Stochastische Simulation und Optimierung am Beispiel VW ... - Carhs
Stochastische Simulation und Optimierung am Beispiel VW ... - Carhs
Stochastische Simulation und Optimierung am Beispiel VW ... - Carhs
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
VDI-Tagung, Würzburg 2002 8<br />
mierungsläufe im Zus<strong>am</strong>menhang mit Crashanalysen zulässt. Dabei wird nicht das<br />
mathematische Optimum gesucht, sondern eine Struktur, die in der Praxis ausreichend<br />
robust <strong>und</strong> zuverlässig ist. Ziel ist es, das Systemverhalten vom nicht<br />
robusten in den robusten Bereich zu verschieben (Bild 6a).<br />
Der schematische Ablauf einer stochastischen <strong>Optimierung</strong> ist in Bild 6b dargestellt.<br />
Hierbei sind folgende Schritte zu durchlaufen:<br />
Output y 2<br />
1. Definition der <strong>Optimierung</strong>saufgabe:<br />
• Designvariablen x = {x 1 , x 2 , ..., x n }<br />
U O<br />
• Restriktionen xi < xi < xi • Zielfunktion F(x 1 , x 2 , ..., x n ) ⇒ Min.<br />
2. Bestimmung des Zielfunktionswerts für den Ausgangszustand x 0 (Initial Point).<br />
3. Erzeugung <strong>und</strong> Bewertung von n neuen Par<strong>am</strong>etersätzen x mit dem Monte-<br />
Carlo-Verfahren, indem der Ausgangspar<strong>am</strong>etersatz x 0 unter Beachtung einer<br />
bestimmten Verteilungsfunktion (z.B. Gleichverteilung) variiert wird.<br />
4. Der Par<strong>am</strong>etersatz mit dem kleinsten Zielfunktionswert wird als Ausgangspar<strong>am</strong>etersatz<br />
für den nächsten Iterationsschritt gewählt.<br />
5. Dieser Iterationsprozess (Schritte 2 bis 4) wird solange fortgesetzt, bis ein<br />
vorgegebener Abstand zum Zielwert (Target Point) unterschritten ist. Der Par<strong>am</strong>etersatz<br />
x min (Best Point) mit dem geringsten Abstand zum Zielpunkt ist<br />
schließlich das Resultat der <strong>Optimierung</strong>.<br />
T arget<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
not robust<br />
<br />
<br />
<br />
Output y 1<br />
Bild 6a: Ziel der <strong>Optimierung</strong> Bild 6b: Ablauf der <strong>Optimierung</strong><br />
Ein Vergleich zwischen deterministischen <strong>und</strong> stochastischen <strong>Optimierung</strong>sverfahren<br />
sowie eine Kombination beider Vorgehensweisen ist in [4] angegeben.<br />
Output y 2<br />
k=1<br />
k=2<br />
k=3<br />
Target<br />
initial Point<br />
best Point<br />
Output y 1<br />
Dr.-Ing. T. Streilein, Dr.-Ing. J. Hillmann EBKB, Volkswagen AG, Wolfsburg