Numerische Optimierung dreidimensional parametrisierter ...
Numerische Optimierung dreidimensional parametrisierter ...
Numerische Optimierung dreidimensional parametrisierter ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5. <strong>Numerische</strong> <strong>Optimierung</strong><br />
Die Suche nach einer optimalen Lösung der oben dargestellten Auslegungskette, unter Berücksichtigung<br />
der jeweiligen Nebenbedingungen, stellt ein <strong>Optimierung</strong>sproblem dar. Das Herantasten<br />
an eine zufriedenstellende Lösung durch eine manuelle Suche, basierend auf<br />
persönlicher Erfahrung, experimentellen und empirischen Ergebnissen und einer individuellen<br />
Probier-Technik stößt bei Problemen dieser komplexen Art an seine Grenzen. Das Kurzzeitgedächtnis<br />
des Menschen ermöglicht es, ungefähr sieben voneinander unabhängige Variablen<br />
gleichzeitig zu variieren. Der Einsatz aller oben dargestellten parametrischen Freiheitsgrade<br />
übersteigt diese Anzahl bei weitem. Selbst durch den Einsatz zeitaufwendiger Parameterstudien<br />
kann ein Optimum als Kombination verschiedenster Parameteränderungen34 nur zufällig<br />
gefunden werden. Für solche Fälle sind <strong>Optimierung</strong>salgorithmen heutzutage ein vielseitig<br />
anwendbares und universelles Hilfsmittel zur Lösungssuche bei Problemen mit vielen Parametern.<br />
Die Verbindung zwischen dem <strong>Optimierung</strong>salgorithmus und dem Berechnungsproblem stellt<br />
die Zielfunktion dar. Sie beschreibt die Güte des Berechnungsproblems in Abhängigkeit des<br />
jeweilig gewählten Variablenvektors. Die Zielfunktion bewertet dabei einerseits die gesetzten<br />
Ziele, wie z. B. die Minimierung der aerodynamischen Verluste, als auch die dabei einzuhaltenden<br />
Nebenbedingungen, wie z. B. die vorgesehene Arbeitsumsetzung. Der Zielfunktionswert<br />
wird dafür aus der gewichteten Summe aller oben beschriebenen Ergebnisgrößen<br />
zusammengesetzt. Die Gewichtungen der einzelnen Ergebnisgrößen müssen dabei vom<br />
Anwender je nach <strong>Optimierung</strong>sproblem gewählt werden. Durch die Festlegung von unteren<br />
und / oder oberen Schranken kann jede Ergebnisgröße als Nebenbedingung der <strong>Optimierung</strong><br />
gesetzt werden. Die Festlegung der Gewichtungen zur Zusammensetzung des Zielfunktionswertes<br />
erfordert Erfahrung oder die Durchführung von Vorversuchen, in denen die Sensitivitäten<br />
der betrachteten Ergebnisgrößen in Abhängigkeit von Änderungen des Parametervektors<br />
untersucht werden. Bei der Festlegung der Gewichtungen muß vermieden werden, daß z. B.<br />
eine Verschlechterung des maßgeblichen <strong>Optimierung</strong>sziels durch einen stark sensitiven „kleinen“<br />
Anteil der Zielfunktion überkompensiert wird und sich dadurch eine falsche Gütebewertung<br />
der Zielfunktion ergibt. Die Zusammensetzung der Zielfunktion zur <strong>dreidimensional</strong>en<br />
aerodynamischen <strong>Optimierung</strong> ist stark von dem jeweiligen Anwendungszweck abhängig und<br />
muß individuell bestimmt werden. Eine allgemeingültige Zielfunktion kann hier deswegen<br />
nicht angegeben werden. Die im Rahmen der Arbeit verwendete Zielfunktion zur <strong>Optimierung</strong><br />
des Gitters T106D ist in Abschnitt 6.2 auf Seite 69 beschrieben.<br />
34. Ein wissenschaftlicher Ansatz der mehrdimensionalen Parameterstudie stellt DOE (design of experiments /<br />
statistische Versuchsplanung) dar, siehe Montgomery 2001 [51]<br />
54