Software: FEM - Tutorial - Magnetfeld - Probabilistik - Momenten-Methode

↑

← →

Probabilistische Simulation - Momenten-Methode

Vergleichend zur Toleranzsimulation mit der Sampling-Methode Latin Hypercube Sampling soll nun der analytische Ansatz der Moment-Methode benutzt werden:

• Durch Duplizieren gewinnen wir aus dem Zufallszahlen-Experiment die Grundlage für die Konfiguration eines neuen Experiments.
• Auch für das neue Experiment vergeben wir einen sinnvollen Namen, z.B.:
  
• In dem neuen Experiment müssen wir die Versuchsplanung entsprechend umkonfigurieren und die Darstellung von Ergebnissen neu organisieren.

Moment-Methode

Der erste Schritt der Moment-Methode verläuft ähnlich wie bei den Sampling-Methoden - es wird ein Ersatzmodell gebildet:

• Für jede Ergebnis-Größe (Kriterien und Restriktionen) des Workflows wird eine Funktion f gebildet, mit welcher sich der Wert der Ergebnis-Größe aus dem Variablenvektor x der n Streu-Größen berechnen lässt.
• Für die Approximation jeder dieser Funktionen f wird im Unterschied zur Sampling-Methode eine Taylor-Reihe benutzt. Ihre Approximationsordnung ist dabei auf den Maximalwert 2 beschränkt.
• Wir nutzen zuerst die Second Order Analysis (Ordnung=2) mit Berücksichtigung von Interaktionen (Wechselwirkungen) zwischen den Streu-Größen. Die vollständige Funktion dafür lautet:
  

Die erforderlichen Ersatz-Übertragungsfunktionen wird durch die Berechnung von Stützstellen gewonnen:

• Pro Streu-Größe Si werden nur drei Stützstellen genutzt (Grenzwerte und Mittelwert)
• Bedingt durch die kombinatorische Abtastung des Modells steigt die benötigte Anzahl der Modell-Läufe quadratisch mit der Anzahl der Streu-Größen n (Simulationsläufe = 2·n²+1).

Diese Art der Gewinnung eines Ersatz-Modells führt nur zu einem hinreichend genauen Ergebnis, wenn für das zu approximierende reale Modellverhalten Taylor-Reihen 2. Ordnung ausreichend sind. Zum Glück ist dies für die Mehrzahl der Anwendungsfälle zutreffend.

Nach der Berechnung des Ersatz-Modells (Menge von Taylor-Reihen) erfolgt die eigentliche Analyse wieder auf Basis dieses Ersatz-Modells. Hier existiert nun der entscheidende Unterschied zu den Sampling Methoden:

• Die statistischen Momente der Ausgangsgrößen werden näherungsweise aus den statistischen Momenten der Eingangsgrößen berechnet. Aus den berechneten Momenten werden anschließend die Verteilungen der Ausgangsgrößen approximiert.
• Das Verfahren der Second Order Analysis arbeitet sehr genau, wenn das Verhalten der Ausgangsgrößen im Streu-Bereich höchstens quadratische Abhängigkeiten zu den Streu-Größen aufweist. Die Ergebnisse mit 4 Streu-Größen sind dann vergleichbar mit einer Monte-Carlo-Simulation bei einer Stichprobengröße von 100.000. Da das Verfahren ohne Zufallszahlen arbeitet, ist es numerisch sehr stabil und erlaubt auch eine schnelle Optimierung unter Berücksichtigung von Streuungen.
• Der Nachteil der Second Order Analyse liegt in dem hohen Rechenaufwand bei einer großer Anzahl von Streu-Größen (Simulationsläufe = 2·n²+1).

===>>> Hier geht es bald weiter!

Script vom vorigen Jahr siehe: http://www.ifte.de/lehre/cae/fem/06_magnet/optiy_prob_analytisch.html

← →