Benutzer:Da.arnold2/OSL

optiSLang
Basisdaten
Entwickler	Dynardo GmbH
Erscheinungsjahr	2003
Aktuelle Version	4.2.1 (März 2015)
Betriebssystem	Microsoft Windows, Linux
Programmier­sprache	C++
Kategorie	CAE-Programm
Lizenz	proprietär
deutschsprachig	nein
optiSLang Produktseite

optiSLang ist ein Softwaresystem für CAE-basierte Sensitivitätsanalysen, Mehrzieloptimierungen und Robustheitsbewertungen. optiSLang wird von der Dynardo GmbH, Weimar entwickelt und beinhaltet Werkzeuge zur numerischen Robust-Design-Optimierung (RDO) und stoachastischen Analyse zur Identifizierung von signifikanten Einflussparametern der Zielfunktion. Hierbei kann auch die Robustheit einer Lösung, also die Sensisitivität gegenüber Streuungen der Eingangsvariablen, betrachtet werden

Methodology

Sensitivitätsanalyse:
Die in optiSLang angewandte varianzbasierte Sensitivitätsanalyse untersucht den Einfluss der Eingangsparameter auf die Systemantworten und klassifiziert so empfindliche, oder sensitive, Parameter des formulierten Systems. Die Optimierungsvariablen werden dabei gleichverteilt variiert und unabhängig voneinander ausgewertet. Dabei erfasst die varianzbasierte Sensitivitätsanalyse Zusammenhänge, im Gegensatz zur lokalen, ableitungsbasierten Sensitivitätsanalyse, im gesamten Parameterraum.

Coefficient of Prognosis (CoP)
Der CoP ist eine modellunabhängige Maßzahl zur Bewertung der Modellqualität und wird durch die Gleichung
$CoP=1-{\frac {SS_{E}^{\text{pred}}}{SS_{T}}}$
bestimmt. $SS_{E}^{\text{pred}}$ ist hierin die Summe der Quadrate aus den Fehlern des Vorhersagemodells, die durch ein Kreuzvalidierungsverfahren gewonnen werden. Hierbei werden sie ursprünglichen Stützstellen in $q$ Gruppen aufgeteilt und anschließend eine Näherungslösung $y_{i}$ aus dem um $i$ reduzierten Stützstellenset aufgebaut. Somit wird das Qualitätsmaß des Modells nur an den Stellen aufgebaut, die nicht Teil des Näherungsmodells sind. Da der Vorhersagefehler anstelle einer Näherungslösung benutzt wird ist es möglich diese Methode sowohl auf Regressionsmodelle, als auch auf Interpolationsmodelle anzuwenden.

Metamodel of Optimal Prognosis (MOP):
Werden unwichtige Variablen eines Modelles entfernt, so kann dies die Vorhersagequaltität einer Näherungslösung verbessern. Diese Idee wurde dem Metamodel of Optimal Prognosis (MOP) zugrundegelegt. Hierbei werden die optimalen Eingangsgrößen und das am besten passende Ersatzmodell (Polynomialansatz oder Moving Least Squares mit linearer oder quadratischer Basis) ermittelt. Der hier zu Rate gezogene CoP ist aufgrund seiner Unabhängigkeit und Objektivität ein bestens geeignetes Maß zur Quantifizierung und somit zum Vergleich verschiedener Modelle und verschiedener Parametersets.

Mehrzieloptimierung:
Das durch Einsatz von CoP und MOP ermittelte optimale Ersatzmodell unter Berücksichtigung der optimalen Auswahl der Eingangsvariablen kann als Vorkonditionierer für globale Optimierungsstrategieen, wie beispielsweise evolutionäre Optimierer, Adaptive Antwortflächenverfahren, Gradientenbasierte Optimierer oder biologische Optimierer, oder als direkter Einzieloptimierer dienen. Auch mehreren, gegenseitig in Konflikt stehenden, Zielfunktionale können betrachtet werden, um sinnvolle Wichtungsfaktoren für eine mögliche anschließende Einzieloptimierung zu finden, um ein optimales Design zu erarbeiten.

Robustheitsbewertung:
Bei der varianzbasierten Robustheitsbewertung werden kritische Modellantworten untersucht. In optiSLang werden durch Zufallsprinzipien generierte Eingangsgrößen generiert und die Systemantworten anhand einer Wahrscheinlichkeitsdichtefunktion ausgewertet. Hier werden die statistischen Eigenschaften der Modellantwort auf Mittelwert, Standartabweichung, Quantilwerten und höherer stochastischer Momente untersucht.

Zuverlässigkeitsbewertung:
Die Zuverlässigkeit oder Reliabilität ist ein Maß für die Verlässlichkeit eines Ergebnisses. Bei der Probabilistische Sicherheitsanalyse (PSA) werden streuende Einflüsse als Zufallsvariablen ausgedrückt und über eine Verteilsungsfunktion mit Stachastischen Momenten und gegenseitigen Korrelationen definiert. Als Ergebnis der Zuverlässigkeitsbewertung steht die komplementäre Zuverlässigkeit ($PR=1-PF$) und die Versagenswahrscheinlichkeit zur Verfügung, die auf einer logarithmischen Skala dargestellt werden kann.

Schnittstellen

optiSLang ist für eine Vielzahl von Probleme entwickelt worden, so können beispielsweise mechanische, technische, mathematische, investigative Probleme und eine Vielzahl weiterer Fragestellungen untersucht werden. Hierfür hält optiSLang ein verschiedene Schnittstellen zu externen Computerprogrammen bereit:

• ANSYS
• MATLAB
• GNU Octave
• Excel
• OpenOffice Calc
• Python
• Abaqus
• SimulationX
• CATIA
• LS-DYNA
• multiPlas
• any software with text based input definition

History

Seit den 1980iger Jahren entwickelten Forschungsteams an den Universitäten Innsbruck und der Bauhaus-Universität Weimar Algorithmen zur Optimierung und zur Zuverlässigkeitsanalyse in Verbindung mit Finite-Elemente-Berechnungen. Als Ergebnis entstand die Software Structural Language (SLang). Im Jahr 2000 führten CAE-Ingenieure damit erstmals Optimierungen und Robustheitsbewertungen in der Automobilindustrie durch. 2001 wurde die Dynardo GmbH gegründet und 2003 erfolgte die Markeinführung der auf SLang aufbauenden Software optiSlang als industrielle Softwarelösung für CAE-basierte Sensitivitätsanalysen, Optimierungen, Robustheitsbewertungen und Zuverlässigkeitsanalysen. Ab Version optiSLang 4 wurde 2013 die Software grundlegend mit einer neuen grafischen Benutzeroberfläche ausgestattet und die Schnittstellen zu externen CAE-Programmen überarbeitet.

References

• Cadfem Produkte
• Automotive CAE Companion 2013
• ANSYS Advantage Magazine 02_2013
• Konstruktionspraxis.de 03_2013
• Konstruktionspraxis.de 10_2012
• Konstruktionspraxis.de 06_2012
• Konstruktionspraxis.de 09_2011

External links

Product website
Dynardo GmbH Website