Volupe logo

Blog berichten Volupe

Multi-Objectieve Optimalisatie met Simcenter HEEDS en Simcenter Amesim

In deze Simcenter Amesim post bekijken we hoe ontwerpruimte exploratie kan worden gedaan op systeemniveau samen met de software Simcenter HEEDS. In een eerder artikel (hier gevonden) bespraken we kort het gebied van optimalisatie en keken we naar de mogelijkheden van Simcenter Amesim. In deze post richten we ons in plaats daarvan op het geven van een stap-voor-stap voorbeeld over hoe de software tools zijn verbonden en verdiepen we ons op het gebied van optimalisatie met meerdere doelstellingen.

Simcenter HEEDS is een Multidisciplinary Design Optimization (MDO) software. Het software-pakket is gekoppeld aan commerciële CAE-tools om de zoektocht naar betere producten te automatiseren en te verbeteren, biedt inzicht via diverse analysehulpmiddelen, en past meerdere optimalisatiemethoden tegelijk toe voor een efficiëntere zoektocht.

In veel technische problemen zijn compromissen schering en inslag. In deze gevallen kan een eigenschap gewoonlijk alleen worden verbeterd ten koste van een andere. In dergelijke situaties willen wij graag weten wat de optimale trade-off is en precies weten hoeveel een eigenschap kan worden verlaagd en hoeveel daarmee wordt gewonnen.

Optimalisatieproblemen met conflicterende doelstellingen zijn vergelijkbaar met de gewogen som-benadering die besproken is in (hier gevonden), maar kunnen meerdere doelstellingen onafhankelijk van elkaar beheren om een reeks optimale oplossingen te genereren. Deze reeks optimale oplossingen wordt de Pareto-optimale reeks genoemd. Naarmate het optimalisatiealgoritme de ontwerpruimte doorzoekt, worden de leden van deze verzameling voortdurend bijgewerkt en vervangen door betere oplossingen indien deze worden gevonden. Naarmate de optimalisatie vordert, benadert de Pareto-verzameling steeds meer de ideale verzameling oplossingen, die de Pareto-grens wordt genoemd. In situaties met meer dan twee doelstellingen is dit niet langer een frontier, maar een oppervlak of een verzameling oplossingen in een ruimte van hogere dimensie. Pareto optimalisatie selecteert zijn optimale ontwerpen op basis van de vraag of zij andere ontwerpen domineren. Men zegt dat een ontwerp een ander domineert als het beter is in ten minste één doelstelling en niet slechter in alle andere doelstellingen. Hieronder wordt in figuur 1 een overzicht gegeven van hoe een voltooide optimalisatierun met twee doelfuncties eruit zou kunnen zien.

figuur 1, een illustratie van de concepten Pareto Frontier, Dominated en Non-dominated designs.

Setup in Simcenter Amesim

Het proces van het opzetten en uitvoeren van een multi-objective optimalisatie met behulp van Simcenter laten zien Amesim en Simcenter HEEDS, werd een rudimentair aandrijflijn- en voertuigmodel gebruikt op basis van componenten uit de IFP Drive-bibliotheek. Een overzicht van het model en enkele bijbehorende voorbeeldplots zijn gegeven in figuur 2. Het voertuig bestaat uit een longitudinaal voertuigmodel van een personenauto, een bestuurdersmodel dat is ingesteld om de WLTC-rijcyclus te volgen, 1800 [s] lang, en een generieke regeleenheid die is ontworpen voor in serie geschakelde hybride voertuigen. De aandrijflijn bestaat uit een viercilinder 1,8 [L] verbrandingsmotor in serie geschakeld met een elektrische generator, een LFP-batterij en een elektromotor. De accu bestaat uit 100 in serie geschakelde cellen.

figuur 2, overzicht van het te optimaliseren voertuig- en aandrijflijnmodel. Diagrammen van de WLTC-rijcyclus, de ladingstoestand van de accu (SoC) en de activering van de verbrandingsmotor als functie van de tijd.

De aandrijving van het voertuig wordt bepaald door de Vehicle Control Unit (VCU). De voorgebouwde VCU-SH-regelaar ontvangt van de bestuurder informatie over acceleratie- en remcommando's, draaisnelheid van de elektromotor en de generator, en laadtoestand (SoC) en spanning van de accu, alsmede de voertuig snelheid van het voertuigmodel. De VCU geeft vervolgens laadcommando's door aan de verbrandingsmotor, de elektrische generator en de motor, en wanneer de verbrandingsmotor moet worden gestart en gestopt. Met deze systeemindeling kan de verbrandingsmotor zowel worden gebruikt om de accu op te laden als om de elektromotor rechtstreeks van stroom te voorzien. De motor wordt in de volgende modi gebruikt:

  • modus 0: de motor is gestopt, de generator genereert niets (koppelcommando = 0),
  • modus 10: de motor wordt gestart, de generator gebruikt de accu om de motor te starten (koppelopdracht = maximumkoppel generator op poort 16),
  • modus 1: de motor wordt gestart, de generator wordt gebruikt om de accu op te laden en het voertuig te laten rijden.

De VCU-strategie omvat verschillende instellingen, waarvan er in deze studie slechts drie werden gevarieerd:

  • gevraagd vermogen om de hybride modus te starten: als dit vermogen of meer wordt gevraagd, wordt de motor gestart.
  • gevraagd vermogen om de hybride modus te stoppen: als dit vermogen of minder wordt gevraagd, wordt de motor gestopt.
  • Gevraagde voertuigsnelheid om de motor te starten: als de voertuigsnelheid hoger is dan deze waarde, wordt de motor gestart.

Om de optimale wisselwerking tussen het brandstofverbruik [g] van de verbrandingsmotor en de capaciteit van de batterij [Ah] te onderzoeken, werden twee objectieve functies gebruikt. Het totale brandstofverbruik aan het eind van de WLTC-cyclus en de nominale capaciteit van één cel van het batterijmodel werden geselecteerd. De celcapaciteit werd ook gebruikt als een inputvariabele in Simcenter HEEDS, samen met de drie VCU-parameters.

Aangezien niet alle simulations's de volledige cyclus hebben doorlopen, bijvoorbeeld omdat de accu helemaal leeg was en er geen ICE was ingeschakeld, is de simulatietijd gemeten en aan HEEDS doorgegeven. Deze werd vervolgens gebruikt als beperking om ervoor te zorgen dat succesvolle oplossingen de volledige cyclus van 1800 [s] voltooiden. Bovendien werd het maximale aantal herstarts van de verbrandingsmotor in de optimaliseringsstudie beperkt tot een willekeurige waarde van 20 starts voor de gehele run. Dit om te voorkomen dat de motor overmatig zou draaien.

Het instellen van de parameters die Simcenter HEEDS zal gebruiken, gebeurt via de Export Parameters Setup. Deze wordt geopend vanuit de parametermodus of de simulatiemodus, en is te vinden onder het menu Interfaces en vervolgens Export Setup, zoals te zien is in figuur 3 hieronder.

Figuur 3, Instellingsmenu Uitvoerparameters, met de beoogde modelinputs onder Invoerparameters, en de modeloutputs/responses onder Eenvoudige outputparameters.

De uitvoerparameters werden toegevoegd door parameters en variabelen naar het uitvoervenster te slepen. Wees voorzichtig bij het definiëren van de onder- en bovengrens van elke parameter. Als de studie in Simcenter HEEDS parameterwaarden doorgeeft die buiten dit bereik vallen, zullen er geen updates worden gedaan aan het Simcenter Amesim model. In plaats daarvan zullen waarden van de onder- of bovengrenzen worden gebruikt om de simulatie uit te voeren.

Aangezien de Celcapaciteit in deze studie zowel als objectiefunctie en als invoerparameter werd gebruikt, werd een eenvoudige Constante uit de Signal & Control bibliotheek op de schets geplaatst. Het doel van deze work-around was om de Celinhoud als output door te geven in de Export Setup, en deze later te gebruiken als objectieve functie.

Ten slotte moest het model worden gecompileerd en opgeslagen. Om het eenvoudig te houden werd het Simcenter Amesim-model in dezelfde projectmap opgeslagen als Simcenter HEEDS. Voor het compileren zijn geen extra stappen nodig, afgezien van het controleren of het model daadwerkelijk is gecompileerd, bijvoorbeeld door van de Schetsmodus naar de Simulatiemodus te gaan.

Setup in Simcenter HEEDS

In Simcenter HEEDS kunnen verschillende processen en analyseblokken worden aangemaakt en gekoppeld om een workflow te automatiseren of verschillende onderzoeken uit te voeren. In ons eenvoudige voorbeeld selecteren we het Simcenter Amesim portaal onder het analyseblok om Simcenter HEEDS te vertellen dat we verbinding willen maken met Simcenter Amesim, zie figuur 4 hieronder. Vervolgens navigeren we naar Bestanden en door met de rechtermuisknop te klikken selecteren we Invoerbestand toevoegen. Zodra het juiste .ame bestand in Simcenter HEEDS is geladen krijgen we een optie om variabelen te Autotaggen. Dit is een handige manier om automatisch input- en outputvariabelen aan te maken op basis van de parameters die zijn gedefinieerd in de Export Setup in Simcenter Amesim en deze vervolgens automatisch te koppelen. Merk op dat als er wijzigingen zijn aangebracht in het onderliggende Simcenter Amesim model nadat het model is geïmporteerd, het nodig kan zijn om het .ame-bestand te verwijderen en opnieuw toe te voegen om eventuele foutmeldingen op te lossen die kunnen optreden bij het uitvoeren van de studie. Bovendien kan het aantal CPU's waarop de studie wordt uitgevoerd worden ingesteld op het tabblad Uitvoering.

figuur 4, Simcenter HEEDS Procesweergave met selectie van CAE-portaal en model om mee te interfacen.

Zodra Simcenter HEEDS en Simcenter Amesim zijn verbonden en de variabele tagging is uitgevoerd, is het verstandig om de verbinding te controleren voordat we verder gaan met het definiëren van onze multi-objectieve optimalisatiestudie. Een handige manier om dit te doen is om een nieuwe Evaluation Only studie te maken en een willekeurige ontwerpset uit te voeren. De resultaten van deze studie kunnen dan worden vergeleken met de resultaten van Simcenter Amesim met dezelfde set.

figuur 5, links, Simcenter HEEDS Study view met een multi objective optimization study geselecteerd. figuur 5, rechts, definitie van variabelen, doelstellingen en constraints.

Aangezien het doel van de studie was om de optimale afweging tussen brandstofverbruik en accucapaciteit te onderzoeken, werd de meervoudige objectieve optimalisatiebenadering gekozen om de paretoset te bepalen, zie figuur 5. Wat betreft de keuze van het optimalisatiealgoritme zijn er weinig instellingen nodig met de Simcenter HEEDS SHERPA-methodologie. Het optimalisatiealgoritme en de bijbehorende instellingen worden automatisch bepaald en geactualiseerd gedurende de optimalisatierun om een zo breed mogelijke zoekruimte voor het ontwerp te garanderen, zonder de convergentietijd al te zeer te belemmeren. Indien meer directe controle gewenst is, is de optie om zelf het algoritme te kiezen en in te stellen nog steeds beschikbaar.

Het definiëren van objectieve functies en beperkingen gebeurt op het tabblad Reacties, figuur 5 rechts. De twee responsvariabelen brandstofverbruik en accucapaciteit worden als doelstellingen toegevoegd door ze naar het doelgebied te slepen. Beperkingen werden ingesteld aan de hand van de simulatietijd en het aantal herstarts van de motor. De simulatietijd werd beperkt tot 1799 [s] of meer, aangezien de WLTC 1800 [s] lang is. Het aantal herstarts van de motor is vastgesteld op 20 of minder herstarts.

figuur 6, Simcenter HEEDS Run-weergave met informatie over de probleemstatus, de huidige voortgang en mogelijke foutmeldingen.

Zoals te zien is in figuur 6, wordt de optimaliseringsverklaring verduidelijkt en wordt informatie over het aantal haalbare en niet-haalbare ontwerpen gepresenteerd. De studie nam 40 [min] in beslag om 500 evaluaties te voltooien op een laptop met 11 logische processors.

Hoewel het mogelijk is om direct in het runvenster met plots te werken, wordt aangeraden om de knop Open HEEDS Post in het lint van het run-tabblad aan te zetten. Hierdoor komen meer plotopties beschikbaar.

Dan nu de resultaten. Hieronder in figuur 7 is de optimale afweging, d.w.z. de Pareto-optimale set, met 20 punten in rood weergegeven en met blauwe punten alle haalbare ontwerpen. Op de y-as staat het totale brandstofverbruik [g], en op de x-as de grootte van de batterij [Ah].

Het aantal punten dat moet worden opgenomen voor de optimale Pareto-verzameling kan desgewenst worden verhoogd in de run setup om de resolutie te verbeteren.

figuur 7, de optimale afweging weergegeven met 20 punten in rood, vergezeld van alle haalbare ontwerpen in blauw.

Simcenter HEEDS biedt vele manieren om resultaten te analyseren, zoals het bepalen van patronen, het vinden van vergelijkbare ontwerpen, of het onderzoeken hoe gevoelig een respons is als gevolg van veranderingen in invoervariabelen. Eén manier om resultaten te visualiseren is door gebruik te maken van een parallelle plot met alle invoervariabelen, doelstellingen en randvoorwaarden. In figuur 8 hieronder worden de 20 ontwerpen van de Pareto optimale set getoond in een parallel plot.

figuur 8, Parallelle plot van de doelfuncties aan de linkerkant, de twee beperkingen, rood gemarkeerd, en de inputvariabelen aan de rechterkant.

Als men de waarden van de ingangsvariabelen in figuur 8 bestudeert, zal het geen verbazing wekken dat de voorkeur uitgaat naar een spaarzame werking van de motor. De motor wordt alleen geactiveerd bij snelheden van meer dan 140 [km/h], en bij voorkeur alleen wanneer een hoog vermogen wordt gevraagd. Alle ontwerpen hebben de neiging om de motor bij lagere vermogensbehoefte te laten stoppen, d.w.z. om de motor gedurende langere tijd actief te houden. Dit laatste gedrag is waarschijnlijk het gevolg van de beperking van het aantal toegestane herstarts van de motor.

De bevindingen van deze optimalisatiestudie zijn slechts in beperkte mate in de praktijk toepasbaar. Hopelijk biedt de aanpak in plaats daarvan enige inspiratie en houvast bij het opzetten van uw eigen optimalisatiestudie. Typisch zijn meer parameters en beperkingen nodig om een goede probleemstelling te vormen, en in dit geval ook het gebruik van meerdere langere rijcycli. Aspecten zoals batterijveroudering zouden als een extra derde doelfunctie kunnen worden ingevoerd om de invloed van herhaaldelijk opladen/ontladen op batterijdegradatie in kaart te brengen.

Wij hopen dat u dit artikel interessant vond. Als u vragen of opmerkingen heeft, aarzel dan niet om contact met ons op te nemen via support@volupe.com

Auteur

Fabian Hasselby, M.sc.
+46733661021

Meer blogberichten

nl_BEDutch