Podstawy

Konstrukcji
Maszyn I
Stanisaw Suchodolski
Zakad Podstaw Konstrukcji
ssuchod@meil.pw.edu.pl
Optymalizacja
Funkcja celu
Warunki ograniczajce
Zmienne decyzyjne
Specifies that the engine use an algorithm other than the default algorithm for an
optimization design study. This algorithm, gradient projection (GDP), is an alternative to
the default algorithm, sequential quadratic programming (SQP).
If you allow the optimizer to run in its natural state, Mechanica begins the run using
SQP. However, if it encounters an invalid model during an optimization and its several
recovery attempts fail, the software attempts to resolve the problem by automatically
switching from SQP to GDP for the remainder of the run.
In some situations, you may want to use the -gdp option to enforce the GDP algorithm
throughout the optimization. When making this decision, you should understand the
advantages and disadvantages of each algorithm.
SQP typically finds the optimum design faster than GDP does. The disadvantage of
SQP is that it does not guarantee that your design satisfies your limits at the end of
each iteration. It only guarantees that the optimum design satisfies your limits.
This means that if SQP ever fails to find an optimum design, there may be no
intermediate designs available that are improvements over the initial design. In contrast,
GDP tends to produce a series of intermediate designs that satisfy your limits while
getting closer to the goal. Thus, if speed is not an issue and you want to ensure the
availability of interim designs, use the -gdp option.
W duzym uproszczeniu algorytmy redniej skali wykorzystuja SQP (ang. Sequential
Quadratic Programming) czyli metody dokonujace szeregu kolejnych minimalizacji
kwadratowego przyblizenia funkcji celu [1]. Dla poprawienia zbieznosci do minimum
kwadratowego przyblizenia wykorzystywany jest Hesjan czyli macierz drugich
pochodnych czastkowych funkcji celu.
Przykad 1.
Optymalizacja ksztatu belki o
przekroju prostoktnym
Belka wyjciowa 10 x 20 mm
Obcienia sia o skadowych X=1000 N i Y=1000 N i
Z=0 N i utwierdzenia
Siatka MES
Optymalizacja dane wejciowe
Funkcja celu: minimalna
masa belki
Warunki ograniczajce:
maksymalne naprenia 300
MPa
Zmienne decyzyjne:
d2 wysoko belki
d1 szeroko belki
Wynik optymalizacji przekrj kwadratowy
Wynik optymalizacji przekrj kwadratowy
14.8 x 14.8 mm
Przykad 2.
Optymalizacja ksztatu belki o
przekroju dwuteownika
Model wyjciowy belki
Obcienia i utwierdzenia belki sia o skadowych
X=1000 N i Y=1000 N i Z=0 N
Wymiary wyjciowe przekroju belki
Siatka MES
Wyjciowy rozkad napre zredukowanych
maksymalne naprenia = 627 MPa
Zdefiniowanie zadania optymalizacji
Zdefiniowanie zadania optymalizacji
Funkcja celu: minimalna
masa dwuteownika
Warunki ograniczajce:
maksymalne naprenia 400
MPa
Zmienne decyzyjne:
d2 grubo
d3 wysoko
d1 szeroko
1. Krok optymalizacji
2. Krok optymalizacji
3. Krok optymalizacji
4. Krok optymalizacji
5. Krok optymalizacji
6. Krok optymalizacji
7. Krok optymalizacji
8. Krok optymalizacji
9. Krok optymalizacji
9. Krok optymalizacji - ostatni
Analiza napre dla optymalnego modelu, maksymalne
naprenia = 400 MPa
Ten model nie uwzgldnia moliwoci wyboczenia cianki belki
Rozkad masy [tona] dwuteownika w funkcji kroku
optymalizacji
Rozkad maksymalnych napre [MPa] w
dwuteowniku w funkcji kroku optymalizacji
Wymiary przekroju optymalnego dwuteownika