मैं भौतिक वस्तु के डिजाइन के अनुकूलन की प्रक्रिया को कैसे स्वचालित कर सकता हूं?


9

मैं एक टैंक में एक प्रवाह वितरक को अनुकूलित करने की कोशिश कर रहा हूं, ताकि किसी भी क्रॉस-सेक्शन में वेग और तापमान वितरण अपेक्षाकृत समान हो। ऐसे कई पैरामीटर हैं जिन्हें मैं अधिकतम पार-अनुभागीय एकरूपता में समायोजित कर सकता हूं, जैसे कि इनलेट पाइप की संख्या, उनकी स्थिति, अभिविन्यास और दिशा। मुझे पता है कि मैं कई अलग-अलग ज्यामिति बना सकता हूं और प्रत्येक को अलग-अलग परीक्षण कर सकता हूं, लेकिन यह बहुत समय लेने वाला है। मैं एक ऐसा कार्यक्रम लिखने में सक्षम होना चाहता हूं जो एक साथ (समानांतर में) कई मामलों का पुनरावृत्त कर सकता है, और पिछले परिणामों के आधार पर परीक्षण करने के लिए अनुकूलता से ज्यामिति का एक नया सेट चुन सकता है। मैं यह कैसे कर सकता हूं?


1
पैरामीटर सर्च पार्ट, मेरे लिए, सबसे आसान हिस्सा है। Nontrivial भाग ज्यामिति का मानकीकरण कर रहा है।
ज्यॉफ ऑक्सीबेरी

जवाबों:


4

आप जो करना चाहते हैं वह ढाल आधारित विधियों का उपयोग करके आकार अनुकूलन है। यह अनिवार्य रूप से इसका मतलब है कि आपको अपने मॉडल मापदंडों के उद्देश्य फ़ंक्शन के ढाल की गणना करने की आवश्यकता है।

छोटी संख्या में पैरामीटर के लिए आप FD का उपयोग कर सकते हैं, लेकिन बड़ी संख्या में मापदंडों के लिए आपको आसन्न तरीकों पर ध्यान देने की आवश्यकता है। यदि आप एक वाणिज्यिक कोड या किसी और के कोड का उपयोग कर रहे हैं जो निकटवर्ती समीकरणों को हल नहीं कर सकता है तो एफडी आपके लिए एकमात्र विकल्प है।

मूल बुनियादी आकार अनुकूलन पुस्तकों में देखें।

संपादित करें: संरचनात्मक FE समस्याओं के लिए आप चोई और किम I और II द्वारा पुस्तक की जांच कर सकते हैं


मापदंडों में से कुछ केवल पूर्णांक हैं ... क्या एक ढाल आधारित दृष्टिकोण अभी भी लागू हो सकता है?
पॉल

क्या आप आकार अनुकूलन पर किसी अच्छे ट्यूटोरियल / पुस्तकों की सलाह देते हैं?
पॉल

के लिए कुछ लघु / सरल आप इस पढ़ सकते हैं: acdl.mit.edu/mdo/mdo_06/EulerAdjoint.pdf । जैसा कि मैंने एफडी के साथ अपने तुच्छ के रूप में कहा था कि आपको केवल ढाल की गणना करनी है (मतलब मापदंडों की संख्या के आधार पर अपने सीएफडी कोड को कई बार चलाएं) और फिर अनुकूलन करने के लिए ढाल का उपयोग करें। आमतौर पर पैरामीटर अनुमानों में ढलने से पहले इसमें कुछ पुनरावृत्तियों को लिया जाता है। बड़े मापदंडों के लिए यह महंगा हो जाता है और आपको ग्रेडिएंट की गणना करने के लिए सहायक तरीकों का सहारा लेना होगा।
stali

धन्यवाद, बासी। यह आस-पास के तरीकों का बहुत अच्छा परिचय था।
पॉल

5

यदि आप अपने ज्यामिति निर्माण भाग को उचित रूप से मापते हैं, तो यह मिश्रित असतत और निरंतर मापदंडों के साथ ब्लैक बॉक्स अनुकूलन की समस्या है।

DAKOTA http://dakota.sandia.gov/ और NOMAD http://www.gerad.ca/NOMAD/Project/Home.html दो उपयोगी पैकेज हैं जो आपको स्वचालित रूप से सर्वश्रेष्ठ पैरामीटर चयन चुनने की अनुमति देते हैं। (DAKOTA के पास बेहतर एप्लिकेशन सपोर्ट है, लेकिन NOMAD के पास बेहतर ऑप्टिमाइज़र हैं।)

ज्यामिति को अलग करने के लिए, प्रत्येक नियंत्रण के लिए एक असतत या निरंतर पैरामीटर का परिचय दें जिसके साथ आप ज्यामिति को प्रभावित करना चाहते हैं, और नियंत्रण के संग्रह से ज्यामिति के निर्माण को स्वचालित करें। ध्यान दें कि व्युत्पन्न-मुक्त तरीके उच्च आयामों में काफी धीमा हैं, इसलिए मापदंडों की संख्या को यथोचित रूप से छोटा रखें।

उपरोक्त पैकेजों में से किसी एक के साथ अंतरिक्ष की खोज खत्म करने के बाद, आप अधिक सटीक अनुकूलन करके विश्लेषण को परिष्कृत कर सकते हैं जिसमें सभी असतत पैरामीटर और सभी निरंतर पैरामीटर तय किए जाते हैं जिसके लिए आपको एक विश्लेषणात्मक व्युत्पन्न नहीं मिल सकता है। लेकिन आप निरंतर आकार के मापदंडों की संख्या बढ़ा सकते हैं जिसके संबंध में आप विश्लेषणात्मक डेरिवेटिव की गणना कर सकते हैं, एक ग्रेडिएंट-आधारित ऑप्टिमाइज़र के रूप में (जैसे कि आईपीओपीटी https://projects.coin-or.org/Ipopt ) कुशलतापूर्वक बड़ी समस्याओं को संभाल सकता है। ।

यदि आप नहीं जानते कि व्युत्पन्न कैसे प्राप्त करें, लेकिन निर्भरता चिकनी है, तो आप एक स्वचालित भेदभाव कार्यक्रम का उपयोग करने पर विचार कर सकते हैं, या एएमपीएल में अपनी निरंतर समस्या को कोड कर सकते हैं, जिस स्थिति में सॉल्वर इंटरफ़ेस डेरिवेटिव की देखभाल करेगा।

आकृति अनुकूलन पर मूल बातें देखने के लिए, उदाहरण के लिए, हफ़्ता, आरटी और ग्रैंडही, आरवी, ट्रॉस्ट्रल शेप ऑप्टिमाइज़ेशन - ए सर्वे, कंप्यूटर मेथड्स इन एप्लाइड मैकेनिक्स एंड इंजीनियरिंग 57 (1986), 91-106। (मॉडलिंग के बारे में विवरण पर भरोसा करें; लेकिन उनके द्वारा सुझाए गए सॉल्वर का उपयोग न करें, क्योंकि उस समय के बाद से अनुकूलन तकनीक में बहुत सुधार हुआ है।)


ज्यामिति के पैरामीटर के लिए मैं क्या दृष्टिकोण अपना सकता हूं?
पॉल

मेरे उत्तर के अतिरिक्त देखें।
अर्नोल्ड न्यूमैयर

@Paul: मैंने अपने लेखन में सिर्फ एक मूर्खतापूर्ण गलती को सुधारा - ज्यामिति पैरामीटर निश्चित रूप से असतत या निरंतर हो सकता है!
अर्नोल्ड न्यूमैयर

3

जहां तक ​​ज्यामिति के पैरामीटर का सवाल है (जैसा कि ज्योफ ने कोई तुच्छ नहीं बताया) - मैं ईमानदारी से ब्रेंडा कुल्फान - यूनिवर्सल पैरामीट्रिक जियोमेट्री रिप्रेजेंटेशन मेथड, जे। एयरक्राफ्ट, वॉल्यूम .45, नंबर 1,2008 की सिफारिश कर सकता हूं

वर्णित दृष्टिकोण वायुगतिकी के वायुगतिकीय अनुकूलन में लागू है।


3

आसन्न अंतरिक्ष अनुकूलन भी है, जो सीएफडी में मानक पैरामीट्रिक अनुकूलन की तुलना में बहुत तेज लगता है। हाल ही में विशेष रूप से सीएफडी समुदाय के भीतर और विशेष रूप से ओपनफ़ैम में इसकी लोकप्रियता में बड़ी वृद्धि हुई है। हम वर्तमान में OpenFOAM पर एक कार्यशाला आयोजित कर रहे हैं, और हमें इस पद्धति के बारे में बहुत सार प्रस्तुतियाँ प्राप्त हुई हैं। यदि आप रुचि रखते हैं, तो इसे देखें , अन्य जानकारी के लिए, बस Google "सीएफडी में अंतरिक्ष के आकार का अनुकूलन"।

अतिरिक्त जानकारी:

यदि आप OpenFOAM का उपयोग कर सकते हैं, तो एक पायथन आधारित पुस्तकालय है जिसका उपयोग सिर्फ इस तरह की चीजों के लिए किया जाता है, बड़ी मात्रा में मामलों में हेरफेर करने और उनके मापदंडों को बदलने के लिए जिन्हें PyFoam कहा जाता है । एक सरल ज्यामिति के लिए, आप एक मेष को एक साधारण ब्लॉकमेश के रूप में परिभाषित कर सकते हैं और जो कुछ भी आप चाहते हैं उस पर पुनरावृति कर सकते हैं। एक साधारण मामले के लिए, यह पायथन में कुछ लूप लिखने का सवाल है। यहां बताया गया है कि यदि आप "इनलेट" सीमा स्थिति वेग को बदलते हैं तो स्क्रिप्ट कैसी दिखती है। सरल जाल ज्यामिति परिवर्तन कोड की कुछ और लाइनें होंगी ...


2

आपको आवश्यकता होगी:

  1. एक आशावादी और
  2. एक CFD उपकरण जो एक ठोस अवधारणा के भीतर या यहां तक ​​कि विभिन्न अवधारणाओं से संबंधित विभिन्न डिजाइनों से निपटने में सक्षम (लचीला) है।

सीएफडी उपकरण के लिए निम्नलिखित विशेषताएं महत्वपूर्ण हैं:

  • उचित समय सीमा में विभिन्न डिजाइनों की उच्च मात्रा का इलाज करने के लिए उच्च संगणना दक्षता (गति)।
  • खोज / विश्लेषण प्रक्रिया में मैनुअल हस्तक्षेप को बाहर करने के लिए संख्यात्मक तकनीकों की उच्च लचीलापन और परिवर्तनशीलता।
  • प्रोग्रामेट ज्यामिति हेरफेर।

इसलिए मैं निम्नलिखित सॉफ्टवेयर सुझा सकता हूं:

  1. इनसाइट टूलकिट जो अच्छी संख्या में ऐसे ऑप्टिमाइज़र प्रदान करता है जिनके साथ युग्मित किया जा सकता है
  2. उन्नत सिमुलेशन लाइब्रेरी जो प्रदान करता है

    • उच्च प्रदर्शन:

      • लाइब्रेरी हार्डवेयर त्वरित है, यानी GPU या FPGA हार्डवेयर (यदि उपलब्ध हो) का उपयोग करने में सक्षम है जिसका अर्थ है 10-100 की गति बनाम सीपीयू आधारित कार्यक्रम। नियमित सीपीयू पर भी यह सिमड जैसे उन्नत सुविधाओं का उपयोग करता है।
      • यह गतिशील संकलन दृष्टिकोण पर आधारित है जिसका अर्थ है कि लचीलेपन के लिए प्रदर्शन का त्याग करने की आवश्यकता नहीं है। यह मानक संकलन तकनीक बनाम 10 गुना स्पीडअप तक परिणाम देता है।
      • एएसएल का उपयोग क्लस्टर इन्फ्रास्ट्रक्चर और मल्टी-जीपीयू कंप्यूटर में किया जा सकता है।
    • उच्च लचीलापन और परिवर्तनशीलता:

      • जाल से मुक्त संख्यात्मक तकनीक आयताकार ग्रिड और डूब सीमा दृष्टिकोण पर आधारित हैं। ये सुविधाएँ स्वचालित डिज़ाइन अनुकूलन को सक्षम करती हैं , क्योंकि जाल-पीढ़ी की आवश्यकता नहीं होती है।
      • पुस्तकालय गतिशील संकलन दृष्टिकोण पर आधारित है जिसका अर्थ है कि लचीलेपन के लिए प्रदर्शन का त्याग करने की आवश्यकता नहीं है। यह विभिन्न डिजाइनों / अवधारणाओं के लिए एकल सामान्य और कुशल एल्गोरिदम तैयार करने की अनुमति देता है।
    • ज्यामितीय आदिम की उत्पत्ति और हेरफेर

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.