CATIA Version 5 Release 5

Workbench Documentation

Product Synthesis

Product Engineering Optimizer

Preface and Getting Started

Предисловие

Оптимизация играет ведущую роль в структурной разработке. Значение минимизации веса признаётся большинством отраслей промышленности или потому что вес системы воздействует на ее характеристику, или из-за экономических соображений. Но оптимизация - не только уменьшение веса, она также может использоваться, чтобы оптимизировать любой тип данных. В реальности для решения технической задачи также может потребоваться минимизировать целевой функции, описывающей данные типа полного объема, срока службы или стоимости конструкции.

Product Engineering Optimizer - решение CATIA для оптимизации. Программа снабжает инженеров, проектирующих конструкции, удобным в работе инструментом, основанном на итерационных методах. Использование Product Engineering Optimizer - главным образом вопрос практики и методологии.

Product Engineering Optimizer может оперировать двумя алгоритмами: Conjugate Gradient и Simulated Annealing (алгоритм модельной "закалки" (улучшающий свойства модели)). Вы выбираете один или другой, чтобы начать оптимизацию в зависимости от функции для анализа. Хотя и не требуется иметь предварительную подготовку в технике оптимизации, те, кто хочет узнать подробно, как работают алгоритмы, может обратиться к материалам, предложенным ниже:

Numerical Recipes in C - The Art of Scientific Computing - ISBN - 0 - 521 - 43108 - 5, 1988 - 1992
Nonconvex Minimization Calculations and the Conjugate Gradient Method, Powell, M.J.D., Lecture Notes in Mathematics, Vol. 1066, pp. 122-141, 1984. [Advanced review on conjugate gradient for nonconvex functions.]
Optimization by Simulated Annealings, Randelman, R. E., and Grest, G.S., N-City Traveling Salesman Problem - , J.Stat. Phys. 45, 885-890, 1986.
Function Minimization by Conjugate Gradients, Fletcher, R. and Reeves, C.M., Comp, J. 7, 149-154, 1964. [Advanced article on using conjugate gradient for nonconvex functions.]

Начало работы

В этом разделе будут продемонстрированы возможности CATIA Product Engineering Optimizer на простых примерах. Вы только должны следовать приведённым ниже пошаговым инструкциям, чтобы получить первое представление о CATIA Product Engineering Optimizer. Для информации о данных оптимизации, а также алгоритмах, которые должны были выполняться, обратитесь к разделу Относительно Оптимизации. Цель этой примера - дать Вам краткую схему того, как оптимизация работает при поиске решения в обоих рабочих режимах.

Поиск целевой величины с алгоритмом Simulated Annealing

1. Откройте документ KwoGettingStarted.CATPart.

2. При необходимости произведите проверку:

a. Опции Parameters и Relations на странице Display диалогового окна, открывающегося после выбора следующей последовательности команд: Tools > Options > Mechanical Design > Part Design.

b. Опции With Value, With Formula и Load Extended Language на странице Knowledge диалогового окна, открывающегося после выбора следующей последовательности команд: Tools > Options > General > Parameters.

3. Выберите корневой конструктивный элемент в дереве спецификации, затем команду Start > Infrastructure > Product Engineering Optimizer на панели инструментов. Откроется диалоговое окно Optimization.

4. На странице Problem, заполните поля следующими данными:

Optimization type	Target
Parameter to be optimized	Volume.1
Target value	800cm3
Free Parameters	xA, yA, xB, yB, PartBody\Pad.1\FirstLimit\Length
Algorithm	Simulated Annealing Convergence speed: Fast

Оставьте без изменения все заданные по умолчанию значения в зоне окна Termination criteria. Выберите опцию Save optimization data, в противном случае данные оптимизации не будут сохранены, и Вы не сможете отобразить кривые оптимизации. Выберите опцию Geometric Update. Не заполняйте поля на странице Constraints.

5. Нажмите кнопку Run Optimization.

a. Открывается диалоговое окно выбора файла. Выберите нужный каталог.

b. Нажмите Open для начала процесса оптимизации. Окно отображает данные вычисления для каждой итерации. При выполнении процесса оптимизации Вы можете наблюдать изменение значения Volume.1 в дереве спецификации.

c. После того, как вычисление закончено, диалоговое окно Optimization отображают величины свободных параметров.

6. Выберите Show curves…. Вам нужно приблизительно 100 оценок, чтобы получить устойчивую величину Volume.1.

7. Нажмите OK и сохраните документ под другим названием.

Поиск Целевой Величины с Алгоритмом Градиента (Gradient Algorithm)

1. Откройте опять файл KwoGettingStarted.CATPart.

2. Проделайте те же самые операции, но на этот раз выберите Gradient algorithm в диалоговом окне Optimization. Не заполняйте поля на странице Constraints.

3. После завершения вычисления выберите Show curves…. Вам нужно приблизительно 75 оценок, чтобы достигнуть устойчивой величины Volume.1. Целевая величина достигнута быстрее, чем в simulated annealing.

Главная страница