Blogginlägg Volupe

Surrogatmodeller

HEEDS har det redan

Men nu, sedan version 2021.1, kan du med Simcenter STAR-CCM+ också skapa surrogatmodeller (metamodeller eller helt enkelt responsytor) direkt i Design Manager. Detta är en stor nyhet och Simcenter STAR-CCM+ ger idag flera relevanta fördelar:

  • Komplexa flöden simulations som kan ta timmar eller dagar att utvärdera kan ersättas av en enkel modell som beräknas på bara några sekunder.
  • Du kan bedöma lokala parametrars känslighet med hjälp av fördelningar och därigenom öka robustheten och säkerställa att resultaten är tillförlitliga.
  • Öka noggrannheten hos 3D-komponenterna i din systemsimulering

Surrogatmodeller

Låt oss ta en närmare titt på de nya Surrogatmodellerna i Design Manager. "En surrogatmodell är en prediktiv funktion som returnerar ett uppskattat svarsvärde för en given uppsättning numeriska inparametrar". Detta innebär att vi med en given uppsättning träningsdata kan förutsäga ett svar från vår simulering för en okänd uppsättning inparametrar. En av de vanligaste surrogatmetoderna är Krigingmetoden som också är standardalternativet (av tre alternativ) i Design Manager. Figuren ovan visar ett exempel på Krigingmetoden. Här har vi två ingående parametrar, x1 och x2. De röda kuberna representerar resultaten från konstruktionsomgångarna och ytan representerar den beräknade surrogatmodellen för detta svar, som anpassats genom träningsdata.

 

Hur man sätter upp en tillförlitlighetsstudie med Star CCM+

Om vi skulle vara intresserade av en studie av robusthet och tillförlitlighet är surrogatmodellerna mycket användbara. Som exempel tittar vi på en studie av flödet i ett avgasrör. I det första steget visade en optimering av tryckfallet i förhållande till utloppshastighetens jämnhet en bästa utformning som låg nära minimikraven för jämnhet i hastigheten. För att bedöma om denna konstruktion kan vara den bästa ur produktionssynpunkt kan vi nu utföra en tillförlitlighetsstudie baserad på en responsyta.

 

För att komma igång måste vi först skapa en uppsättning träningsdata i form av en experimentplanering DOE. DOE:n begränsas nära den bästa designen som hittats och urvalet skapas med hjälp av Latin Hypercube-metoden. Surrogaten läggs till i designstudien genom att lägga till dem i den nya noden "Surrogates":

 

 

 

 

 

Här fastställer vi våra två mål och finjusterar beräkningen av interpolationsmetoden i surrogattabellen. När träningsdata har beräknats och surrogatmodellen har byggts upp automatiskt kan vi bedöma dess noggrannhet med hjälp av följande Kors V och PRESS rester. Cross V-residualerna och PRESS-residualerna är uppskattningar av det fel som du kan förvänta dig i de förutspådda värdena. Dessa restvärden är i samma enheter som svaren och deras lägre värden tyder på god noggrannhet. Residualskattningen baseras på valideringsschemat som avsätter en grupp varianter från träningsuppsättningen för att validera surrogatmetodens prestanda. På grund av slumpmässigheten i grupperingsprocessen i korsvalideringssystemet rekommenderas det att utföra korsvalidering flera gånger. Varje korsvalidering ger olika resultat.

 

Nu när vi har skapat och validerat två surrogatmodeller för två reaktioner kan vi använda modellen i en 3rd studien i vårt Design Manager-projekt, tillförlitlighetsstudien. För indata kan vi välja distributionsfunktion för att ange vilken typ av sannolikhetsfördelning som ska användas. Sannolikhetsfördelningen är centrerad kring baslinjevärdet som motsvarar vår bästa konstruktion och beskriver sannolikheten för att en inparametrar kommer att anta ett visst värde. För det industriella avgasröret anger vi en relativ triangulär variation på ±3,5 %.

 

För att en tillförlitlighetsstudie ska vara korrekt måste man i allmänhet ta hänsyn till ett stort antal (hundratals till tusentals) permutationer runt den bästa konstruktionen. Detta är dock inget problem för utvärderingen med våra surrogatmodeller. Slutligen kan vi nu bedöma sannolikheten för att konstruktionerna ska misslyckas med hjälp av Plott för sannolikhetsfördelning..

Vi kan se här att många konstruktioner ligger under den föreskrivna begränsningen, även om vi har en symmetrisk fördelning ±3,5% för alla parametrar. Detta innebär att konstruktionen inte är tillförlitlig med den givna sannolikheten för ingående parametrar.

 

Hur man sätter upp en optimeringsstudie

Du kan använda de nya surrogatmodellerna även för en optimeringsstudie. Inställningen följer i huvudsak samma steg som ovan beskrivits för tillförlitlighetsstudien:

  1. DOE för utbildningsdata
  2. Bygg upp en surrogatmodell
  3. Utvärdering av surrogatmodellen

Vi behöver bara ändra studietypen till optimering med utvärderingsmetoden "Surrogates". Det är frivilligt, men rekommenderas att börja med en global optimering för att begränsa designutrymmet. När varianterna har utvärderats av surrogatmodellen och optimeringen konvergerat kan vi hitta de bäst lämpade konstruktionerna, ändra Study Evaluation Method till Simulation och välja Rerun Design. Detta säkerställer att våra optimala konstruktioner faktiskt är simulerade resultat och att simuleringsresultaten är tillgängliga.

Jag hoppas att det här har varit till nytta för dig, och som vanligt tvekar du inte att höra av dig om du har några frågor om detta eller något annat som rör Simcenter. STAR-CCM+, Design Manager eller optimering i allmänhet. Du kan vända dig till support@volupe.com.

Lycka till med optimeringen!

Läs mer:
Hur man driver Design Manager-projekt
Simcenter Nastran
STAR-CCM+ syntax för fältfunktioner, del 2
Roterande flöde del 2

Fler blogginlägg

sv_SESwedish