Rymdkartläggning

Rymdkartläggningsmetoden för modellering och designoptimering av tekniska system upptäcktes först av John Bandler 1993. Den använder relevant befintlig kunskap för att påskynda modellgenerering och designoptimering av ett system. Kunskapen uppdateras med ny valideringsinformation från systemet när den är tillgänglig.

Begrepp

Rymdkartläggningsmetoden använder sig av en "kvasi-global" formulering som på ett intelligent sätt länkar samman "grova" (ideal eller low-fidelity) och "fina" (praktisk eller high-fidelity) modeller av olika komplexitet. Inom teknisk design anpassar rymdkartläggning en mycket snabb grov modell med den dyrbara att beräkna fina modellen för att undvika direkt dyr optimering av den fina modellen. Justeringen kan göras antingen off-line (modellförbättring) eller on-the-fly med surrogatuppdateringar (t.ex. aggressiv rymdkartläggning).

Metodik

Kärnan i processen är ett par modeller: en mycket exakt men för dyr för att använda direkt med en konventionell optimeringsrutin, och en betydligt billigare och följaktligen mindre exakt. Den senare (snabbmodellen) brukar kallas den "grova" modellen ( grovt utrymme ) . Den förra (långsamma modellen) brukar kallas den "fina" modellen. Ett valideringsutrymme ("verkligheten") representerar den fina modellen, till exempel en fysikmodell med hög kvalitet. Optimeringsutrymmet, där konventionell optimering utförs, innefattar grovmodellen (eller surrogatmodellen ), till exempel low-fidelity-fysiken eller "kunskapsmodellen". I en optimeringsfas för design av rymdkartläggning finns det ett förutsägelse- eller "exekveringssteg", där resultaten av en optimerad "mappad grovmodell" (uppdaterat surrogat) tilldelas finmodellen för validering. Efter valideringsprocessen, om designspecifikationerna inte är uppfyllda, överförs relevant data till optimeringsutrymmet (" feedback "), där den kartläggningsförstärkta grova modellen eller surrogatet uppdateras (förbättras, justeras om med finmodellen) genom en iterativ optimeringsprocess som kallas "parameterextraktion". Själva kartläggningsformuleringen innehåller "intuition", en del av ingenjörens så kallade "känsla" för ett problem. I synnerhet uppvisar ASM-processen (Agressive Space Mapping) nyckelegenskaper för kognition (en experts inställning till ett problem), och illustreras ofta i enkla kognitiva termer.

Utveckling

Efter John Bandlers koncept 1993, har algoritmer använt Broyden-uppdateringar (aggressiv rymdkartläggning), förtroenderegioner och artificiella neurala nätverk . Utvecklingen inkluderar implicit rymdkartläggning, där vi tillåter att förtilldelade parametrar som inte används i optimeringsprocessen ändras i den grova modellen, och utmatning av rymdkartläggning, där en transformation tillämpas på modellens respons. En artikel från 2004 granskar den senaste tekniken efter de första tio åren av utveckling och implementering. Tuning space mapping använder en så kallad tuning-modell – konstruerad invasivt från finmodellen – såväl som en kalibreringsprocess som översätter justeringen av de optimerade tuningmodellens parametrar till relevanta uppdateringar av designvariablerna. Rymdkartläggningskonceptet har utvidgats till neuralbaserad rymdkartläggning för statistisk modellering av stora signaler av icke-linjära mikrovågsenheter . Rymdkartläggning stöds av ljudkonvergensteori och är relaterad till defektkorrigeringsmetoden.

En 2016 toppmodern recension ägnas åt aggressiv rymdkartläggning. Det sträcker sig över två decennier av utveckling och ingenjörsapplikationer. En omfattande granskning 2021 diskuterar rymdkartläggning i samband med radiofrekvens- och mikrovågsdesignoptimering ; i samband med teknisk surrogatmodell , funktionsbaserad och kognitionsdriven design; och i samband med maskininlärning , intuition och mänsklig intelligens.

Rymdkartläggningsmetoden kan också användas för att lösa omvända problem . Beprövade tekniker inkluderar algoritmen Linear Inverse Space Mapping (LISM) samt metoden Space Mapping with Inverse Difference (SM-ID).

Kategori

Space mapping optimering tillhör klassen av surrogatbaserade optimeringsmetoder, det vill säga optimeringsmetoder som förlitar sig på en surrogatmodell .

Ansökningar

Rymdkartläggningstekniken har tillämpats inom en mängd olika discipliner inklusive mikrovågs- och elektromagnetisk design, civila och mekaniska tillämpningar, flygteknik och biomedicinsk forskning. Några exempel:

Optimering av flygplanets vingkrökning
Krocksäkerhetsdesign för fordon .
EEG källanalys
Optimering av telefonantenn
Designcentrering av mikrovågskretsar
Design av elektriska maskiner med multifysisk modellering
Styrning av partiella differentialekvationer .
Röstspole ställdon design
Rekonstruktion av lokala magnetiska egenskaper
Strukturell optimering
Design av mikrovågsfilter och multiplexorer
Optimering av fördröjningsstrukturer
Kraftelektronik
Signalintegritet
Civilingenjör

Simulatorer

Olika simulatorer kan vara involverade i en rymdkartläggningsoptimerings- och modelleringsprocess.

I mikrovågs- och radiofrekvensområdet (RF).
- Keysight ADS [1]
- Keysight Momentum [2]
- Ansys HFSS [3]
- CST Microwave Studio [4]
- FEKO [5]
- Sonnet em [6]

Konferenser

Tre internationella workshops har fokuserat mycket på konsten, vetenskapen och tekniken för rymdkartläggning.

Första internationella workshop om surrogatmodellering och rymdkartläggning för teknisk optimering (Lyngby, Danmark, nov. 2000)
Andra internationella workshopen om surrogatmodellering och rymdkartläggning för teknisk optimering (Lyngby, Danmark, nov. 2006)
Tredje internationella workshopen om surrogatmodellering och rymdkartläggning för teknisk optimering (Reykjavik, Island, augusti 2012)

Terminologi

Det finns ett brett spektrum av terminologi förknippad med rymdkartläggning: ideal modell, grov modell, grov rymd, fin modell, följeslagare modell, billig modell, dyr modell, surrogatmodell, low fidelity (upplösning) modell, high fidelity (upplösning) modell , empirisk modell, förenklad fysikmodell, fysikbaserad modell, kvasi-global modell, fysiskt uttrycksfull modell, enhet under test, elektromagnetisk modell, simuleringsmodell, beräkningsmodell, avstämningsmodell, kalibreringsmodell, surrogatmodell, surrogatuppdatering, kartlagd grov modell, surrogatoptimering, parameterextraktion, målsvar, optimeringsutrymme, valideringsutrymme, neurorymdkartläggning, implicit rymdkartläggning, utmatningsrumskartläggning, portjustering, fördistortion (av designspecifikationer), mångfaldsmapping, defektkorrigering, modellhantering, multi -fidelitetsmodeller, variabel trohet/variabel komplexitet, multigrid-metod , grovt rutnät, fint rutnät, surrogatdriven, simuleringsdriven, modelldriven, funktionsbaserad modellering.

Se även