降阶模型
模型降阶是优化设计、优化控制和反映问题应用中常见的技术方法,其本质是将随时间变化的多维过程进行低维的近似描述,以达到降低计算维度、减少计算量以及节省计算时间的效果。降阶后的模型可以在保留模型基本特性的同时,大大减少复杂模型的CPU计算时间以及存储空间。可以说,模型降阶技术很好的平衡了数字孪生对于“实时性”和“准确度”的两大要求。
模型降阶技术概要
模型降阶技术通常用两种方法简化复杂模型,从而实现模型实时化和高精度的效果。一种是建立降阶模型,一种是建立代理模型。
降阶模型是用于减少复杂系统维度的简化模型(Reduced Order Models,ROM),在处理高维度的复杂系统时,基于对原始系统的分析和数学处理,找到能够表示系统行为的关键变量、方程和向量等,从而代替原始模型进行设计和控制。在建立降阶模型的过程中,通常选用Craig-Bampton、SVD分解、Krylov子空间法、POD分解等实现。
代理模型则是在分析和优化设计过程中,用近似的数学模型替代比较复杂和费时的数值分析,也称为响应面模型、近似模型或元模型。该模型可以基于历史数据作为驱动样本点,通过训练模型达到逼近局部或全局最优解。代理模型建立过程中往往选用回归模型、机器学习模型等实现。
在达索的解决方案中,可使用Abaqus Submodel建立降阶模型,可使用Isight/MDO生成代理模型。以下为达索系统中部分模型降阶技术,在新版的MDO中,已经集成了大量的机器学习算法,包括随机森林回归、弹性网络回归、XGBoost 等算法。中本文主要介绍3DS MDO中代理模型的的应用。
基于MDO创建降阶模型
基于MDO创建及应用降阶模型的主要过程如下:
模型集成&定义输入输出
基于仿真流程集成仿真模型。以下为电缆串扰仿真示例。
CST模型:
在达索系统SIMULIA Process Composer App中搭建仿真流程:
通过DOE生成样本数据
添加DOE的Activity,用于扫描设计参数并记录CST的响应值。
DOE仿真的数据用于生成代理模型。这允许用其近似的分析模型替换系统-(黑盒)
随着输入/输出对数量的增加,逼近模型的精度越来越高。DOE仿真流程如下:
创建RIW案例,添加DOE数据
打开Results Analytics App,创建案例并添加DOE数据
创建近似模型
Results Analytics App允许创建和导出执行DOE的近似模型。
代理模型精验证度
近似模型的准确性可以很容易地在结果分析应用程序中验证。例如,峰值电压近似得很好,因为所有黑点都非常接近绿线。每个参数的近似质量可以直接在结果分析应用程序中看到。
提取近似模型
近似模型可以以多种格式导出,并在Process Composer或任何外部工具中重用。
近似模型应用
集成近似模型
创建近似模型后,可以通过Process Composer将其集成,下图为近似模型在Process Composer中实现的。仿真流程的仿真活动有两种可能的来源: “Approximation”、 “CST Simulation”。
基于PES搭建仿真APP
【相关内容】