ИОСО
IOSO (косвенная оптимизация на основе самоорганизации ) — это многокритериальная , многомерная технология нелинейной оптимизации.
подход ИОСО
[ редактировать ]Технология IOSO основана на методологическом подходе поверхности отклика .На каждой итерации IOSO внутренне построенная модель поверхности отклика для цели оптимизируется в пределах текущей области поиска. За этим шагом следует прямой вызов фактической математической модели системы для кандидатной оптимальной точки, полученной в результате оптимизации модели внутренней поверхности отклика. В процессе работы IOSO информация о поведении системы сохраняется для точек, находящихся в окрестности экстремума, благодаря чему модель поверхности отклика становится более точной для данной области поиска. Следующие шаги выполняются внутри компании при переходе от одной итерации IOSO к другой:
- изменение плана эксперимента;
- адаптивная настройка текущей области поиска;
- выбор типа функции (глобальная или среднего уровня) для модели поверхности отклика;
- корректировка модели поверхности отклика;
- модификация как параметров, так и структуры алгоритмов оптимизации; при необходимости выбор новых перспективных точек в пределах района поиска.
История
[ редактировать ]IOSO основана на технологии, разрабатываемой более 20 лет компанией Sigma Technology , выросшей из Технологического центра IOSO в 2001 году. Sigma Technology возглавляет проф. Егоров И.Н., генеральный директор.
Продукты
[ редактировать ]IOSO — это название группы междисциплинарного программного обеспечения для оптимизации дизайна , которое работает как в Microsoft Windows, так и в ОС Unix / Linux и было разработано Sigma Technology . Его используют для повышения производительности сложных систем и технологических процессов, разработки новых материалов на основе поиска их оптимальных параметров. IOSO легко интегрируется практически с любым инструментом автоматизированного проектирования (CAE).
Группа программного обеспечения IOSO состоит из:
- IOSO NM: Многокритериальная оптимизация;
- IOSO PM: Параллельная многокритериальная оптимизация;
- IOSO LM: Многоуровневая многокритериальная оптимизация с адаптивным изменением точности модели объекта (модели низкой, средней и высокой точности);
- IOSO RM: надежная оптимизация конструкции и надежное программное обеспечение для оптимального управления;
Цель
[ редактировать ]Улучшение производительности и оптимизация дизайна
[ редактировать ]IOSO NM используется для максимизации или минимизации характеристик системы или объекта, которые могут включать производительность, стоимость или нагрузки на рассматриваемый объект. Поиск оптимальных значений характеристик объекта или системы осуществляется путем оптимального изменения конструктивных, геометрических и других параметров объекта.
Поиск оптимальных законов управления системой
[ редактировать ]Часто бывает необходимо подобрать или согласовать параметры управления системой в процессе ее работы, чтобы добиться определенного эффекта в процессе работы системы или снизить влияние некоторых факторов на систему.
Идентификация математических моделей
[ редактировать ]Когда процесс проектирования предполагает использование каких-либо математических моделей реальных объектов, коммерческих или корпоративных, возникает проблема согласования результатов эксперимента и результатов модельных расчетов. Все модели подразумевают набор неизвестных факторов или констант. Поиск их оптимальных значений позволяет согласовать результаты эксперимента и результаты модельных расчетов.
Надежная оптимизация конструкции и надежное оптимальное управление
[ редактировать ]Введение
[ редактировать ]Практическое применение результатов численной оптимизации затруднено, поскольку любая сложная техническая система является стохастической системой и характеристики этой системы имеют вероятностный характер. Хотелось бы подчеркнуть, что, говоря о стохастических свойствах технической системы в рамках задач оптимизации, мы подразумеваем, что важные параметры любой системы стохастически разбросаны. Обычно это происходит на этапе производства, несмотря на современный уровень современных технологий. Случайные отклонения параметров системы приводят к случайному изменению эффективности системы.
Экстремальное значение эффективности, полученное в ходе решения задачи оптимизации при традиционном (детерминированном) подходе, представляет собой просто максимально достижимую величину и может рассматриваться как всего лишь условный оптимум с точки зрения его практической реализации. Таким образом, можно рассмотреть два разных типа критериев оптимизации. Одним из них является идеальная эффективность, которая может быть достигнута при условии абсолютно точного практического воспроизведения рассматриваемых параметров системы. Остальные критерии оптимизации носят вероятностный характер. Например: математическое ожидание эффективности; полная вероятность обеспечения заданных ограничений; разница в эффективности и так далее.Очевидно, что крайность одного из этих критериев не гарантирует обеспечения высокого уровня другого. Более того, эти критерии могут противоречить друг другу. Таким образом, в данном случае мы имеем задачу многокритериальной оптимизации .
Надежная концепция оптимизации дизайна IOSO
[ редактировать ]Концепция IOSO робастной оптимизации конструкции и робастного оптимального управления позволяет определить оптимальное практическое решение, которое может быть реализовано с высокой вероятностью для данного технологического уровня производственных предприятий. Многие современные вероятностные подходы либо используют оценку вероятностных критериев эффективности только на этапе анализа получения детерминированного решения, либо используют существенно упрощенные оценки вероятностных критериев в процессе оптимизации. Отличительной особенностью нашего подхода является то, что при оптимизации робастного проектирования мы решаем задачу оптимизации, включающую прямую стохастическую постановку, где оценка вероятностных критериев осуществляется на каждой итерации. Эта процедура надежно дает полностью устойчивое оптимальное решение. Высокая эффективность оптимизации робастного проекта обеспечивается возможностями алгоритмов IOSO решать задачи стохастической оптимизации с большим уровнем шума.
Ссылки
[ редактировать ]- И.Н. Егоров. Метод косвенной оптимизации на основе самоорганизации. ICOTA'98, Перт, Австралия, 1...3 июля 1998 г. Материалы конференции, том 2, стр. 683–690.
- Брайан Х. Деннис, Игорь Н. Егоров, Хельмут Собечки, Джордж С. Дуликравич, Синобу Ёсимура. ОПТИМИЗАЦИЯ ПАРАЛЛЕЛЬНОЙ ТЕРМОУПРУГОСТИ 3-D ЗМЕИКОВЫХ КАНАЛОВ ОХЛАЖДЕНИЯ В ЛОПАТКАХ ТУРБИНЫ. GT2003-38180, Материалы выставки Turbo Expo 2003; Энергия для суши, моря и воздуха; 16–19 июня 2003 г., Атланта, Джорджия, США.
- Брайан Х. Деннис, Игорь Н. Егоров, Джордж С. Дуликравич, Синобу Ёсимура. ОПТИМИЗАЦИЯ БОЛЬШОГО ЧИСЛА КАНАЛОВ ОХЛАЖДАЮЩЕЙ ЖИДКОСТИ, РАСПОЛОЖЕННЫХ БЛИЗКО К ПОВЕРХНОСТИ ЛОПАТКИ ТУРБИНЫ. GT2003-38051, Материалы выставки Turbo Expo 2003; 2003 ASME Turbo Expo; Атланта, Джорджия, 16–19 июня 2003 г.
- Егоров И.Н., Кретинин Г.В., Лещенко И.А. Стратегия оптимизации робастного проектирования технологии IOSO. WCCM V, Пятый Всемирный конгресс по вычислительной механике, 7–12 июля 2002 г., Вена, Австрия.
- Егоров И.Н., Кретинин Г.В. и Лещенко И.А. «Как выполнить робастную оптимизацию проектирования» (.pdf, 395 КБ), 9-й симпозиум AIAA/ISSMO по междисциплинарному анализу и оптимизации, 4–6 сентября 2002 г., Атланта, Джорджия.
Внешние ссылки
[ редактировать ]Примеры применения
- Оптимизация деталей газотурбинных двигателей методами численного моделирования (pdf, 1500Кб)
- Оптимизация нагрузочных характеристик вентилятора Sam146 от IOSO (pdf, 120 КБ)
- Параллельная оптимизация термоупругости трехмерных змеевидных охлаждающих каналов в турбинных лопатках (pdf, 260 КБ)
- Оптимизация турбинного диска с целью снижения массы и напряжений (pdf, 680Кб)
- Калибровка микропроцессорных систем управления (pdf, 480Кб)
- Оптимизация концентрации легирующих элементов в стали (pdf, 370 Кб)
- Применение IOSO NM и ABAQUS на строительных объектах АЭС (pdf, 550Кб)