Software: SimX - Nadelantrieb - Robust-Optimierung - Experimentkonfiguration: Unterschied zwischen den Versionen
| Zeile 41: | Zeile 41: | ||
* Die ''Anzahl der Pareto-Lösungen'' ist eine interne Steuergröße für die Co-evolutionären Prinzipien bei der Mehrkriterien-Optimierung. Dieser Wert=20 ist unabhängig von der Größe der Pareto-Menge, welche man für die Darstellung in Diagrammen festlegen kann! | * Die ''Anzahl der Pareto-Lösungen'' ist eine interne Steuergröße für die Co-evolutionären Prinzipien bei der Mehrkriterien-Optimierung. Dieser Wert=20 ist unabhängig von der Größe der Pareto-Menge, welche man für die Darstellung in Diagrammen festlegen kann! | ||
=== Entwurfsparameter (Nennwerte und Streuungen) === | |||
Die Lösung der Robust-Optimierung wird sich zwar etwas von der Ausschuss-Minimierung unterscheiden. Das wird jedoch durch die zusätzlichen Gütekriterien gesteuert. | |||
Die Einstellungen für die Entwurfsparameter können wir unverändert von der Ausschuss-Minimierung übernehmen: | |||
* Für die Spulentemperatur '''''T_Spule''''' benutzen wir als Konstante weiterhin den Worst-Case-Wert von 1xx°C ('''xx'''=Teilnahme-Nr.). | |||
* Die Startwerte sollten dem Nennwert-Optimum entsprechen. | |||
* Die Startschrittweiten dienen nun als Maß für die Mutationsbreite. | |||
* Die Grenzen spannen den gleichen Suchraum auf. | |||
Die Streuungen sind die gleichen vorgegebenen Werte, wie bei der Ausschuss-Minimierung. | |||
Version vom 13. Januar 2009, 15:24 Uhr
Robust-Optimierung
Wir wollen nun ausgehend vom Nennwert-Optimum eine robuste Lösung für unseren Antrieb suchen, die folgenden Kriterien genügt:
- Die Streubreiten von Abschaltspannung und Maximalstrom sind zu minimieren.
- Ein Prägezyklus soll trotzdem möglichst schnell erfolgen (Mittelwert über eine Stichprobe!).
- Alle anderen, bereits definierten Forderungen (Restriktionen) sollen innerhalb des Streubereichs der berücksichtigten Parameter-Streuungen eingehalten werden.
Als wesentliche Streuungen berücksichtigen wir wie bei der Ausschuss-Minimierung:
- Schwankungen der Betriebsspannung
- Fertigungstoleranzen der Rückholfeder
- Unterschiedliche Papiersorten
Wir erzeugen einen neues Experiment zur "Robust-Optimierung" durch Duplizieren unseres vorherigen Experiments zur "Ausschuss-Minimierung". Den von der Ausschuss-Minimierung übernommenen Workflow gestalten wir entsprechend um. Für die Minimierung der Streuungen von iMax und vMax benutzen wir die Standardabweichungen. Diese Werte repräsentieren in der verwendeten Maßeinheit direkt die Streubreite. Deshalb sind sie physikalisch einfacher zu interpretieren als die zugehörigen Varianz-Werte:
Zur Berechnung von Mittelwert bzw. Standardabweichung der Gütekriterien nutzen wir die Möglichkeiten des für das Bearbeiten der Eigenschaften bereitgestellten "Rechners", z.B.:
Statistische Versuchsplanung
In Hinblick auf die Wechselwirkungen zwischen den Parameter-Streuungen kann man im Beispiel annehmen, dass die gleichen Bedingungen gelten, wie bei der vorherigen Ausschuss-Minimierung.
Wir können deshalb für die probabilistische Simulation der Stichprobe wieder das Moment-Verfahren mit dem Polynomansatz 2. Ordnung ohne Berücksichtigung von Interaktionen verwenden.
Optimierungsverfahren
Im Vergleich zu unseren bisherigen Optimierungsexperimenten haben wir nun ganz andere Bedingungen in Hinblick auf die Gütekriterien:
- Bei Strafe und Versagen handelt es sich, wie bereits bekannt, um interne Gütekriterien innerhalb der hierarchischen Optimierungsstrategie.
- Jedoch sollen insgesamt drei "echte" Gütekriterien möglichst gleichzeitig in Hinblick auf ihre Werte minimiert werden!
- Es ist sehr wahrscheinlich, dass es dabei zu Widersprüchen kommt und man sich letztendlich für eine Kompromisslösung entscheiden muss.
- Grundlage für diese Entscheidungsfindung ist die Pareto-Menge. Diese Lösungsmenge kann in OptiY nur bei Verwendung Evolutionärer Algorithmen generiert werden:
- Für das Optimierungsproblem können wir die Standardeinstellungen verwenden. Trotzdem sollten wir zur Information eine Umschaltung von "Standard" auf "Manuell" bzw. "Experte" vornehmen:
- Wir arbeiten mit 1 Elter, aus dem in jeder Generation 7 Kinder generiert werden - die eingestellte Art der Rekombination kann dabei natürlich nicht zur Wirkung kommen!
- Das Elter konkurriert gemeinsam mit seinen Kindern darum, in der nächsten Generation wieder das 1 Elter sein zu dürfen (Selektion=Plus).
- Die Anpassung der Mutationsschrittweite an die Zielfunktion erfolgt getrennt für jede Entwurfsgröße (Schrittweitenregelung=Multischritt).
- Die Anzahl der Optimierungsschritte=1000 beschreibt für das Optimierungsverfahren die Gesamtzahl der zu berechnenden Kinder. Man beachte, dass bei der zuverlässigkeitsbasierten Optimierung jedes "Kind" eine probabilistische Simulation darstellt, die mehrere (hier 7) Modell-Läufe benötigt!
- Die Anzahl der Pareto-Lösungen ist eine interne Steuergröße für die Co-evolutionären Prinzipien bei der Mehrkriterien-Optimierung. Dieser Wert=20 ist unabhängig von der Größe der Pareto-Menge, welche man für die Darstellung in Diagrammen festlegen kann!
Entwurfsparameter (Nennwerte und Streuungen)
Die Lösung der Robust-Optimierung wird sich zwar etwas von der Ausschuss-Minimierung unterscheiden. Das wird jedoch durch die zusätzlichen Gütekriterien gesteuert.
Die Einstellungen für die Entwurfsparameter können wir unverändert von der Ausschuss-Minimierung übernehmen:
- Für die Spulentemperatur T_Spule benutzen wir als Konstante weiterhin den Worst-Case-Wert von 1xx°C (xx=Teilnahme-Nr.).
- Die Startwerte sollten dem Nennwert-Optimum entsprechen.
- Die Startschrittweiten dienen nun als Maß für die Mutationsbreite.
- Die Grenzen spannen den gleichen Suchraum auf.
Die Streuungen sind die gleichen vorgegebenen Werte, wie bei der Ausschuss-Minimierung.
--->>> Hier geht es bald weiter!
