BM0877 Multidisciplinārā analīze un optimizācija

Kods BM0877
Nosaukums Multidisciplinārā analīze un optimizācija
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Doktora, Akadēmiskais
Tematiskā joma Mehānika, mašīnzinības, mašīnu un aparātu būvniecība
Struktūrvienība Būvniecības un mašīnzinību fakultāte
Mācībspēks Jānis Auziņš, Aleksandrs Januševskis
Kredītpunkti 9.0
Daļas 1
Anotācija Mašīnbūves sistēmu modelēšana konstruēšanas un optimizācijas procesā. Objekta maināmo parametru, mērķfunkciju un ierobežojumu izvēle. Multidisciplinārās analīzes un optimizācijas (MAO) principu, metožu un līdzekļu apskats. Apakšsistēmu identifikācija. Lineārās un nelineārās programmēšanas formulācija. Heiristiskās pētīšanas metodes: tabu meklēšana, simulētā atlaidināšana, ģenētiskie algoritmi. Risinājumu jutības, kompromisa un izoefektivitātes analīze. Daudzkriteriālā un pareto optimalitāte. Projektēšana maksimālai vērtībai (design for value). Speciāls pielietojums aviācijā, mašīnbūvē un būvniecībā..
Kurss domāts doktorantūras studentiem, kurus interesēm kompleksu sistēmu multidisciplinārie aspekti. Šādi aspekti ir būtiski tādu jaunu sistēmu un produktu projektēšanas sākumfāzē, kuros apvienojas tehniskās disciplīnas (konstrukcijas, aerodinamika, vadība u.c.) un ne-tehniskās disciplīnas (kalpošanas laika izmaksas, iespaids uz vidi, tirgus u.c.). Produkta radīšanas procesā jāievēro gan kvantitatīvi, gan kvalitatīvi radītāji. Šis kurss galvenokārt ir fokusēts uz kvantitatīviem aspektiem. Kursa mērķis ir apgūt līdzekļus un metodoloģiju, lai veiktu sistēmu optimiziciju multidisciplinārā kontekstā. Trīs galvenie aspekti ir: (I) inženiersistēmu multidisciplinārais raksturs, (II) kompleksu sistēmu projektēšana un (III) optimizācijas līdzekļi. Kursa sdaturs ir noderīgs plaša profila sistēmām, tajā skaitā kosmiskajām, aerotransporta, virszemes transporta, kā arī enerģētikas, būvniecības un telekomunikāciju un citās jomās. Kurss būtiski atšķiras no tradicionālā optimizācijas metožu kursa..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
MAO piemēri praksē. Kritēriju, projekta parametru, ierobežojumu, apakšsistēmu noteikšana. 6 0 0 0
Sistēmas līmeņa sakarības un mijiedarbība. 6 0 0 0
Apakšsistēmas modeļa izstrāde: Modeļa sadalīšana un dekompozīcija, interfeisa izveide starp modeļiem 6 0 0 0
Apakšsistēmas modeļa izvēle: precizitāte - izmaksas. 6 0 0 0
Modeļa un simulācijas izstrādāšanu un validācija (pārbaude). 6 0 0 0
Optimizācijas un izpētes metodes: Pārskats par lineāro un nelineāro programmēšanu. 6 0 0 0
Heiristiskās tehnikas: ģenētiskie algoritmi, simulētā atlaidināšana, Tabu meklēšana, daļiņu bara metode optimizācijai. 6 0 0 0
Projekta telpas izpēte: Eksperimentu plānošana, pilnai faktoru eksperiments, parametru nozīmīguma novērtējums, Taguči pl 6 0 0 0
Modeļu redukcija. Aproksimāciju metodes: atbildes virsmas, krigings, lokāli svērtie polinomi. 6 0 0 0
Jaukta fiziskā un skaitliskā eksperimenta problēmas. 6 0 0 0
Jutība un pēc-optimalitātes analīze: Jakobi un Hesa matricas. Saistītās metodes un Lagranža reizinātāji. 6 0 0 0
Daudzkriteriālie un stohastiskie uzdevumi. Konkurējošu faktoru un aizvietojamu faktoru identifikācija. 6 0 0 0
Mērķprogrammēšana, izo-efektivitāte un mērķa sasniegšana ar minimāliem līdzekļiem. Uz pieredzi balstīts dizains vai sis 6 0 0 0
Daudzkriteriālā optimizācija: svērto summu optimizācija. Pareto robežkopas, vājie un stiprie robežpunkti. 6 0 0 0
Ievads robustajā projektēšanā. Monte-Karlo iztvērumi, ticamības analīze, Taguči metode. 6 0 0 0
Kas ir optimalitātes? Proektēšana maksimālajai vērtībai: ieskaitot dzīves cikla izmaksas. Vizualizācijas metodes MAO. 6 0 0 0
Kopā: 96 0 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Dot izpratni, kā MAO veicina sarežģītu, daudznozaru (multidisciplināru) sistēmu produkta radīšanas procesu. Izprast, kā racionalizēt sistēmu projektēšanu, izvēloties attiecīgās mērķfunkcija, variējamos parametrus un ierobežojumus. Sadalīt kompleksu sistēmu mazākos vienas disciplīnas modeļos, izveidot tiem metamodeļus un integrēt tos kopējā modelī. Spēt izmantot tradicionālos optimizācijas algoritmus un modernās heiristiskās optimizācijas metodes un izvēlēties konkrētai problēmai piemērotākos. Veikt optimizācijas rezultātu izvērtējumu un analīzi, tostarp jutīguma analīzi, izmaksu, riska un kompromisu analīzi - iepazīties ar daudzkritēriālās optimizācijas pamatjēdzieniem.
Sasniedzamie studiju
rezultāti un to vērtēšana 		1. Zināt, kā MAO veicina sarežģītu, daudznozaru (multidisciplināru) sistēmu produkta radīšanas procesu. - Atbilstoši jautājumi eksāmenā.
2. Mācēt izvēlēties attiecīgās mērķfunkcijas, variējamos parametrus un ierobežojumus. - Atbilstoši jautājumi praktiskajos darbos.
3.Mācēt sadalīt kompleksu sistēmu mazākos vienas disciplīnas modeļos, izveidot tiem metamodeļus un integrēt tos kopējā modelī. - Atbilstoši jautājumi kursa darbā.
4. Spēt izmantot tradicionālos optimizācijas algoritmus, modernās heiristiskās optimizācijas metodes un izvēlēties konkrētai problēmai piemērotāko programmatūru. - Atbilstoši jautājumi praktiskajos darbos un kursa darbā.
5. Veikt optimizācijas rezultātu izvērtējumu un analīzi, tostarp jutīguma analīzi, izmaksu, riska un kompromisu analīzi. - Atbilstoši jautājumi eksāmenā.
6. Pārzināt daudzkritēriālās optimizācijas pamatus, tajā skaitā Pareto robežkopu aprēķinu. - Atbilstoši jautājumi eksāmenā.
Studiju rezultātu vērtēšanas kritēriji
1. Kursa darbs Metamodeļa izveide no datorsimulācijas eksperimentiem - 25%
2. Kursa darbs Optimizicija ar atbildes virsmas metodi - 25%
3. Eksāmens - 50%
 
Priekšzināšanas MTM408 Optimizācijas metodes vai analogs
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 9.0 48.0 16.0 32.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]