CAD/CAE Design Technologie für Zuverlässigkeit und Qualität

Meta-Modellierung

Es existieren 2 unterschiedliche Wege zur Erstellung der Modellcodes, nämlich Physik-Modell und Daten-Modell, deren Vorteile und Nachteile sich gegenseitig ergänzen. Die Kombination beider Methoden bringt Fortschritte und ungeahnte Möglichkeiten zur Modellierung realer Objekte. OptiY Software bietet diese Vorgehensweise als Meta-Modellierung an und es ist damit ein unverzichtbares Werkzeug der Berechnungsingenieure. Meta-Modellierung stellt die Kombination aus Ersatzmodell und physik-informiertem maschinellen Lernen dar. Die neue Methode ist eine beliebige Mischung aus einige unvollständigen Daten und einigen unvollständigen physikalischen Komponenten, um  genaue Meta-Modelle für Echtzeit-Computing herzuleiten.

Physik-Modell Daten-Modell
  • Mathematische Formeln zu Beschreibung physikalischer Gesetze in Form von Differential- und Integralgleichungen, Randwertbedingungen und Zwangsbedingungen.
  • Numerische Algorithmen zur Lösung solcher Gleichungssysteme.
  • Lange Entwicklungszeit individueller Gleichungen vom realen Objekt bis zum fertigen Modellcodes.
  • Effiziente Gleichungssysteme zur Beschreibung des realen Objektverhaltens, aber meist nur serielle Implementierung der Algorithmen mit langer Berechnungszeit.
  • Verifikation zwischen Modell und Realobjekt nur durch wenig-gezielte Messdaten möglich.
  • Code-Export
  • Nur Messdaten vom realen Objekt bzw. Versuchsmuster.
  • Physikalische Wirkprinzipien und Gesetze sind völlig unbekannt und nicht erforderlich.
  • Maschinelles Lernen (Clusteranalyse, Regression und Klassifikation) zur automatischen Erkennung von mathematischen Zusammenhängen zwischen Input und Output-Parametern.
  • Extrem schnelle Entwicklungszeit und halb-automatische Generierung von Modellcodes.
  • Vollkommen parallele Implementierung der Algorithmen für Echtzeit-Computing.
  • Verifikation zwischen Modell und Realobjekt nur durch große Menge Messdaten möglich.
  • Code-Export

Physikmodelle werden als Objekte zur Datengenerierung verwendet. Zahlreiche Kommerzielle Simulationssysteme können mit OptiY gekoppelt werden. Mittel statistischer Versuchsplanung wird der gesamte parameterraum aufgespannt und abgetastet. Mit den gewonnenen Daten lassen sich genaues Meta-Modell durch maschinelles Lernen abbilden.

Wenn die Daten nicht in erforderliche Menge verfügen, um genaue Metamodelle zu erzeugen, kann man mit Hilfe von gekoppelten Physikmodelle neu zusätzliche Datenpunkte dazu generieren. Mittels adaptiver Versuchsplanung von OptiY, die auf vorhandene Daten basieren, kann man sehr effizient neue gezielte Datenpunkte vorschlagen und mit den Physikmodelle abtasten. Messdaten lassen sich dann zusammen mit neu zusätzlichen Simulationsdaten in hinreichender Menge zu genaue Metamodelle abbilden.

Fallstudien