No 3, 1995, ;s
|
|
- Helmi Härkönen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 ELEMENTTIVERKON V IKUTUKSEST LTT RKENTEIDEN OPTI MOINNISS Timo Turkkila Rakenteiden Mekaniikka, Vol 28 No 3, 1995, ;s TVISTELM Kantavien rakenteiden optimoinnissa rakenne analysoidaan usein elementtimenetelmaohjelmaa kayttaen. Talloin varsinkin levy- ja laattatehtavissa sopivan elementtiverkon valinta saattaa muodostua ongelmaksi. Jos elementtiverkko on liian harva, niin tulokset ovat arveluttavia. Toisaalta verkko voi olla myos tarpeettoman tihea, jolloin joko laskenta-aika tai tilantarve aiheuttaa vaikeuksia. Taman tutkimuksen tarkoituksena on tutkia esimerkin avulla miten elementtiverkko vaikuttaa optimointiprosessiin ja optimirakenteisiin. Tutkimuksen keskeisin tulos on, etta yksi elementti kullakin suunnittelumuuttuja-aluella ei riita takaamaan hyvaa laskentatarkkuutta ja optimirakennetta. JOHDNTO Optimointi on systemaattinen tapa parantaa rakenteiden ominaisuuksia. Kantavien rakenteiden optimointiohjelma sisaltaa usein kolme eri osaa: optimointialgoritmin, rakenteen analysoinnin ja herkkyysanalyysin. Ohjelmiston keskeisin osa on optimointialgoritmi. Se voi olla joko yleisen matemaattisen optimointitehtavan ratkaiseva tai yksittaista tarkoitusta varten raataloity algoritmi. Hyva yleinen optimointialgoritmi pystyy ratkaisemaan todella monentyyppisia tehtavia. Raatii!Oity algoritmi saattaa taas olla tehokkaampi omassa ongelmassaan, mutta toisaalta se voi olla erittain huono ratkaisemaan muita optimointitehtavia. 44
2 Optimointialgoritmi tarvitsee kohdefunktion ja rajoitusehtojen arvot eri iteraatiokierroksilla, joten rakenteen ominaisuudet on laskettava kymmenia, joskus jopa satoja kertoja optimoinnin aikana. nalysointi ei saa siis kestaa kovin kauan. Toisaalta laskennan taytyy olla riittavan tarkka, jotta optimointialgoritmi osaa tehda oikeita johtopaatbksia. Kantavien rakenteiden optimoinnissa rakenteen ominaisuudet lasketaan lahes aina elementtimenetelmalla. Kolmas optimointiohjelmiston osa syntyy useimpien optimointialgoritmien tarpeesta saada kohde- ja rajoitusehtofunktioista mybs derivaattatietoa. Derivaatat suunnittelmuuttujien suhteen saadaan herkkyysanalyysista. Se voidaan sumittaa joko numeerisesti tai analyyttisesti. nalyyttinen tapa on huomattavasti tehokkaampi, koska siina derivointi on tehty jo ohjelmaa kehitettaessa. Elementtiverkko vaikuttaa optimointiprosessiin seka kohdefunktioiden ja rajoitusehtojen laskennan etta herkkyysanalyysin kautta. Tutkimuksessa selvitetaan elementtiverkon vaikutusta laattarakenteiden optimointiin ja se perustuu lahinna pienehkoista testiesimerkeista saatuihin kokemuksiin. Lopuksi esitellaan yksi kaytetyista testiesimerkeista. OPTIMOINTIOHJELM Testiesimerkit on laskettu CSOP-optimointiohjelmistolla [1], joka on kehitetty Tampereen teknillisen korkeakoulun teknillisen mekaniikan laitoksella. Optimointiohjelmalla voidaan talla hetkella optimoida ristikoita, levyjii ja laattoja. Ohjelmisto soveltuu normaalin jatkuvan optimoinnin lisiiksi diskreettiin ja monitavoitteiseen optimointiin. Ohjelmistossa on kaksi vaihtoehtoista optimointiohjelmaa: Schittkowskin NLPQL [2] ja Vanderplaatsin DS [3]. Molemmat ovat yleisia optimointiohjelmia eli ne pystyvat ratkaisemaan erilaisia optimointitehilivia. NLPQL kayttaa SQP-algoritmia ja DS-ohjelmassa voidaan valita haluttu algoritmi, joista SQP on osoittautunut parhaaksi. Kumpikin ohjelma on sijoitettu ohjelmistoon ns. mustaksi laatikoksi, joten niita ei optimointiprosessin aikana ulkoisesti ohjata. 45
3 SQP-algoritmi [ 4] on talla hetkella yksi parhaista epalineaarisen optimoinnin algoritmeista. Se antaa globaalin minimin konveksille tehtavalle, mutta valitettavasti rakenteiden optimointitehtavat ovat harvoin konvekseja. Epakonveksille tehtavalle algoritmi, kuten monet muutkin algoritmit, konvergoi yleensa lokaaliin minimiin. Onneksi kaytannossa lokaali minimikin riittai'i, kunhan rakenne vain paranee. CSOP-optimointiohjelmassa on pienehko elementtimenetelmaohjelma. Siina on 2D ja 3D -sauvaelementit, levyelementti ja laattaelementti. Kaikilla elementeilla voidaan laskea statiikan tehtavia ja laattaelementilla lisaksi myos alimpia ominaiskulmataajuuksia. Levy- ja laattaelementteja voidaan kayttaa myos komposiittirakenteiden laskentaan. Ohjelman Reissner-Mindlin -teoriaan perustuva laattaelementti [5] on nelisolmuinen ja siina kaytetaan bilineaarista interpolointia. Elementille on johdettu myos konsistenttia tyyppia oleva massamatriisi [6]. Elementin jannityskomponentit lasketaan sen keskipisteessa ja niista muodostetaan von Mises -vertailujannitys. Tara vertailujannitysta voidaan kayttaa jannitysrajoitusehdossa. Ohjelman herkkyysanalyysi on tehty analyyttisesti. luksi herkkyysanalyysissa derivoidaan jokaisen elementin jaykkyys- ja massamatriisit seka kuormitusvektori suunnittelumuuttujien suhteen. Naista elementtien derivaatoista muodostetaan globaalit jaykkyys- ja massamatriisin seka kuormitusvektorin derivaatat. Ohjelmassa oletetaan, etta kuormitusvektori ei riipu suunnittelumuuttujista, joten kuormituksen derivaatta on nolla jokaisen suunnittelumuuttujan suhteen. Elementtimenetelman perusyhtalbita Kii = p (1) derivoimalla siirtymalle ja ominaiskulmataajuudelle saadaan derivaattakaavat K ii 1 = P'- K 1 ii = - K 1 ii (2) 4 6
4 Kaavoissa (1) ja (2) K tarkoittaa rakenteen jaykkyysmatriisia, M massamatriisia, u siirtymavektoria, p kuormitusvektoria, CO; ominaiskulmataajuutta ja $'; siihen liittyvaa ominaisvektoria. Pilkutetut suureet ovat naiden derivaattoja suunnittelumuuttujien suhteen. Statiikan tehtavassa siirtyman derivaatan laskeminen on siis vain uusi kuormitustapaus ja ominaiskulmataajuuden derivaatan laskentaan tarvitaan muutamia matriisin ja vektorin valisia kertolaskuja. Laskennan muihin osiin verrattuna nama ovat pienitoisia. Kun siirtymien ja ominaiskulmataajuuksien deiivaatat on laskettu, niiden avulla saadaan muiden siirtymista ja ominaiskulmataajuuksista riippuvien suureiden, kuten esimerkiksi jannitysten ja ominaisvektorien, derivaatat. Naiden de1ivaattojen avulla paastaan edelleen kohdefunktion ja rajoitusehtojen derivaattoihin, jotka palautetaan optimointialgoritmille. ELEMENTTIVERKON V IKUTUS OPTIMOINTIPROSESSN Jos elementtiverkko ei ole riiwivan tihea, niin elementtimenetelmassa malli on yleensa liian jaykka, jolloin optimointialgoritmi kuvittelee tilanteen todellista paremmaksi. Optimoitu rakenne jaa siis liian hennoksi, jolloin siirtymat ja jannitykset ovat liian suuria seka ominaiskulmataajuudet ovat liian pienia. Elementtiverkolla, jolla FEManalyysin tulos on kohtuullisen tarkka, voidaan kuitenkin saada jo varsin hyvia optimirakenteita. Niissa voi olla viela yksittaisia liian heikkoja kohtia, mutta perusmuoto on jo oikea. Kun elementtiverkkoa tihennetaan, niin laskenta-aika ja muistin tarve kasvavat nopeasti. Optimointitehtavasta ja tietokoneesta riippuu, kumpi on rajoittavampi tekija. Tiheita verkkoja kaytettaessa elementtiverkon tekeminen on tyolaampaa, joten esi- ja mahdollisesti myos jalkikasittelijaa tarvitaan verkon kasittelyyn. Esi- ja jalkikasittelijana voidaan kayttaa kaupallisia ohjelmia, kuten esimerkiksi nsys, Patran tai Matlab, mutta talloin tarvitaan erityista linkkiohjelmaa esi- ja jalkikasittelijan seka optimointiohjelman valiin. Rakenne ja siina olevat jannitykset muuttuvat optimoinnin aikana, joten optimoinnin lahtopisteessa hyvaksi havaittu elementtiverkko ei valttamatta ole enaa hyva 47
5 optimirakennetta analysoitaessa. Tama ilmio houkuttelee kayttamaan adaptiivista verkon generointia. daptiivisen verkon generoinnin kaytannon toteutukseen liittyvien ongelmien lisaksi on pari seikkaa, jotka saattavat vaikeuttaa optimointia. Ensiksi adaptiivinen verkon generointi vie aikaa, koska eri verkkovaihtoehtoja taytyy kokeilla. Tama ajan lisays helposti moninkertaistuu, silla elementtiverkkoa taytyy ehka muuttaa jopa kymmenia kertoja optimointiprosessin aikana. Toinen mahdollinen ongelma on epajatkuvuus. Samasta rakenteesta saadaan eri elementtiverkoilla aina erilainen tulos. Jos iteraatioiden valilla muutetaan elementtiverkkoa, niin seuraavassa iteraatiossa analyysin tulokseen vaikuttaa rakenteen muuttumisen ohella elementtiverkon erilaisuus. Talloin iteraatioiden valilla on epajatkuvuutta, mista SQP-algoritmi ei pida, silla siina funktioiden ja niiden ensimmaisten derivaattojen suunnittelumuuttujen suhteen oletetaan olevan jatkuvia [2, s. 81] [4, s. 404]. Jatkuvuusongelmat ilmenevat lahinna optimoinnin ennenaikaisena paattymisena. ESIMERKKI Esimerkkina kaytetaan kuvan 1. mukaista teraslaattaa. Laatta on pitkilta sivuiltaan jaykasti tuettu ja sita kuormitetaan tasaisella painekuormalla. Laskennassa huomioidaan laatan kaksoissymmetria, joten vain laatan neljannes mallinnetaan. Mallinnettu neljannes on jaettu kuvan 1. mukaisesti 12 osaan, joiden paksuudet ovat suunnittelumuuttujia. p E = 206 GPa v = 0,3 p = 0,4 MPa (} = 7800 kg/m 3 L = 600 mm 0' 5311 = 140 MPa f L i Kuva 1. Laatan tuenta, kuormitus ja suunnittelumuuttujat tl = 3 mm tv= 60 mm 48
6 Laattaa optimoidaan monitavoitteisesti [7], jolloin kriteereina ovat: laatan massa m, keskipisteen pystysiirtyma O ja alin ominaiskulmataajuus W 1 Massaa ja pystysiirtymaa minimoidaan, ominaiskulmataajuutta maksimoidaan. Optimointitehtava on siis (3) Kaavassa (3) suurella tj tarkoitetaan alueen j paksuutta ja <Jmax on suurin laatassa oleva von Mises -vertailujannitys. Yleensa monitavoitteinen optimointitehtava ratkaistaan laskemalla keskenaan ristiriidassa olevien kriteerien minimit seka useita Paretooptimeja naiden minimien valilta. Talla kertaa valipisteita ei lasketa vaan tyydytaan pelkkiin kriteerien minimeihin. Verkko 1 Verkko Blllllllllll Verkko 3 Verkko Kuva 2. Laatan neljanneksen mallintamiseen kaytetyt elementtiverkot. Verkot 1, 2 ja 3 ovat optimointia ja verkko 4 tarkistuslaskentaa varten. Tehtava lasketaan kolmella eri elementtiverkolla, jotka on esitetty kuvassa 2. Elementtiverkossa 1 on 12 elementtia ja 39 vapausastetta. Se on harvin mahdollinen verkko eli jokaisella suunnittelumuuttuja-alueella on vain yksi elementti. Verkossa 2 on suunnittelumuuttuja-alueella 4 elementtia, joten koko mallissa on 48 elementtia ja 49
7 151 vapausastetta. Verkko 3 on tihein optimointiverkoista ja sisaltaa jokaisella suunnittelumuuttuja-alueella 9 elementtia eli yhteensa 108 elementtia ja 335 vapausastetta. Verkossa 4 on 768 elementtia ja 4998 vapausastetta. Tatii verkkoa kaytetaan tulosten tarkistamiseen. Tarkistuslaskenta tehdaan BQUS-ohjelmalla kayttaen nelisolmuista S4R-kuorielementtia. Samoilla elementtiverkoilla taman kuorielementtin ja CSOPohjelman laattaelementin siirtymien valinen ero on enintaan pari prosenttia, joten elementin erilaisuus ei juurikaan vaikuta laskentatuloksiin. luksi verkkoja kokeiltiin tasapaksulle (t = 20 mm) laatalle. Tulokset on esitetty taulukossa 1. Kaikki kolme optimointiverkkoa antoivat suuruusluokaltaan samoja tuloksia kuin vertailuverkko, joskin verkon 1 tulokset ovat aika kaukana vertailutuloksesta. Elementtiverkoilla 2 ja 3 siirtyma ja alin ominaiskulmataajuus ovat jo varsin tarkkoja, mutta vertailujannitys on viela virheellinen. Tama on kuitenkin nom1aalia, silla vapausasteita lisattaessa jannityskomponentit konvergoivat yleensa siirtymia hitaammin. Taulukko 1. FEM-analyysin tulokset tasapaksulle laatalle, kun kaytetyt elementtiverkot ovat kuvan 2 mukaiset. I Verkko 1 Verkko 2 Verkko 3 Verkko 4 8/ mm 0,685 0,852 0,883 0,904 (J.) 1 /(rad/s) I ()'max/ MPa Eri elementtiverkkojen testaaminen tasapaksulla laatalla on mielekasta, silla se on rakennevaihtoehtoista helpoin analysoida. Jos elementtiverkolla ei saada laskettua edes tasapaksua laattaa riittavan tarkasti, niin tuskin laattarakenteen, jossa on runsaasti paksuuden vaihteluja, laskentakaan onnistuu. Toisaalta, jos elementtiverkolla tasapaksun laatan analysointi onnistuu hyvalla tarkkuudella, niin se ei viela takaa, etta sama onnistuisi optimoinnin aikana, jolloin laatan eri alueiden paksuus vaihtelee. 50
8 Kun elementtiverkkojen tarkkuus tasapaksulla laatalla oli testattu, niita kokeiltiin optimoinnissa. Jokaisella optimointiverkolla, eli verkoilla 1, 2 ja 3, laskettiin massan ja keskipisteen pystysiirtyman minimit seka alimman ominaiskulmataajuuden maksimi. Optimoinnin lahtopisteena kaytettiin tasapaksua (t = 20 mm) laattaa. Samaa Hihtopistetta kayttamalla eri verkkojen optimointiprosessit ovat vertailukelpoisempia kuin eri lahtopisteista optimoimalla. Eri verkkojen tuloksia vertaillessa kannattaa kiinnittaa huomiota itse optimirakenteisiin, kriteerien arvoihin seka suurimpaan von Mises -vertailujannitykseen. Optimirakenteet on esitetty kuvissa 3, 4 ja 5. Kuvassa 3 on massan minimit, kuvassa 4 on pystysiirtyman minimit ja kuvassa 5 on alimman ominaiskulmataajuuden maksimit. Naissa kuvissa suunnittelumuuttuja-alueelle on merkitty kyseisella alueella oleva laatan paksuus eli suunnittelumuuttujan arvo. Taulukkoihin 2, 3 ja 4 on koottu optimien eri kriteerien seka vertailujannityksen arvot. Taulukossa 2 on massan minimit, taulukossa 3 on keskipisteen pystysiirtyman minimit ja taulukossa 4 on alimman ominaiskulmataajuuden maksimit. Naissa taulukoissa ilman sulkuja on esitetty kokeiluverkoilla saadut tulokset eli ne, joiden perusteella optimointi on tehty. Jotta optimirakenteen ominaisuuksista saataisiin todellisempi kuva, rakenne analysoidaan myos BQUS-ohjelmalla. Tarkistuslaskennassa kaytetaan kuvan 2 tiheinta elementtiverkkoa 4. Taulukoihin 2, 3 ja 4 tarkistuslaskennan tulos on kirjoitettu sulkuihin. Verkolla 4 saadut siirtymat ja ominaiskulmataajuudet lienevat hyvin lahella oikeaa eivatka jannityskomponentitkaan ole kovin virheellisia, jos siirtymat pysyvat laatan paksuuteen verrattuna pienina. Kuten myohemmin havaitaan, elementtiverkon 1 optimirakenteissa siirtymat kasvoivat niin suuriksi, ettei laskenta enaa onnistu lineaarisella FEM-analyysilla. Tassa tapauksessa virheellisestakin tarkistuslaskennasta saatiin kuitenkin tieto, ettei optimirakenne kesta. Laatan massan arvoa ei tarvitse tarkistaa, silla se lasketaan kappaleen mittojen ja materiaalitiheyden avulla eika se siis suoranaisesti riipu elementtiverkosta. 51
9 MSSN MINIM! Verkko 1 Verkko 2 11,98 30,36 3,00 3,00 32,17 3,00 21,67 21,67 21,32 21,30 21,33 21,48 3,00 3,00 3,00 3,00 3,00 3, ,56 7,60 7,60 7,60 7,58 Verkko 3 22,78 22,86 22,39 22,48 22,47 22,47 8,76 8,06 8,16 8,15 8,15 8,15 Kuva 3. Massan minimiratkaisut eri elementtiverkoilla. Kuvan luvut ovat laatan eri alueiden paksuuksia millimetreina. Taulukko 2. Kriteerien ja maksimijiinnitysten arvot kuvan 3 massan minimirakenteilla. Taulukossa ilman sulkuja on esitetty tutkittavalla verkolla saatu tulos ja suluissa on verkolla 4 saatu vertailutulos. I Verkko 1 Verkko 2 Verkko 3 m = 71,3 kg m = 122,5 kg m = 129,8 kg I 8 = 1,26 mm 8 = 1,94 mm 8 = 1,76 mm (8 = 46,3 mm) (8 = 2,21 mm) (8 = 1,85 mm) W 1 = 2995 rad/s W 1 = 2189 rad/s W 1 = 2197 rad/s (W 1 = 773 rad/s) (W 1 = 2016 rad/s) (W 1 = 2127 rad/s) ()max = 140 MPa ()max = 140 MPa ()max = 140 MPa (()max = 3737 MPa) (()max = 198 MPa) (()max = 166 MPa) 52
10 PYSTYSRTYMN MINIMI Verkko 1 Verkko 2 3,00 3,00 3,00 3,00 60,00 60,00 11,76 7,21 3,00 60,00 60,00 60,00 26,89 10,54 3,00 11,51 60,00 10,97 12,86 60,00 60,00 60,00 60,00 60,00 Verkko 3 17,63 3,65 3,67 60,00 60,00 60,00 15,32 23,67 60,00 60,00 60,00 60,00 Kuva 4. Keskipisteen pystysiirtymiin minimirakenteet eri elementtiverkoilla. Kuvan luvut ovat laatan eri alueiden paksuuksia millimetreinii. Taulukko 3. Kriteerien ja maksimijannityksen arvot kuvan 4 siirtymiin minimiratkaisuilla. Taulukossa ilman sulkuja on tutkittavalla elementtiverkolla saatu tulos ja suluissa on verkolla 4 saatu vertailutulos. Verkko 1 Verkko 2 I Verkko 3 m = 193 kg m = 362 kg m = 341 kg () = 0,017 mm ()= 0,022 mm () = 0,027 mm I (()= 0,193 mm) (() = 0,024 mm) (() = 0,028 mm) ro 1 = 2034 rad/s ffi 1 = 1790 rad/s ffi 1 = 2205 rad/s (ro 1 = 259 rad/s) (ffi 1 = 1661 rad/s) (ro 1 = 2044 rad/s) O'max = 140 MPa O'max = 140 MPa O'max = 140 MPa ( O'max = 4543 MPa) ( O'max = 236 MPa) ( O'max = 227 MPa) 53
11 LIMMN OMINISKULMTJUUDEN MKSIMI Ved-d-<o 1 Verkko 2 60,00 60,00 60,00 60,00 60,00 60,00 60,00 60,00 60,00 60,00 60,00 60,00 3,00 3,00 3,00 3,00 3,00 3,00 23,94 3,00 28,06 3,00 60,00 14,40 Verkko 3 60,00 60,00 60,00 60,00 60,00 60,00 60,00 3,93 60,00 3,93 60,00 15,08 Kuva 5. limman ominaiskulmataajuuden maksimirakenteet eri elementtiverkoilla. Kuvan luvut ovat laatan eri alueiden paksuuksia millimetreina. Taulukko 4. Kriteerien ja maksimijannityksen arvot kuvan 5 ominaiskulmataajuuden maksimiratkaisuille. Taulukossa ilman sulkuja on tutkittavalla elementtiverkolla saatu tulos ja suluissa on verkolla 4 saatu vertailutulos. Verkko 1 Verkko 2 I Verkko 3 m = 265 kg m = 347 kg m = 395 kg 8 = 0,08 mm (\ = 0,12 mm 8 = 0,12 mm (O = 16,4 mm) (O = 0,13 mm) (O = 0,12 mm) ffi 1 = rad/s ffi 1 = 6278 rad/s ffi 1 = 5931 rad/s I (ffi 1 = 1169 rad/s) (ro 1 = 4965 rad/s) (ffi 1 = 5764 rad/s) ()max = 14 MPa ()max = 26 MPa ()max = 122 MPa (0max = 1564 MPa) (()max = 294 MPa) ( 0max = 165 MPa) 54
12 Jos tarkastellaan pelkastaiin optimointiohjelman antamia tuloksia, niin havaitaan, ewi verkolla 1 saadaan parhaat kriteerien arvot. Paremmuus on kuitenkin vain naennaista, silla tarkistuslaskenta osoittaa, etta verkolla 1 lasketut tulokset ovat taysin vaaria. Siirtymat ovat jopa niin suuria, ettei laattateorian pienten siirtymien oletuskaan ole enaa voimassa, jolloin vertailutuloksetkin ovat todennakoisesti kaukana oikeista. Kun elementtiverkolla 1 saadut optimirakenteet lisaksi poikkeavat selvasti muista vastaavista rakenteista, ei verkon 1 tuloksia voida pitaa kayttokelpoisina. Verkoilla 2 ja 3 saadut optimirakenteet muistuttavat toisiaan ja tarkistuslaskenta osoittaa FEM-analyysin tuloksen olevan kummallakin verkolla oikeaa suuruusluokkaa myos rakenteilla, joissa materiaalipaksuus vaihtelee. Kun tehtavaa optimoidaan kayttaen elementtiverkkoa 2, rakenteeseen jaa suurehkoja alueita, jotka ovat liian heikkoja. Esimerkiksi paksuuden alaraja t = 3 mm ei nayttaisi kestavan missaan laatan kohdassa. Pienien korjausten jalkeen verkolla 2 saatuja optimituloksia voidaan kuitenkin kayttaa. Verkolla 3 saadaan jo hyvia tuloksia. Siirtyman ja ominaiskulmataajuuden virhe on aile 5 %. Jannitysrajoitusehto O'max s; 140 MPa rikkoontuu viela paksuuden akillisista muutoksista syntyvien nurkka- ja reunahairioiden takia. Verkolla 3 saadut tulokset ovat kuitenkin jo lahes sellaisenaan (valmistustekniikan puitteissa) kayttokelpoisia. Osasyy elementtiverkon 1 huonoon tarkkuuteen on laattaelementin bilineaarisessa interpoloinnissa. Jos oletetaan, etta joku paksuus on alarajallaan eli t = 3 mm, niin talle suunnittelumuuttuja-alueelle syntyy painekuorman vaikutuksesta paikallinen kuplamuotoinen taipuma. lueella olevalla yhdella bilineaarista interpolointia kayttavalla elementilla kuplamuotoa ei voida esittaa. Jos alueella on nelja elementtia eli kaytetaan elementtiverkkoa 2, niin kuplamuotoa voidaan jo karkeasti hahmotella. Verkko ei ole kuitenkaan tarpeeksi tihea, silla ohjelma tarjoaa yha paksuuden alarajaa. Vasta yhdeksan elementtia yhdella suunnittelumuuttuja-alueella nayttaisi riittavan taman paikallisen ilmion mallintamiseen kohtuullisella tarkkuudella. Laskennan tarkkuuden ohella on mielenkiintoista vertailla myos laskennan vaatimia CPU-aikoja. Eri verkoilla kaytetyt CPU-ajat on koottu taulukkoon 5. Niista havaitaan, etta harvimmalla verkolla laskenta-aika on pienin ja tiheimmalla verkolla suurin, kuten oli odotettavissakin. Lisaksi nahdaan, etta CPU-aika kasvaa vapausasteiden 55
13 lukumaaraa nopeammin. Vapausasteiden lukumaara vaikuttaa laskenta-aikaan analyysin kestoajan lisaksi ohjaamalla optimointialgoritmia eri tieta eri ratkaisuun, jolloin myos tarvittavien FEM-analyysien maara muuttuu. Taulukko 5. Optimointiin kaytetyt CPU-ajat Silicon Graphics Iris Indigo -tyoasemalla. CJ Verkko 1 Verkko 2 Verkko 3 39 vapausastetta 151 vapausastetta 335 vapausastetta min m 3,03 s 22,01 s 96,63 s min b 12,89 s 97,27 s 334,96 s max CD 1 2,39 s 128,66 s 475,58 s Esimerkkia voidaan kayttaa myos selventamaan monitavoitteisen optimoinnin keskeista ideaa. Tarkastellaan tassa yhteydessa vain verkolla 3 saatuja tuloksia ja kootaan kriteerien arvot taulukoista 2, 3 ja 4 taulukkoon 6. Taulukko 6. Kriteerien arvot minimipisteissa, kun kaytetaan verkkoa 3. I min m min b max CD 1 m = 129,8 kg m = 341 kg m = 395 kg I b = 1,76 mm b = 0,027 mm b = 0,12 mm CD 1 = 2197 rad/s CD 1 = 2205 rad/s W 1 = 5931 rad/s Taulukosta 6 havaitaan, etta yksittaisen kriteerin (esim. massan) minimissa muilla kriteereilla (siirtymalla ja ominaiskulmataajuudella) on huonot arvot. Helposti syntyykin ajatus, etta kayttokelpoisin ratkaisu voisi olla jossain naiden kriteerien minimipisteiden valilla, jolloin mikaan kriteeri ei saa parasta mahdollista muttei kovin huonoa- 56
14 kaan arvoa. Monitavoitteisessa optimoinnissa etsitlhin juuri nliitli kompromissiratkaisuja, joita kutsutaan Pareto-optimeiksi. Kannattaa huomata, etta kriteerien minimipisteet ovat myos Pareto-optimeja. Elementtiverkon valinnassa tliytyykin huomioida mitli lasketaan. Jos esimerkkitehtlivlistli halutaan laskea vaikkapa sata Pareto-optimia, niin kannattaa kliyttlili elementtiverkkoa 2, koska se on kohtuullisen tarkka ja selvlisti nopeampi kuin elementtiverkko 3. Jos taas halutaan laskea muutama optimointitehtlivli, niin elementtiverkon 3 kaytto on suositeltavaa, koska laskenta-ajan merkitys ei ole enaa niin suuri. Elementtiverkkoa 1 ei kannata koskaan kayttali. YHTEENVETO Tutkimuksessa havaittiin, etta ainakin tassa esimerkissa elementtiverkon valinta vaikuttaa merkittavlisti optimituloksiin. Yksi elementti suunnittelumuuttuja-alueella ei riita takaamaan riittavaa laskentatarkkuutta. Kuitenkin optimointia kasittelevissa artikkeleissa nakee usein kaytettavan tallaisia elementtiverkkoja. Nelja elementtia suunnittelumuuttuja-alueella antaa kohtuullisen tarkkuuden ja sijoittamalla yhdeksan elementtili jokaiselle suunnittelumuuttuja-alueella saadaan jo varsin hyva laskentatarkkuus. Parantuneen tarkkuuden hintana optimointiin kliytetty CPU-aika kasvaa nopeasti. LHTEET [1] Pora, M. Kantavien komposiittilevyjen ja -laattojen optimointi, Lisensiaatintyo. Tampere Tampereen teknillinen korkeakoulu. 93 s. [2] Schittkowski, K. What is EMP. Bayreuth Matematisches Institut, Universitlit Bayreuth. 197 s. ( EMP-asiantuntijajarjestelman, jonka osa NLPQL on, ohjekirja ) [3] Vanderplaats, G. N. DS - Fortran program for automated design synthesis, Version Engineering Optimization Inc. 54 s. 57
15 [4] rora, J. S. Introduction to Optimum Design. New York McGraw-Hill. 625 s. [5] Bathe, K. J. & Dvorkin, E. N. Short communication: four node plate bending element based on Mindlin/Reissner plate theory and a mixed interpolation. International Journal for Numerical Methods in Engineering Vol 21, p [6] Turkkila, T. Diskreettien lujuusopillisten optimointitehtavien numeerinen ratkaiseminen, Diplomityo, Tampere Tampereen teknillinen korkeakoulu. 69 s. [7] Koski, J. Multicriterion structural optimization. In: deli H. dvances in design optimization. London Chapman & Hall. S Timo Turkkila, DI TTKK, Teknillinen mekaniikka PL Tampere 58
ELEMENTTIMENETELMÄN PERUSTEET SESSIO 01: Johdanto. Elementtiverkko. Solmusuureet.
0/ ELEMENTTIMENETELMÄN PERUSTEET SESSIO 0: Johdanto. Elementtiverkko. Solmusuureet. JOHDANTO Lujuuslaskentatehtävässä on tavoitteena ratkaista annetuista kuormituksista aiheutuvat rakenteen siirtmätilakenttä,
Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016
Osakesalkun optimointi Anni Halkola Turun yliopisto 2016 Artikkeli Gleb Beliakov & Adil Bagirov (2006) Non-smooth optimization methods for computation of the Conditional Value-at-risk and portfolio optimization.
OSIITAIN JA YKKIEN LIITOSTEN V AIKUTUS PORTAALIKEHAN VOI MASUUREISIIN. Rakenteiden Mekaniikka, Vol.27 No.3, 1994, s. 35-43
OSIITAIN JA YKKIEN LIITOSTEN V AIKUTUS PORTAALIKEHAN VOI MASUUREISIIN Esa Makkonen Rakenteiden Mekaniikka, Vol.27 No.3, 1994, s. 35-43 Tiivistelmii: Artikkelissa kehitetaan laskumenetelma, jonka avulla
10 knm mm 1000 (a) Kuva 1. Tasokehä ja sen elementtiverkko.
Elementtimenetelmän perusteet Esimerkki. kn kn/m 5 = 8 E= GPa mm 5 5 mm (a) 5 5 6 Y X (b) Kuva. Tasokehä ja sen elementtiverkko. Tarkastellaan kuvassa (a) olevan tasokehän statiikan ratkaisemista elementtimenetelmällä.
Kimppu-suodatus-menetelmä
Kimppu-suodatus-menetelmä 2. toukokuuta 2016 Kimppu-suodatus-menetelmä on kehitetty epäsileiden optimointitehtävien ratkaisemista varten. Menetelmässä approksimoidaan epäsileitä funktioita aligradienttikimpulla.
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 Väliarvolause Oletetaan, että funktio f on jatkuva jollain reaalilukuvälillä [a, b] ja derivoituva avoimella välillä (a, b). Funktion muutos tällä välillä on luonnollisesti
Johdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 3. luento 17.11.2017 Neuroverkon opettaminen (ohjattu oppiminen) Neuroverkkoa opetetaan syöte-tavoite-pareilla
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Yleistä https://korppi.jyu.fi/kotka/r.jsp?course=96762 Sisältö Johdanto yksitavoitteiseen
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 9. harjoitus - ratkaisut 1. a) Viivahakutehtävä pisteessä x suuntaan d on missä min f(x + λd), λ f(x + λd) = (x
Exam III 10 Mar 2014 Solutions
TTY/ Department o Mechanical Engineering and Industrial Systems TE III / EDE_ / S EDE- Finite Ement Method Exam III Mar Solutions. Compute the dection at right end o the y,v / F structure using the potential
OHUEN PYORAHDYSSYMMETRISESTI KAYTT A YTYV AN KUORIRAKENTEEN OPTIMOINTI. Rakenteiden Mekaniikka, Vol. 28 No 2, 1995, s Esa Murtola TIIVISTELMA
OHUEN PYORAHDYSSYMMETRISESTI KAYTT A YTYV AN KUORIRAKENTEEN OPTIMOINTI Esa Murtola Rakenteiden Mekaniikka, Vol. 28 No 2, 1995, s. 18-34 TIIVISTELMA Artikkelissa tutkitaan ohuen pyorahdyssymmetrisesti kayttaytyvan
Harjoitus 4: Matlab - Optimization Toolbox
Harjoitus 4: Matlab - Optimization Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen
. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-.39 Optimointioppi Kimmo Berg 8. harjoitus - ratkaisut. a)huomataan ensinnäkin että kummankin jonon raja-arvo r on nolla. Oletetaan lisäksi että
Numeeriset menetelmät
Numeeriset menetelmät Luento 2 To 8.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 2 To 8.9.2011 p. 1/33 p. 1/33 Lukujen tallennus Kiintoluvut (integer) tarkka esitys aritmeettiset operaatiot
ELEMENTTIMENETELMÄN PERUSTEET SESSIO 05: FEM-analyysista saatavat tulokset ja niiden käyttö.
05/1 ELEMENTTIMENETELMÄN PERUSTEET SESSIO 05: FEM-analyysista saatavat tulokset ja niiden käyttö. YLEISTÄ Laskentamallin luonnin ja varsinaisen laskennan lisäksi FEM-analyysi sisältää myös tulosten tarkastelun
Numeeriset menetelmät
Numeeriset menetelmät Luento 5 Ti 20.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 5 Ti 20.9.2011 p. 1/40 p. 1/40 Choleskyn menetelmä Positiivisesti definiiteillä matriiseilla kolmiohajotelma
1 Rajoittamaton optimointi
Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y
Luento 11: Rajoitusehdot. Ulkopistemenetelmät
Luento 11: Rajoitusehdot. Ulkopistemenetelmät ja sisäpistemenetelmät Lagrangen välttämättömien ehtojen ratkaiseminen Newtonin menetelmällä Jos tehtävässä on vain yhtälörajoituksia, voidaan minimipistekandidaatteja
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Optimaalisuus: objektiavaruus f 2 min Z = f(s) Parhaat arvot alhaalla ja vasemmalla
Materiaali on lineaarinen, jos konstitutiiviset yhtälöt ovat jännitys- ja muodonmuutostilan suureiden välisiä lineaarisia yhtälöitä.
JÄNNITYS-JAMUODONMUUTOSTILANYHTYS Materiaalimalleista Jännitys- ja muodonmuutostila ovat kytkennässä toisiinsa ja kytkennän antavia yhtälöitä sanotaan materiaaliyhtälöiksi eli konstitutiivisiksi yhtälöiksi.
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 10 1 Funktion monotonisuus Derivoituva funktio f on aidosti kasvava, jos sen derivaatta on positiivinen eli jos f (x) > 0. Funktio on aidosti vähenevä jos sen derivaatta
TTY Porin laitoksen optimointipalvelut yrityksille
TTY Porin laitoksen optimointipalvelut yrityksille Timo Ranta, TkT Frank Cameron, TkT timo.ranta@tut.fi frank.cameron@tut.fi Automaation aamukahvit 28.8.2013 Optimointi Tarkoittaa parhaan ratkaisun valintaa
Malliratkaisut Demot
Malliratkaisut Demot 1 23.1.2017 1. Päätösmuuttujiksi voidaan valita x 1 : tehtyjen peruspöytin lukumäärä x 2 : tehtyjen luxuspöytien lukumäärä. Optimointitehtäväksi tulee max 200x 1 + 350x 2 s. t. 5x
Viikon aiheet. Funktion lineaarinen approksimointi
Viikon aiheet Funktion ääriarvot Funktion lineaarinen approksimointi Vektorit, merkintätavat, pituus, yksikkövektori, skalaarilla kertominen, kanta ja kannan vaihto Funktion ääriarvot 6 Väliarvolause Implisiittinen
A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.
Esimerkki otteluvoiton todennäköisyys A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä. Yksittäisessä pelissä A voittaa todennäköisyydellä p ja B todennäköisyydellä q =
Kon Simuloinnin Rakentaminen Janne Ojala
Kon 16.4011 Simuloinnin Rakentaminen Janne Ojala Simulointi käytännössä 1/3 Simulaatiomalleja helppo analysoida Ymmärretään ongelmaa paremmin - Opitaan ymmärtämään koneen toimintaa ja siihen vaikuttavia
Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)!
LUT-Kone Timo Björk BK80A2202 Teräsrakenteet I: 17.12.2015 Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)!
Q Q 3. [mm 2 ] 1 1 = L
EDE-00 Elementtimenetelmän perusteet. Harjoitus 5r Syksy 03. 400 mm 0 kn 600 mm A 400 mm B 8 kn 300 mm 5 kn 000 mm 8 kn 300 mm 300 mm 00 mm. Määritä pisteiden A ja B siirtymät elementtimenetelmällä, kun
Malliratkaisut Demo 1
Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,
Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla
Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla Erkki Heikkola Numerola Oy, Jyväskylä Laskennallisten tieteiden päivä 29.9.2010, Itä-Suomen yliopisto, Kuopio Putkistojen äänenvaimentimien suunnittelu
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Funktion kuperuussuunnat Derivoituva funktio f (x) on pisteessä x aidosti konveksi, jos sen toinen derivaatta on positiivinen f (x) > 0. Vastaavasti f (x) on aidosti
SIPOREX-HARKKOSEINÄÄN TUKEUTUVIEN TERÄSPALKKIEN SUUNNITTELUOHJE 21.10.2006
SIPOREX-HARKKOSEINÄÄN TUKEUTUVIEN TERÄSPALKKIEN SUUNNITTELUOHJE 21.10.2006 Tämä päivitetty ohje perustuu aiempiin versioihin: 18.3.1988 AKN 13.5.1999 AKN/ks SISÄLLYS: 1. Yleistä... 2 2. Mitoitusperusteet...
Harjoitus 8: Excel - Optimointi
Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen
Luento 6: Monitavoitteinen optimointi
Luento 6: Monitavoitteinen optimointi Monitavoitteisessa optimointitehtävässä on useita optimoitavia kohdefunktioita eli ns kriteereitä: f,,f m Esimerkki ortfolion eli arvopaperijoukon optimoinnissa: f
1 Komparatiivinen statiikka ja implisiittifunktiolause
Taloustieteen matemaattiset menetelmät 27 materiaali 4 Komparatiivinen statiikka ja implisiittifunktiolause. Johdanto Jo opiskeltu antaa nyt valmiu tutkia taloudellisia malleja Kiinnostava malli voi olla
5. Numeerisesta derivoinnista
Funktion derivaatta ilmaisee riippumattoman muuttujan muutosnopeuden riippuvan muuttujan suteen. Esimerkiksi paikan derivaatta ajan suteen (paikan ensimmäinen aikaderivaatta) on nopeus, joka ilmaistaan
KJR-C2002 Kontinuumimekaniikan perusteet
KJR-C2002 Kontinuumimekaniikan perusteet Luento 25.11.2015 Susanna Hurme, Yliopistonlehtori, TkT Tämän päivän luento Aiemmin ollaan johdettu palkin voimatasapainoyhtälöt differentiaaligeometrisella tavalla
Monitavoiteoptimointi
Monitavoiteoptimointi Useita erilaisia tavoitteita, eli useita objektifunktioita Tavoitteet yleensä ristiriitaisia ja yhteismitattomia Optimaalisuus tarkoittaa yleensä eri asiaa kuin yksitavoitteisessa
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016
Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)!
LUT-Kone Timo Björk BK80A2202 Teräsrakenteet I: 31.3.2016 Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)!
Yhden muuttujan funktion minimointi
Yhden muuttujan funktion minimointi Aloitetaan yhden muuttujan tapauksesta Tarpeellinen myös useamman muuttujan tapauksessa Tehtävä on muotoa min kun f(x) x S R 1 Sallittu alue on muotoa S = [a, b] tai
Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu
Talousmatematiikan perusteet: Luento 13 Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Viime luennolla Aloimme tarkastella yleisiä, usean muuttujan funktioita
Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28
Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä
Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu
Talousmatematiikan perusteet: Luento 14 Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu Luennolla 6 Tarkastelimme yhden muuttujan funktion f(x) rajoittamatonta optimointia
Luku 8. Aluekyselyt. 8.1 Summataulukko
Luku 8 Aluekyselyt Aluekysely on tiettyä taulukon väliä koskeva kysely. Tyypillisiä aluekyselyitä ovat, mikä on taulukon välin lukujen summa tai pienin luku välillä. Esimerkiksi seuraavassa taulukossa
Stalatube Oy. P u t k i k a n n a k k e e n m a s s o j e n v e r t a i l u. Laskentaraportti
P u t k i k a n n a k k e e n m a s s o j e n v e r t a i l u Laskentaraportti 8.6.2017 2 (12) SISÄLLYSLUETTELO 1 EN 1.4404 putkikannakkeen kapasiteetti... 4 1.1 Geometria ja materiaalit... 4 1.2 Verkotus...
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) vasemman puolen
Lineaarisen kokonaislukuoptimointitehtävän ratkaiseminen
Lineaarisen kokonaislukuoptimointitehtävän ratkaiseminen Jos sallittuja kokonaislukuratkaisuja ei ole kovin paljon, ne voidaan käydä kaikki läpi yksitellen Käytännössä tämä ei kuitenkaan ole yleensä mahdollista
Demo 1: Simplex-menetelmä
MS-C2105 Optimoinnin perusteet Malliratkaisut 3 Ehtamo Demo 1: Simplex-menetelmä Muodosta lineaarisen tehtävän standardimuoto ja ratkaise tehtävä taulukkomuotoisella Simplex-algoritmilla. max 5x 1 + 4x
Keskeiset tulokset heikko duaalisuus (duaaliaukko, 6.2.1) vahva duaalisuus (6.2.4) satulapisteominaisuus (6.2.5) yhteys KKT ehtoihin (6.2.
Duaalisuus Lagrangen duaalifunktio ja duaalitehtävä määrittely ja geometria max θ(u,v), missä θ(u,v)=inf x X ϕ(x,u,v) s.e u 0 Lagr. funktio ϕ(x,u,v)=f(x)+u T g(x)+v T h(x) Keskeiset tulokset heikko duaalisuus
NIKO ÄIKÄS 3D-RISTIKKORAKENTEEN TOPOLOGIAN OPTIMOINTI. Diplomityö
NIKO ÄIKÄS 3D-RISTIKKORAKENTEEN TOPOLOGIAN OPTIMOINTI Diplomityö Tarkastaja: Professori Reijo Kouhia, TkT Kristo Mela Tarkastaja ja aihe hyväksytty Teknisten tieteiden tiedekunnan tiedekuntaneuvoston kokouksessa
Julkisivukorjaus voi vaikuttaa myös rakennusakustiikkaan. TkK Jaakko Koskinen
Julkisivukorjaus voi vaikuttaa myös rakennusakustiikkaan TkK Jaakko Koskinen Taustalla Tampereen teknillisessä yliopistossa vuosina 2010-2011 tehty diplomityö tutkimuksen tavoitteena oli selvittää raskaan
TIES483 Epälineaarinen optimointi
TIES483 Epälineaarinen optimointi Käytännön optimointiongelmien ratkaiseminen jussi.hakanen@jyu.fi Syksy 2012 Käytännön optimointiongelmien ratkaiseminen Käytännössä tulee kiinnittää huomiota ainakin seuraaviin
Osakesalkun optimointi
Osakesalkun optimointi Anni Halkola Epäsileä optimointi Turun yliopisto Huhtikuu 2016 Sisältö 1 Johdanto 1 2 Taustatietoja 2 3 Laskumetodit 3 3.1 Optimointiongelmat........................ 4 4 Epäsileän
Lineaaristen monitavoiteoptimointitehtävien
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Jerri Nummenpalo 17.09.2012 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Numeeriset menetelmät
Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi
Malliratkaisut Demot
Malliratkaisut Demot 3.2.27 Tehtävä. Valmisohjelmistolla voidaan ratkaista tehtävä min c T x s. t. Ax b x, missä x, c ja b R n ja A R m n. Muunnetaan tehtävä max x + 2x 2 + 3x 3 + x s. t. x + 3x 2 + 2x
Optimoinnin sovellukset
Optimoinnin sovellukset Timo Ranta Tutkijatohtori TTY Porin laitos OPTIMI 4.12.2014 Mitä optimointi on? Parhaan ratkaisun systemaattinen etsintä kaikkien mahdollisten ratkaisujen joukosta Tieteellinen
min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4
Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8,
TKK, Matematiikan laitos Gripenberg/Harhanen Mat-1.432 Matematiikan peruskurssi K2 Harjoitus 4, (A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä ) 12 16.2.2007, viikko
POLYNOMISET JA RATIONAALISET PARAMETRISET KÄYRÄT MUODONOPTIMOINNISSA. Juha Mäkipelto Rakenteiden mekaniikka, Vol. 37 No. 2, 2004, ss.
POLYNOMISET JA RATIONAALISET PARAMETRISET KÄYRÄT MUODONOPTIMOINNISSA Juha Mäkipelto Rakenteiden mekaniikka, Vol. 37 No. 2, 2004, ss. 27 33 TIIVISTELMÄ Muodonoptimoinnissa suunnittelumuuttujana on periaatteessa
Malliratkaisut Demo 4
Malliratkaisut Demo 4 1. tehtävä a) f(x) = 2x + 21. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että imoinnin suhteen. Funktio on konveksi ja konkaavi. b) f(x) = x (pienin kokonaisluku
ELEMENTTIMENETELMÄN PERUSTEET SESSIO 07: Aksiaalinen sauvaelementti, osa 2.
7/ EEMENTTIMENETEMÄN PERSTEET SESSIO 7: Aksiaalinen sauvaelementti, osa. RATKAIS EEMENTIN AEESSA Verkon perusyhtälöstä [ K ]{ } = { F} saatavasta solmusiirtymävektorista { } voidaan poimia minkä tahansa
CHEM-A1410 Materiaalitieteen perusteet
CHEM-A1410 Materiaalitieteen perusteet Laskuharjoitus 18.9.2017, Materiaalien ominaisuudet Tämä harjoitus ei ole arvioitava, mutta tämän tyyppisiä tehtäviä saattaa olla tentissä. Tehtävät perustuvat kurssikirjaan.
Harjoitus 6 ( )
Harjoitus 6 (30.4.2014) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on max θ(u,v) s.t. u 0,
Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja
Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja Seuraavassa esitetään optimointitehtävien numeerisia ratkaisumenetelmiä, eli optimointialgoritmeja, keittokirjamaisesti.
Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta
Talousmatematiikan perusteet: Luento 15 Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta Viime luennolla Tarkastelimme usean muuttujan funktioiden rajoittamatonta optimointia:
12. Hessen matriisi. Ääriarvoteoriaa
179 12. Hessen matriisi. Ääriarvoteoriaa Tarkastelemme tässä luvussa useamman muuttujan (eli vektorimuuttujan) n reaaliarvoisia unktioita : R R. Edellisessä luvussa todettiin, että riittävän säännöllisellä
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Juho Andelmin 21.01.2013 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Raimo P. Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston
infoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1
infoa Viikon aiheet Tentti ensi viikolla ma 23.0. klo 9.00-3.00 Huomaa, alkaa tasalta! D0 (Sukunimet A-) E204 (Sukunimet S-Ö) Mukaan kynä ja kumi. Ei muuta materiaalia. Tentissä kaavakokoelma valmiina.
, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 017 Harjoitus 4 Ratkaisuehdotukset 4.1. Osoita, että tasa-arvojoukko S F (0), F : R 3 R, F (x) = 3x 1 x 3 + e x + x e x 3, on säännöllinen
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila
Harjoitus 3 (3.4.2014)
Harjoitus 3 (3..) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i, j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1
Opetusmateriaali. Fermat'n periaatteen esittely
Opetusmateriaali Fermat'n periaatteen esittely Hengenpelastajan tehtävässä kuvataan miten hengenpelastaja yrittää hakea nopeinta reittiä vedessä apua tarvitsevan ihmisen luo - olettaen, että hengenpelastaja
1 Rajoitettu optimointi I
Taloustieteen mat.menetelmät 2017 materiaali II-1 1 Rajoitettu optimointi I 1.1 Tarvittavaa osaamista Matriisit ja vektorit, matriisien de niittisyys Derivointi (mm. ketjusääntö, Taylorin kehitelmä) Implisiittifunktiolause
Mapu 1. Laskuharjoitus 3, Tehtävä 1
Mapu. Laskuharjoitus 3, Tehtävä Lineaarisessa approksimaatiossa funktion arvoa lähtöpisteen x 0 ympäristössä arvioidaan liikkumalla lähtöpisteeseen sovitetun tangentin kulmakertoimen mukaisesti: f(x 0
Järvitesti Ympäristöteknologia T571SA 7.5.2013
Hans Laihia Mika Tuukkanen 1 LASKENNALLISET JA TILASTOLLISET MENETELMÄT Järvitesti Ympäristöteknologia T571SA 7.5.2013 Sarkola Eino JÄRVITESTI Johdanto Järvien kuntoa tutkitaan monenlaisilla eri menetelmillä.
Johdantoa. Jokaisen matemaatikon olisi syytä osata edes alkeet jostakin perusohjelmistosta, Java MAPLE. Pascal MathCad
Johdantoa ALGORITMIT MATEMA- TIIKASSA, MAA Vanhan vitsin mukaan matemaatikko tietää, kuinka matemaattinen ongelma ratkaistaan, mutta ei osaa tehdä niin. Vitsi on ajalta, jolloin käytännön laskut eli ongelman
Numeeriset menetelmät
Numeeriset menetelmät Luento 11 Ti 11.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 11 Ti 11.10.2011 p. 1/34 p. 1/34 Automaattiset integrointialgoritmit Numeerisen integroinnin tarkkuuteen
5. OSITTAISINTEGROINTI
5 OSITTAISINTEGROINTI Kahden funktion f ja g tulo derivoidaan kuten muistetaan seuraavasti: D (fg) f g + f Kun tämä yhtälö integroidaan puolittain, niin saadaan fg f ()g()d + f ()()d Yhtälö saattaa erota
Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt
Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.
KJR-C2002 Kontinuumimekaniikan perusteet
KJR-C2002 Kontinuumimekaniikan perusteet Luento 23.11.2015 Susanna Hurme, Yliopistonlehtori, TkT Luennon sisältö Hooken laki lineaaris-elastiselle materiaalille (Reddy, kpl 6.2.3) Lujuusoppia: sauva (Reddy,
Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio
Ellipsoidimenetelmä Kokonaislukuoptimointi Sovelletun matematiikan lisensiaattiseminaari Kevät 2008 / 1 Sisällys Ellipsoidimenetelmän geometrinen perusta ja menetelmän idea Formaali ellipsoidimenetelmä
Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely)
Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely) Tuukka Stewen 1.9.2017 Ohjaaja: DI Juho Roponen Valvoja: prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LIITE 1 VIRHEEN ARVIOINNISTA
Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi
Harjoitus 6 ( )
Harjoitus 6 (21.4.2015) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s. t. g(x) 0 h(x) = 0 x X olevan optimointitehtävän Lagrangen duaali on missä max θ(u, v) s. t.
Luento 9: Yhtälörajoitukset optimoinnissa
Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon
Kokonaislukuoptimointi
Kokonaislukuoptimointi Algebrallisen geometrian sovelluksia Sisältö Taustaa algebrallisesta geometriasta Gröbnerin kanta Buchbergerin algoritmi Kokonaislukuoptimointi Käypyysongelma Algoritmi ratkaisun
Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa
Viikon aiheet Pistetulo (skalaaritulo Vektorien tulot Pistetulo Ristitulo Skalaari- ja vektorikolmitulo Integraalifunktio, alkeisfunktioiden integrointi, yhdistetyn funktion derivaatan integrointi Vektoreiden
Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35
Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen
TIEA382 Lineaarinen ja diskreetti optimointi
TIEA382 Lineaarinen ja diskreetti optimointi Jussi Hakanen Tietotekniikan laitos jussi.hakanen@jyu.fi AgC 426.3 Yleiset tiedot Tietotekniikan kandidaattiopintojen valinnainen kurssi http://users.jyu.fi/~jhaka/ldo/
MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)
. Lasketaan valmiiksi derivaattoja ja niiden arvoja pisteessä x = 2: f(x) = x + 3x 3 + x 2 + 2x + 8, f(2) = 56, f (x) = x 3 + 9x 2 + 2x + 2, f (2) = 7, f (x) = 2x 2 + 8x + 2, f (2) = 86, f (3) (x) = 2x
Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus
Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus Mat-2.4142 Optimointiopin seminaari 2.3.2011 Lähteet: Clemen, R. T., & Smith, J. E. (2009). On the Choice of Baselines
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 10 1 Lokaalit ääriarvot Yhden muuttujan funktion f (x) lokaali maksimi on piste x 0, jossa f (x) on suurempi kuin muualle pisteen x 0 ympäristössä, eli kun f (x 0 )
Tampere University of Technology
Tampere University of Technology EDE- Introduction to Finite Element Method. Exercise 3 Autumn 3.. Solve the deflection curve v(x) exactly for the beam shown y,v q v = q z, xxxx x E I z Integroidaan yhtälö
Algoritmit 1. Luento 2 Ke Timo Männikkö
Algoritmit 1 Luento 2 Ke 11.1.2017 Timo Männikkö Luento 2 Algoritmin esitys Algoritmien analysointi Suoritusaika Asymptoottinen kertaluokka Peruskertaluokkia NP-täydelliset ongelmat Algoritmit 1 Kevät
Numeeriset Menetelmät
Numeeriset Menetelmät Kurssilla käydään läpi laskennallisen matematiikan perusteet. Opitaan kuinka matematiikkaa oikeasti käytetään sekä millaisia perustehtäviä ratkaistaan numeerisesti. (Monimutkaisemmat
Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden
Differentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40
Differentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40 Alkuviikolla harjoitustehtäviä lasketaan harjoitustilaisuudessa. Loppuviikolla näiden harjoitustehtävien tulee olla ratkaistuina harjoituksiin