Utilizzo delle informazioni sul gradiente nella costruzione di modelli surrogati di CFDCiao,
Non mi aspetto un intero carico di risposte su questo. Penso che sia un po 'di nicchia!
Oggi ho presentato ad alcuni ingegneri il compito di determinare solide soluzioni di progettazione utilizzando gli esperimenti di simulazione DoE e Monte Carlo. Uno degli spettatori ha chiesto del krigging e quando gli ho chiesto di elaborarlo è risultato che intendeva qualcosa di diverso da quello che stavo pensando. Non so molto sulla modellazione CFD, ma mi ha detto che, oltre a ottenere la stima della risposta, possono anche ottenere alcune informazioni sul gradiente della superficie di risposta per ogni esecuzione della simulazione. Non sono sicuro di come funzioni, ma posso immaginare che sia un'informazione utile. Come potrebbero costruirlo nel modello surrogato. Vedi sotto per la sua descrizione della sfida.
L'aspetto che ho discusso con voi era includere le informazioni sul gradiente nella costruzione di un modello di superficie di risposta. Il mio interesse è principalmente nell'uso di DoE con analisi di fluidodinamica computazionale (CFD) dove di solito è necessario limitare il più possibile il numero di punti sperimentali per tenere sotto controllo il costo computazionale complessivo. In passato ho usato progetti di riempimento dello spazio (come Latin Hypercube) con analisi CFD con un certo successo. Tuttavia, quando il numero di punti dati è piuttosto basso, non è ovvio che la superficie di risposta rappresenti adeguatamente la convessità (forma) dei dati sottostanti a meno che i dati non siano abbastanza uniformi. Incorporare informazioni sul gradiente, come abbiamo studiato con il prof. Andy Keane nel Computational Engineering and Design Group presso l'Università di Southampton, è un modo per migliorare la capacità della superficie di risposta di rappresentare la forma sottostante dei dati. Uno dei nostri principali strumenti CFD include una capacità aggiunta, per cui la soluzione delle equazioni aggiunte derivate dalle equazioni di Navier-Stokes utilizzate per rappresentare il flusso fornisce informazioni sulla sensibilità di variabili ingegneristiche come la resistenza ai cambiamenti in geometria o condizioni al contorno del flusso. Questa informazione sulla sensibilità sembrerebbe essere un buon candidato per migliorare la superficie di risposta che definisce il modello surrogato.
Ri: Usare le informazioni sul gradiente nella costruzione di modelli surrogati di CFDNel caso che qualcun altro sia interessato, ho parlato con Chris Gotwalt di questa settimana scorsa mentre era nel Regno Unito. Ha detto di essere consapevole dell'approccio all'uso delle informazioni sul gradiente nella costruzione di modelli sostitutivi per CFD per ottenere un modello migliore con meno punti di progettazione. Tuttavia, questo non è qualcosa che puoi fare in JMP. E non è qualcosa che va aggiunto in JMP perché è un'applicazione di nicchia.
Grazie a tutti per i vostri commenti.
Phil
Ri: Usare le informazioni sul gradiente nella costruzione di modelli surrogati di CFDNessun problema, Bill. Ho pensato che fosse un colpo lungo che chiunque avrebbe usato questo approccio!
Ri: Usare le informazioni sul gradiente nella costruzione di modelli surrogati di CFDScusa Phil, non avevo sentito parlare dell'uso delle informazioni sul gradiente prima della tua domanda. Ho fatto una piccola ricerca e sembra che sia stato in circolazione per almeno alcuni anni. Vorrei poter essere di maggiore aiuto qui.
Conto
Ri: Usare le informazioni sul gradiente nella costruzione di modelli surrogati di CFDGrazie. Tutti sembrano buone idee.
Hai avuto esperienza sull'uso delle informazioni sul gradiente? Questa sembra essere la chiave per il mio cliente. Come ho detto, penso che sia una richiesta abbastanza insolita.
Grazie ancora,
Phil
Ri: Usare le informazioni sul gradiente nella costruzione di modelli surrogati di CFDHey Phil,
Sono d'accordo con Nick sul processo di Guassian. Anche se consiglio di provare anche le reti neurali. Abbiamo costruito molti modelli surrogati mentre in P & G per le applicazioni di tipo CFD simili e le reti neurali hanno quasi sempre prodotto modelli predittivi migliori.
Vorrei inoltre consigliare ai tuoi clienti di provare i progetti Max Flexible di riempimento flessibile veloce per "riempire" meglio lo spazio di progettazione. Spingerà i punti di progettazione più vicino agli angoli / ai bordi, pur massimizzando la distanza minima tra i punti.
Conto
Ri: Usare le informazioni sul gradiente nella costruzione di modelli surrogati di CFDCiao Phil,
Avevo un utente con un interesse simile, stava lavorando con modelli surrogati per la progettazione delle ali degli aerei.
Abbiamo passato un po 'di tempo ad esplorare la piattaforma "Gaussian Process" di JMP e siamo stati in grado di costruire il suo modello.
La mia raccomandazione sarebbe di farli costruire un modello con le loro variabili di interesse usando "Gaussian Process" e valutare i risultati.
