu plānošana
Autori Jānis Auziņš
Aleksandrs Januševskis
Struktūrvienība (15300) Mehānikas institūts
Saimniecisko darbību statistiskā klasifikācija, NACE 2 Zinātniskās pētniecības darbs
Tehnoloģijas/produkta apraksts

EDAOpt programmatūra nodrošina visus eksperimentālās optimizācijas posmus: 1) eksperimentu plānošanu; 2) matemātiskā modeļa izveidi, pamatojoties uz eksperimentālajiem rezultātiem; 3) daudzmērķu un robustu optimizāciju, izmantojot tuvinātus modeļus kā mērķu un robežu funkcijas; 4) rezultātu pabaudi.

EDAOpt rogrammatūra realizē šādas metodes: 1) Eksperimentu plānošana: klasiskā faktoriālā plānošana un reaģēšanas virsmas plānošana, Latīņu hiperkuba (LH) modeļi, kas optimizēti atbilstoši dažādiem laukuma aizpildīšanas kritērijiem, ieskaitot vidējo kvadrātveida kļūdas (VKK) kritēriju, secīgi ne-LH veida VKK-optimālie modeļi un ortogonālie D-optimuma modeļi augstas pakāpes polinomu tuvinājumiem. 2) Aproksimācijas metodes: daudzfaktoru polinomi, krigings, lokāli svērtie 1-3 secību polinomi un augstas pakāpes ortogonālie Legendre polinomi, kas sakārtoti pēc vispārinātā potenciālā enerģijas kritērija. 3) Optimizācijas metodes: multistartu stohastiska meklēšana un varbūtības paņēmiens funkcijas globālā optimuma aproksimācijai.

1. att. Stiprības ribu formas optimizācijas rezultāti.

Optimizācijas mērķa funkcijas un ierobežojumi var būt atkarīgi no aproksimētās atbildes standarta novirzēm. Standarta novirzes tiek aprēķina pēc Monte Carlo simulācijas. Multimērķu optimizācijas rezultāti tiek parādīti kā Pareto robeža. Monte Carlo simulācija un metamodelēšana tiek izmantota robustās optimizācijas procesā un pēcoptimizācijas analīzes veikšanai.

Iespējamais pielietojums Eksperimentu plānošanu, analīzi un daudzkriteriālo robusto optimizāciju ar EDAOpt programmatūru var izmantot plašam klāstam iekārtu, to elementu un kompleksu konstrukciju projektēšanas procesā, īpaši gadījumos kad nepieciešams atrast optimālu variantu sarežģītiem un laikietilpīgiem tehniskiem risinājumiem.
Priekšrocības

Programmatūras efektivitāti apliecina daudzu testa uzdevumu risinājumi un pēc klientu pasūtījumā veiktās praktisko problēmu eksperimentālās optimizācijas, piemēram, kompozītu materiālu strukturālo elementu elastīgo parametru noteikšana. Piedāvātais risinājums ir ekonomiski izdevīgs un ļauj ietaupīt gad datoru resursus gan cilvēkresursus.

Tehnoloģijas gatavības līmenis Sekmīga sistēmas ekspluatācija
Vēlamais sadarbības veids • Pakalpojumu līgumi. • Līgumi par zinātnisko izpēti.
Publikācijas
ID 85
Kontaktinformācija e-pasts: santa.puskarjova@rtu.lv un ilmars.viksne@rtu.lv, tālrunis: +371 29373757 un +371 29187403