SAM - Artas - Engineering Software
SAM - Artas - Engineering Software
SAM - Artas - Engineering Software
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Anhang 145<br />
12.3 Was war neu in <strong>SAM</strong> 6.0<br />
Optimierung (ausschliesslich in der Professional Version)<br />
Die Optimierungsmodule in <strong>SAM</strong> Professional bietet eine sogenannte single-function multiparameter<br />
Optimierung basierend auf einer Kombination von Evolutionärer Algorithmen und<br />
der Simplex Methode.<br />
Ausgehend von dem aktuellen Entwurf kann das Getriebe weiter optimiert werden<br />
hinsichtlich der Bahn, die ein Punkt beschreiben soll, oder hinsichtlich des<br />
Funktionsverlaufs einer selektierten Variablen. So kann z.B. der RMS oder der in absolutem<br />
Sinn maximale Wert des Antriebsmomentes eines massenbehafteten Getriebes minimalisiert<br />
werden indem eine oder mehrere Balanzmassen befestigt werden. Dabei kann z.B. der Ort<br />
und die Masse in einem vordefinierten Bereich variiert werden. Genau wie bei einer<br />
Zielbahn, die ein Punkt beschreiben soll, kann auch bei der Funktionsoptimierung eine<br />
Zielfunktion definiert werden, z.B. wenn bei dem Entwurf von einem Fitness Apparat eine<br />
bestimmter Verlauf der Kraft als Funktion des Weges gewünscht ist.<br />
Das Ziel einer Optimierung ist das Minimalisieren oder Maximalisieren einer Eigenschaft (z.B.<br />
Maximum, RMS, Mittelwert, ...) des Unterschiedes zwischen dem aktuellen Verhalten und<br />
dem Zielverhalten des Getriebes:<br />
· Bahn eines Punktes (mit oder ohne Zeitzuordnung)<br />
· Bewegungs- oder Kraftgrösse (als Funktion der Zeit oder einer anderen Grösse)<br />
<strong>SAM</strong> sucht das Optimum indem die folgenden Parameter innerhalb vordefinierter Grenzen<br />
variiert werden::<br />
· Geometrie des Getriebes<br />
· Elementeigenschaften wie z.B. Masse, Federkonstante, Übersetzungsverhältnis,...<br />
Die Optimierung basiert auf einem Zwei-Schritt Verfahren bestehend aus:<br />
· Exploration des gesamten Parameter Raumes<br />
· Optimierung einer spezifischen Lösung<br />
Allererst wird der gesamte Parameterraum global exploriert mittels einer Kombination von<br />
reiner Monte-Carlo Technik und eines sogenannten Evolutionären Algoritmusses (dies ist<br />
eine Optimierungstechnik ist, die von der Genetischen Optimierung abstammt). Die besten<br />
Lösungen werden in sortierter Reihenfolge in einer Liste dargestellt.<br />
Der Gebraucher kann die verschiedenen Lösungen selektieren und auf dem Bildschirm<br />
betrachten. Die Lösung, die qua Bauform am meisten anspricht kann schliesslich mittels<br />
einer lokalen Optimierung weiter verbessert werden, wobei der Gebraucher noch zwischen<br />
einem Simplex Algorithmus oder einem Evolutionären Algorithmus mit focusiertem<br />
Suchgebiet wählen kann.<br />
Die Kombination der globalen Exploration und der lokalen Optmierung gibt den besten<br />
Kompromis zwischen Geschwindigkeit und der Suche nach dem globalen Optimum.<br />
Neben dem beschriebenen Modus, wobei der Gebraucher in-the-loop ist, gibt es auch ein<br />
vollständig automatischen Modus, wobei automatisch das beste Ergebnis der globalen<br />
Exploration noch weiter verbessert wird mittels einer lokalen Optimierung.<br />
© 2010 ARTAS - <strong>Engineering</strong> <strong>Software</strong>