Show simple item record

Reliability-Based Desing Optimization using Approximation Techniques

dc.contributor.advisorLepš Matěj
dc.contributor.authorAdéla Hlobilová
dc.date.accessioned2020-06-25T22:19:09Z
dc.date.available2020-06-25T22:19:09Z
dc.date.issued2020-06-26
dc.identifierKOS-360066203205
dc.identifier.urihttp://hdl.handle.net/10467/88692
dc.description.abstractSpolehlivostní optimalizace konstrukcí (RBDO, z anglického Reliability-based design optimization) hledá kompromisní řešení mezi cenou a spolehlivostí systému. Klasická vícekriteriální RBDO rozšiřuje jednokriteriální formulaci více účelovými funkcemi se zachováním omezujících spolehlivostních podmínek. Tato práce definuje úlohu tak, aby byla výsledná řešení z Paretovy množiny indiferentním kompromisem mezi cenou a spolehlivostí, a tedy poskytla odpověď na otázku, jaká je cena spolehlivosti. Navrhovaná vícekriteriální evoluční RBDO metoda se dvěma cykly využívá pokročilé simulační techniky založené na principu Monte Carlo s použitím meta-modelů vylepšených o optimalizovaný adaptivní návrh experimentu (DoE, z anglického Design of Experiments). Vnější cyklus obstarává optimalizační část, zatímco spolehlivost návrhu je vyhodnocena pokročilou simulační technikou, která evaluuje meta-model místo původního modelu. Vhodné vzorky z této simulační techniky, které jsou optimalizovány pomocí kritéria rovnoměrného rozprostření návrhových bodů a kritéria vzdálenosti od hranice poruchy, se následně využijí pro aktualizaci DoE během každé generace evolučního algoritmu. Jelikož je návrhový prostor široký, v předkládané práci jsou využity kromě klasického meta-modelu s plnou Gramovou maticí sestaveného na celém návrhovém prostoru (GMM, z anglického global meta-model) i řídké globální meta-modely (SGMM, z anglického sparse global meta-model), sestavené na celém návrhovém prostoru pro každou generaci evolučního algoritmu, a lokální meta-modely (LMM), vytvořené pro každého řešení z každé generace evolučního algoritmu zvlášť. V rámci celé práce jsou porovnávány Pareto-fronty jako výsledná řešení z RBDO ze třech skupin aproximace – pouze na úrovni meta-modelu s využitím metody Monte Carlo, na úrovni spolehlivosti s evaluací původního modelu, nebo kombinací obojího. Pokud je aproximace provedena na úrovni spolehlivosti, je v práci porovnáno sedm různých metod – Asymptotic sampling, klasická metoda Monte Carlo s nízkým počtem vzorků, vylepšená metoda Monte Carlo (Enhanced Monte Carlo simulation), spolehlivostní metoda prvního řádu FORM, Importance sampling, Scaled sigma sampling a Subset simulation. Z prezentovaných výsledků vyplývá, že pokud je funkce relativně hladká, pak jsou globální meta-modely s plnou, respektive i řídkou Gramovou maticí, vhodnou volbou náhrady původního modelu. Tento globální meta-model je i méně citlivý na volbu simulační metody. Pokud je ale návrhový prostor velký, existuje v něm více návrhových bodů nebo módů porušení a hranice poruchy je vysoce nelineární, pak jako náhrada originálního modelu lépe poslouží lokální meta-modely i s menším počtem bodů v DoE, tzn. nižším počtem evaluací původního modelu, v porovnání s modely globálními. Navrhovaná metoda v této práci využívající průběžně aktualizované meta-modely je přesnější a výpočetně méně náročná než RBDO se dvěma cykly využívající formulaci metody spolehlivostního indexu (Reliability index approach), tedy využití FORM pro výpočet spolehlivosti, který i pro méně přesné výsledky v porovnání s naší metodou potřebuje minimálně o dva řády více evaluací původního modelu. Pokročilé simulační metody kromě vyšší přesnosti při odhadu spolehlivosti s nižším počtem evaluací modelu také nabízí vhodnější body pro aktualizaci DoE, neboť lépe pokrývají oblast poruchy v porovnání s klasickou metodou Monte Carlo.cze
dc.description.abstractReliability-based design optimization (RBDO) searches for a trade-off between costs and safety under the assumption of uncertainties. Classical multi-objective RBDO formulates the task with several objective functions but keeps the reliability in the inequality constraints. This thesis defines the task, such that the resulting Pareto front provides a dataset of compromising solutions concerning both costs and reliability answering the question of what is the price of reliability. The proposed multi-objective evolutionary double-loop RBDO method utilizes a meta-model-based Monte Carlo type approach which is enhanced by a repetitively optimized adaptive Design of (Computer) Experiments (DoE). The outer loop solves the design process while an advanced simulation technique based on Monte Carlo principles assesses the reliability for each individual in the inner loop evaluating the meta-model instead of the original model. The DoE update uses suitable sampling points from the simulation technique optimized by space-filling and limit-state-proximity objectives, subsequently evaluated using the original model, to enrich the DoE within each generation of the evolutionary algorithm. Since the design space is wide, in addition to a classic global meta-model (GMM) with a dense Gram matrix assembled for the entire design space, we use sparse global meta-models (SGMM) assembled for each generation in the entire design space and local meta-models (LMM) constructed for each individual from each generation individually. The presented thesis compares the results obtained from RBDO with different degrees of approximation – only at the level of the meta-model using quasi-Monte Carlo simulation, at the level of reliability using the original model, or a combination of both. If the approximation is at the level of reliability, we compare seven different reliability assessment methods, namely an Asymptotic sampling, classical Monte Carlo simulation with a low number of samples, Enhanced Monte Carlo simulation, First-order reliability method (FORM), Importance sampling, Scaled sigma sampling, and Subset simulation. The presented results show that the GMM and SGMM are a suitable choice to replace the original model, that is relatively smooth. The global meta-model is also less sensitive to the choice of the simulation method. However, if the design space is large, more design points or failure modes exist, and the limit state is highly nonlinear, then LMM even with a smaller number of points in DoE serve better as a replacement for the original model. The proposed method using adaptively updated meta-models is more accurate and computationally less demanding than double-loop RBDO using Reliability index approach, i.e. the use of FORM to evaluate the reliability. FORM needs at least two orders of magnitude more original model evaluations than our method for less accurate results. Advanced simulation techniques, in addition to better accuracy and precision in estimating structural reliability with a lower number of model evaluations, also offer more suitable points for DoE update, as they better cover the space around the limit state than the classical Monte Carlo method.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html.eng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html.cze
dc.subjectSpolehlivostní optimalizace konstrukcícze
dc.subjectVícekriteriální optimalizacecze
dc.subjectMeta-modelovánícze
dc.subjectAdaptivní zlepšování návrhu experimentucze
dc.subjectVyhodnocování spolehlivosticze
dc.subjectsimulační technikycze
dc.subjectNon-dominated sorting genetic algorithm IIcze
dc.subjectAsymptotic samplingcze
dc.subjectvylepšená metoda Monte Carlocze
dc.subjectImportance samplingcze
dc.subjectmetoda quazi-Monte Carlocze
dc.subjectSubset simulationcze
dc.subjectScaled sigma samplingcze
dc.subjectSpolehlivostní metoda prvního řádu (FORM)cze
dc.subjectSítě s radiální bázícze
dc.subjectLokální meta-modelycze
dc.subjectGlobální meta-modelycze
dc.subjectřídká Gramova maticecze
dc.subjectReliability-based design optimizationeng
dc.subjectMulti-objective optimizationeng
dc.subjectMeta-modellingeng
dc.subjectAdaptive update of Design of Experimentseng
dc.subjectReliability assessmenteng
dc.subjectSimulation techniqueseng
dc.subjectNon-dominated sorting genetic algorithm IIeng
dc.subjectAsymptotic samplingeng
dc.subjectEnhanced Monte Carlo simulationeng
dc.subjectImportance samplingeng
dc.subjectQuasi-Monte Carlo simulationeng
dc.subjectSubset simulationeng
dc.subjectScaled sigma samplingeng
dc.subjectFirst-order reliability methodeng
dc.subjectRadial basis functions modeleng
dc.subjectLocal meta-modelseng
dc.subjectGlobal meta-modelseng
dc.subjectSparse Gram matrixeng
dc.titleVícekriteriální spolehlivostní optimalizace využívající aproximační technikycze
dc.titleReliability-Based Desing Optimization using Approximation Techniqueseng
dc.typeDOKTORSKÁ PRÁCEcze
dc.typeDISSERTATIONeng
dc.contributor.refereeZeman Jan
theses.degree.disciplineFyzikální a materiálové inženýrstvícze
theses.degree.grantorkatedra mechanikycze
theses.degree.programmeStavební inženýrstvícze


Files in this item





This item appears in the following Collection(s)

Show simple item record