7/15/2019 Druga Parcijala - Modeliranje i Simulacija II http://slidepdf.com/reader/full/druga-parcijala-modeliranje-i-simulacija-ii 1/12 www.samelx.blogger.ba MODELIRANJE I SIMULACIJA II - druga parcijala 1-Osnovni algoritmi uslovne optimizacije ? Svaki upravljački zadatak u kome je funkcija cilja Q(x) ili skup ograničenja L definisan nelinearnim jednačinama ili nejednačinama, predstavlja zadatak nelinearnog programiranja. Optimalno rješenje nelinearnog optimizacionog problema izračunava se nekom od raspoloživih metoda, koja je najadekvatnija za nalaženje konkretnog rješenja. Za razliku od zadataka linearnog programiranja, zadaci nelinearnog programiranja se ne mogu rješavati primjenom nekog univerzalnog metoda. Postoji više metoda optimizacije pomoću kojih se mogu rješavati neki zadaci nelinearnog programiranja. Svi ti metodi su specijalizovani za različite tipove zadataka nelinearnog programiranja, koji se formalno razlikuju po obliku matematičkog modela, tj. po obliku i dimenzijama funkcije cilja i skupa ograničenja. Kod optimizacije sa ograničenjima mogu se posmatrati samo dopustiva rešenja (ona koja zadovoljavaju sva ograničenja). Osnovni algoritmi: Metod Lagranževih množilaca (multiplikatora) Metod penalty (kaznene) funkcije Metod barijere 2-Metoda Lagranževih množilaca ? Vrlo se često koristi pri rješavanju onih optimizacionih zadataka kod kojih matematski model optimizacije sadrži i određen broj jednačina ograničenja. Osnovno obilježje ove metode sastoji se u tome što se, sa uvođenjem skupa 1
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
7/15/2019 Druga Parcijala - Modeliranje i Simulacija II
Svaki upravljački zadatak u kome je funkcija cilja Q(x) ili skup ograničenja Ldefinisan nelinearnim jednačinama ili nejednačinama, predstavlja zadataknelinearnog programiranja. Optimalno rješenje nelinearnog optimizacionogproblema izračunava se nekom od raspoloživih metoda, koja jenajadekvatnija za nalaženje konkretnog rješenja.Za razliku od zadataka linearnog programiranja, zadaci nelinearnogprogramiranjase ne mogu rješavati primjenom nekog univerzalnog metoda. Postoji višemetoda optimizacije pomoću kojih se mogu rješavati neki zadaci nelinearnogprogramiranja. Svi ti metodi su specijalizovani za različite tipove zadatakanelinearnog programiranja, koji se formalno razlikuju po obliku
matematičkog modela, tj. po obliku i dimenzijama funkcije cilja i skupaograničenja.
Kod optimizacije sa ograničenjima mogu se posmatrati samo dopustiva
rešenja (ona koja zadovoljavaju sva ograničenja).
Osnovni algoritmi:
Metod Lagranževih množilaca (multiplikatora)
Metod penalty (kaznene) funkcije
Metod barijere
2-Metoda Lagranževih množilaca ?
Vrlo se često koristi pri rješavanju onih optimizacionih zadataka kod kojihmatematski model optimizacije sadrži i određen broj jednačina ograničenja.Osnovno obilježje ove metode sastoji se u tome što se, sa uvođenjem skupa
1
7/15/2019 Druga Parcijala - Modeliranje i Simulacija II
neodređenih množitelja i , i 1,2,..,m , prevodi matematski model optimizacijesa ograničenjima tipa jednačina ili nejednačina u model bez ograničenja.
3-Metoda kazenih funkcija ?
Metoda kaznenih funkcija predstavlja odgovarajuću grupu algoritama zarješavanje optimizacionih problema. Suština metoda kaznenih funkcija jesteda se opšti zadatak uslovnog nelinearnog programiranja svede na bezuslovniproblem ili na niz bezuslovnih problema.
4-Uslovna optimizacija sa ograničenjima tipa nejednakosti, KTK usloviPrevođenje nejednakosti u jednakost uvođenjem dopunske (dopunjujuće)nepoznate
Formiranje proširene funkcije kriterija (ciljna funkcija)
Sistem od ukupno: n + m + m = n + 2m jednačina
5- KKT uslov (Karush-Kuhn-Tucker)
sistem od n + m jednačina
6- Genetički algoritam, princip, shema ?
Stohastički algoritam, strategija po ugledu na prosec prirodne selekcije(evolucija)
Za složene modele za koje ne postoje specijalizovani, klasični algoritmi.
2
7/15/2019 Druga Parcijala - Modeliranje i Simulacija II
Puno računanja sa puno tačaka, spora konvergencija
Potrebno više puta pokrenuti proceduru sa različitim inicijalnimvrijednostima da bi se pronašao globalni ekstrem
Algoritam:
7-Parcijalne diferencijalne jednačine: ODJ – funkcija jedne nezavisno promjenjive y=y(x)
PDE – funkcija više nezavisno promjenjivih z=f(x,y), u(x,y,z,t)=0 U jednačinama figurišu parcijani izvodi, funkcija i argumenti (prostorni ilivremenski) Domena: pravilnog ili kompleksnog oblika
3
7/15/2019 Druga Parcijala - Modeliranje i Simulacija II
Paraboličke jednačine –procesi difuzije, nestacionarni prijenos toplote - Zavisne od vremena, opisuju nestacionarne procese
- Disipativni procesi, disipacija energije sistema u vremenu
- Približavaju se (teže) stacionarnom stanju
- Prenos toplote (heat equation), difuzije
9-NUMERIČKE METODE za PDJOsnovne numeričke metode: CDM, FEM, BEM, FVM, Meshless Method,
hibridne i ostale ...
Numeričke metode za PDJ mehanike kontinuuma omogućavaju (simulacija): Modeliranje široke skale procesa u domeni proizvoljnog oblika, sa složenimkonstitutivnim relacijama, nelinearne promjene parametara
Dinamičke (tranzijentne) analize koje obuhvataju promjene svih veličina uvremenu
Efektivnu vizualizaciju (animaciju)10-METOD KONAČNIH RAZLIKA (FINITE DIFFERENCE METHOD - FDM,CDM)
11-Osnovni algoritamski koraci FDM metoda: Parcijalni izvodi u sistemu diferencijalnih jednačina koji opisuje procesdeformacije domene se zamjenjuju konačnim razlikama. Domena (radni prostor) se diskretizira mrežom čvornih tačaka u kojima se
5
7/15/2019 Druga Parcijala - Modeliranje i Simulacija II
računaju čvorni pomaci, temperature, brzine kao primarna rješenja polazećiod poznatih vrijednosti na konturi (BC) Uz poznate BC, od sistema PDJ formira se sistem LAJ koji se rješava pomoćulinearnog solvera. Mogućnost analize statičkih i dinamičkih problema (eksplicitna integracija,
uslovna stabilnost) Izvedene varijable se dobijaju u post-procesorskom postupku
Osnovni nedostatak: problem opisa domene nepravilnog oblika
12-MKE (metoda konačnih elemenata) je savremena numerička metodaza rješavanje PDJ. Suština metode je u aproksimaciji funkcije rješenjadiskretnim skupom funkcija (polinoma) i diskretizaciji domene konačnimskupom konačnih elemenata.
Tri osnovna koncepta na kome se definiše savremena MK:
Kao osnova optimizacije postavlja se uslov da se odrede koeficijenti ci
i=1,2..n, na takav način da ukupna greška na intervalu (a,b) bude minimalnomoguća. Budući da funkcija greške može mijenjati znak na intervalu, prostasuma (integral na intervalu) može imati malu vrijednost ili čak vrijednost „0“i u slučajevima kada na čitavom intervalu imamo velike vrijednosti greške.Stoga se za mjeru veličine greške usvaja integral kvadrata funkcije greške i
traže se koeficijenti ci i=1,2..n, takvi da osiguravaju minimalnu vrijednostprethodnog integrala. Posljednja jednakost nakon integracije daje sistem od„n“ jednačina iz kojeg se može odrediti „n“ nepoznatih koeficijenata ci.
17-Reyleigh-Ritz RR metod za rješavanje ODJ: Odredi funkcional F čija ekstremizacija pomoću Euler-ove jednačine dajeoriginalnu ODJ Pretpostavi funkciju y(x) (rješenje) u formi:
7
7/15/2019 Druga Parcijala - Modeliranje i Simulacija II
male i/ili spore promjene intenziteta i zanemarljivo male inercijalne sile promjene intenziteta i/ili inercijalne sile koje ne ugrožavaju nosivost,stabilnost iupotrebljivost elementa ili konstrukcije
Dinamičko opterećenje velike i/ili brze promjene intenziteta velike inercijalne sile periodično promjenljiva opterećenja(harmonijska i neharmonijska) udarna opterećenja (velika brzina nanošenja i kraće ili duže trajanje) aperiodična opterećenja (složena frekventna karakteristika)
Rješenje statičkog problema – samo jedna konfiguracija (deformisani položaj)Rješenje dinamičkog problema – funkcija promjene položaja u vremenu zasve tačke
Izvori dinamičkog opterećenja: Vibracije u radnom ciklusu, impulsi, udari, eksplozije,zemljotresi
28-Greške u primjeni MKE u dinamici greške uslijed vremenske i prostorne diskretizacije greške aproksimacije uslijed diskretnih interpolacijskih f-ja
greška primjene koncentrisane mase u odnosu na konzistentnu greške implementacije u softveru
29-Osnovni koraci dinamičke MKE analize: definisanje (modeliranje) domene Izbor elementa, unos materijalnih k-ka Diskretizacija domene Izbor tipa dinamičke analize Formiranje matrica elemenata (Me, Ce, Ke) Formiranje (sastavljenje, slaganje) sistemskih matrica M, C, K
Uvođenje BC Izbor izlaznih veličina Rješavanje sistema L J – SOLVER Postprocesiranje rezultata Analiza rezultata
30-Osnovni solveri: CDM, Newmark ODNOS EKSPLICITNE iIMPLICITNE METODE: Vrijeme potrebno za analizu kod eksplicitne analize raste linearno sapovećanjem broja DOF. Kod implicitne analize porast vremena sapovećanjem DOF je izrazitiji. Stoga je eksplicitna analiza pogodnija za
probleme sa većim brojem DOF. Eksplicitni metod je efikasniji kod sudarnih/udarnih aplikacija tj. Kodkontaktnih problema kao i kod problema propagacije talasa. Implicitna metoda je stabilnija i efikasnija u analizama pri umjerenom brojuDOF i umjerenim brzinama promjene opterećenja.