Strukturoptimering baserad på metamodeller
|
|
- Helena Persson
- för 6 år sedan
- Visningar:
Transkript
1 Solid Mechanics Strukturoptimering baserad på metamodeller Larsgunnar Nilsson CEO Engineering Research Nordic AB Linköping Professor Div Solid Mechanics Linköping University 06/10/2010 ProOpt Workshop 1
2 Learning Loop Design it Build it Fly it Innovation Cycle CAD it Mesh it Run it Outcomes Costs too much: -One-time-use Equipment -Testing Infrastructure Takes too long: -Cycles of Prototypes -Development is Sequential Crash it Fi it Evaluate it Fi it
3 Simulation Based Design Solid Mechanics Komple, ofta olinjär, modell med mycket Styling stort antal frihetsgrader! Body Design Package Optimization Aerodynamics Powertrain SBD NVH Interior Design Crash Fatigue
4 Optimering. Problemformulering 06/10/2010 ProOpt workshop ) ( 0 ) ( 0 ) ( ) ( : villkoret ger lösningen KKTn..., 2, 1, i, m..., 2, 1, 0 ). ) ( min * * * * l g g g f j ( g s t f t t u i j
5 Begränsningar hos gradientbaserad optimering Solid Mechanics Kräver gradienter Analytiska gradienter: svårt att implementera för olinjära problem Kräver tillgång till källkod Numeriska differenser: beräkningskrävande och alltför låg noggrannhet Känslig för högfrekvent respons och numeriskt brus Är sekvensiell Svår att parallellisera => långa beräkningstider Lokal: Ger begränsad information om systemets egenskaper Komple Krävs ofta en specialist för att genomföra optimeringen 06/10/2010 ProOpt workshop 5
6 Metamodell Verkligt system FE-modell Modell av en modell = metamodell Metamodell 06/10/2010 ProOpt workshop 6
7 Metamodell Original min s. t. f ( ) g k problem: ( ) 0 l l,, u M etamodel based problem: min ~ f ( ) s. t. ~ g ( ) 0 k 1, 2,..., m k u k 1, 2,..., m 06/10/2010 ProOpt workshop 7
8 Responsyta Målfunktion f() (bivillkor g() ) Responsyta f() Respons f( 1, 2 ) Designrymd 1 l 1 u ( 1, 2 ) ROI Tillåten designrymd 06/10/2010 ProOpt workshop 8
9 Metamodell Målfunktion f() (bivillkor g() ) Responsyta f() Metamodell Approimerande responsyta Surrogate model 1 l 1 u Evaluerings- (design)punkter Eperimental design points 06/10/2010 ProOpt workshop 9
10 Metamodell Målfunktion f() (bivillkor g() ) 1 l Endast funktionsvärden behöver beräknas med FEprogrammet! 1 u 06/10/2010 ProOpt workshop 10
11 Metamodell Målfunktion f() (bivillkor g() ) Verkligt optima 1 l Approimativt optima 1 u 06/10/2010 ProOpt workshop 11
12 Fördelar med optimering baserad på metamodeller Solid Mechanics Enkelt att integrera både kommersiella och egna programvaror Enkelt att samtidigt integrera funktionsvärden från olika programvaror Multidisciplinary Optimization Enkelt att integrera stokastiska variationer Probablistic Design Optimization Olinjariteter/kompleiteter vid evaluering av funktionsvärden tillför ingen kompleitet Kan filtrera högfrekventa funktionsbidrag Möjliggör eploatering av hela ROI Kan användas för trade-off analyser 06/10/2010 ProOpt workshop 12
13 Optimeringsprocess Solid Mechanics 1. Formulera optimeringsproblemet och välj ROI 2. Val av metamodell 3. Val av designpunkter (DOE) ( i ) 4. Beräkna funktionsvärden i designpunkterna (f i ) 5. Anpassning av metamodell till funktionsvärden 6. Validering av metamodellen och eventuell förbättring (ε) 7. Genomför optimeringen mha metamodellen 06/10/2010 ProOpt workshop 13
14 Metamodeller Solid Mechanics Polynom Radiella basfunktioner (RBF) Kriging Artificiella neurala nätverk (ANN) Splines Wavelets Decision Tree Support Vector Machine (SVM) Metamodeller kan vara Approimerande (filtrerar brus) Interpolerande (innehåller brus) 06/10/2010 ProOpt workshop 14
15 Metamodeller Linjära polynom Kvadratiska polynom Neurala nätverk ProOpt Workshop 15
16 Metamodels Neural Network Regression Eample - 4th order polynomial 9 g( ) = analytical function (green) global neural net appro. with 20 points (red) simulation points ProOPT Workshop 16
17 Designvariabel 2 Sucessive Response Surface Methodology Region of interest optimum Design Space Designvariabel 1 06/10/2010 ProOpt workshop 17
18 Metamodell Sann responsyta: y f ( ) M etamodell: y ~ f ( ) approimationsfel Vid fysiskaförsök representerar även slumpmässiga fel 06/10/2010 ProOpt workshop 18
19 Metamodeller 06/10/2010 ProOpt workshop 19 ) ep( E : p 2,..., 1, j ) ( ) ( polynom med vektor ) ( ) ( ) ( ) ( ~ : basfunktioner Radiella kvadratisk linjär ) ( ~ Polynom: j j j j j t t t t t φ () b v b v f f
20 Neurala nätverk : ~ t f ( ) ( ) "activation function" E : 1 (z) -z 1 e ( z) ( z) j j Metamodeller 3 "sigmoid function" radiell basfunktion "radial basis function neural network" Typer av NN: 1. Feed-forward NN 2. RBF networks 3. Requrrent NN 4. Modular NN /10/2010 ProOpt workshop 20
21 Hur väljs designpunkterna? Solid Mechanics Klassisk Eperimental Designs Härstammar från användningen av surrogatmodeller vid fysiska eperiment. Kopplat till Response Surface Methodology, RSM Tenderar att sprida designpunkterna längs ränderna till ROI, för att minimera det stokastiska felets inverkan Olämplig vid metamodellering Space filling Det hävdas idag att spacefilling bör användas vid metamodellering (deterministiska funktionsvärden) 06/10/2010 ProOpt workshop 21
22 Eperimental Design Solid Mechanics Design of Eperiment, DOE Används traditionellt för fysiska försök, dvs där stokastisk spridning finns i responsen Syftet med DOE är att sprida designpunkterna inom ROI så att det stokastiska felet kontrolleras samtidigt som antalet designpunkter minimeras Populära DOE: Faktorförsök Koshal Central composite Alfabetisk, speciellt D-optimalitet 06/10/2010 ProOpt workshop 22
23 Spacefilling designs Solid Mechanics Simple Grids Latin Hypercube Orthogonal Arrays Uniform Designs Minima and Maimin Maimum Entropy... Alternativ: - Oberoende av funktionens egenskaper (ett steg) - Adaptiv till funktionens egenskaper (iterativ) 06/10/2010 ProOpt workshop 23
24 Design Variable 2 Sekvensiell approach Iteration 1 Solid Mechanics start 2 RSM: Använder endast punkter från aktuell ROI NN: Använder samtliga punkter Design Space Design Variable 1
25 Design Variable 2 Region of interest Sekvensiell approach Iteration 2 Solid Mechanics start 2 3 Design Space Design Variable 1
26 Design Variable 2 Region of interest Sekvensiell approach Iteration 3 Solid Mechanics start 2 3 Design Space Design Variable 1
27 Design Variable 2 Sekvensiell approach Konvergerad lösning Solid Mechanics Region of interest start 2 3 optimum RSM: Använder endast punkter från aktuell ROI NN: Använder samtliga punkter Design Space Design Variable 1
28 Anpassning till data ( fitting ) Metamodell Polynom Kriging Radiella basfunktioner Artificiella neurala nätverk (ANN) Anpassningsmetod Minsta kvadratanpassning (LS) (Linear Regression) Best Linear Unbiased Predictor (BLUP) Moving Least Squares (MLS) Multiple Linear Regression and Back propagation (ANN)... 06/10/2010 ProOpt workshop 28
29 Validering av metamodellen Solid Mechanics Nya designpunkter väljs, funktionsvärden beräknas och avvikelsen från metamodellen (felet) beräknas: Root Mean Square ~ 2 ( f ( i ) f ( i )) m RMSE m M aimum Absolute(M AX)error : ~ MAX ma f ( ) f ( ) Redan evaluerade designpunkter används: P-fold cross validation Leave k-out i i (RMS) error : i 06/10/2010 ProOpt workshop 29
30 Standard Response Surface Methodology Solid Mechanics i. Screening: ii. Stort antal designparametrar. Genom screening bestäms väsentliga parametrar och övriga försummas Första ordningens modell: Om kunskap om designrymden saknas kan en första ordningens modell samt t.e steepest decent ge en uppfattning var optimat finns iii. Andra ordningens modell: När ROI är begränsat runt optimat kan en andra ordningens modell finna optimat noggrannare 06/10/2010 ProOpt workshop 30
31 Givet: Objekt Designparametrar (dp) ROI Bygga metamodell Optimeringsprocess Stort # design parametrar Nej Kör FEM Skapa metamodell Ja Screening Screening modell Minska # dp Nej Stokastisk modell Ja Robusthetsmodell (μ,σ) Optimera Lösning 06/10/2010 ProOpt workshop 31
32 Jämförelse av metamodeller Response Surface Methodology (RSM) Feedforward Neural Networks (FF) Radiella basfunktioner (RBF) Polynom som basfunktioner Sigmoid basfunktioner Gaussiska, multikvadratiska basfunktioner Local approimation Global approimation Global approimation Linjär regression. Noggrannheten begränsas av ordning på polynomen Olinjär regression. Hög noggrannhet Linjär regression plus olinjär loop. Hög noggrannhet Mycket snabb Långsam Snabb ProOPT Workshop 32
33 Metamodellerings roll inom produktutveckling Metamodelling Multiobjective optimization Multidisciplinary optimization Global optimization Probablistic optimization Model approimation Problem formulation Design Space eploration 06/10/2010 ProOpt workshop 33
34 34
Gradientbaserad Optimering,
Gradientbaserad Optimering, Produktfamiljer och Trinitas Hur att sätta upp ett optimeringsproblem? Vad är lämpliga designvariabler x? Tjockleksvariabler (sizing) Tvärsnittsarean hos stänger Längdmått hos
Läs mer729G43 Artificiell intelligens / Maskininlärning 3. Marco Kuhlmann
729G43 Artificiell intelligens / 2015 Maskininlärning 3 Marco Kuhlmann Förra gången: Perceptroninlärning Beslutsregel predicerat y-värde Exempel: AND Välj parametrar θ 0, θ 1, θ 2 sådana att perceptronen
Läs merGradientbaserad strukturoptimering
Gradientbaserad strukturoptimering Anders Klarbring solutions by Bo Torstenfelt, Thomas Borrvall and others Division of Mechanics, Linköping University, Sweden ProOpt Workshop - October 7, 2010 Klarbring
Läs merTNK049 Optimeringslära
TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 9 Icke-linjär optimering Konveitet Metoder ör problem utan bivillkor Optimalitetsvillkor ör icke-linjära problem Icke-linjär programmering Non-linear
Läs merTAYLORS FORMEL VECKA 4
TAYLORS FORMEL VECKA 4 David Heintz, 20 november 2002 Innehåll 1 1 2 Uppgift 29.7 3 3 Uppgift 31.9 4 1 Av de elementära funktionerna är det polynomen som har den enklaste strukturen. Om f är ett givet
Läs merFöreläsning 5. Approximationsteori
Föreläsning 5 Approximationsteori Låt f vara en kontinuerlig funktion som vi vill approximera med en enklare funktion f(x) Vi kommer använda två olika approximationsmetoder: interpolation och minstrakvadratanpassning
Läs merInstitutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671 2009-01-16. DAG: Fredag 16 januari 2009 TID: 14.00-18.
Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 9--6 DAG: Fredag 6 januari 9 TID: 4. - 8. SAL: V Ansvarig: Ivar Gustafsson, tel: 77 94 Förfrågningar: Ivar Gustafsson
Läs merOptimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken.
Optimal = basta mojliga. Optimeringslara = matematik som syftar till att analysera och nna det basta mojliga. Anvands oftast till att nna ett basta handlingsalternativ i tekniska och ekonomiska beslutsproblem.
Läs merEulercykel. Kinesiska brevbärarproblemet. Kinesiska brevbärarproblemet: Metod. Kinesiska brevbärarproblemet: Modell. Definition. Definition.
Eulercykel Definition En Eulercykel är en cykel som använder varje båge exakt en gång. Definition En nods valens är antalet bågar som ansluter till noden. Kinesiska brevbärarproblemet En brevbärartur är
Läs mer!"# $ $ $ % & ' $ $ ( ) *( + $', - &! # %. ( % / & ) 0
!"#$ $ $ % & '$$( )*(+$',- &! # %.( %/& )0 = + = ϕ θ + #" $! = $ $ (! ) = % "! "!! = R( )! =! + ) ( &&) ( &&* ) [ ] ( ) $ ( ) Π + ( &-&) ","& Π 2 ( ) (& ' = '." % % Π % % / = = % % % = 01(&*&* = 7" "6""
Läs mer729G43 Artificiell intelligens (2016) Maskininlärning 3. Marco Kuhlmann Institutionen för datavetenskap
729G43 Artificiell intelligens (2016) Maskininlärning 3 Marco Kuhlmann Institutionen för datavetenskap Modell med vektornotation parametervektor särdragsvektor Perceptron kombinerar linjär regression med
Läs merOptimeringslära för T (SF1861)
Optimeringslära för T (SF1861) 1. Kursinformation 2. Exempel på optimeringsproblem 3. Introduktion till linjärprogrammering Introduktion - Ulf Jönsson & Per Enqvist 1 Linjärprogrammering Kursinformation
Läs merInterpolation Modellfunktioner som satisfierar givna punkter
Interpolation Modellfunktioner som satisfierar givna punkter Några tillämpningar Animering rörelser, t.ex. i tecknad film Bilder färger resizing Grafik Diskret representation -> kontinuerlig 2 Interpolation
Läs merRegression med Genetiska Algoritmer
Regression med Genetiska Algoritmer Projektarbete, Artificiell intelligens, 729G43 Jimmy Eriksson, jimer336 770529-5991 2014 Inledning Hur många kramar finns det i världen givet? Att kunna estimera givet
Läs merKonvergens för iterativa metoder
Konvergens för iterativa metoder 1 Terminologi Iterativa metoder används för att lösa olinjära (och ibland linjära) ekvationssystem numeriskt. De utgår från en startgissning x 0 och ger sedan en följd
Läs merTENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2015-04-18
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F/TM, TMA67 5-4-8 DAG: Lördag 8 april 5 TID: 8.3 -.3 SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
Läs merOptimering och simulering: Hur fungerar det och vad är skillnaden?
Optimering och simulering: Hur fungerar det och vad är skillnaden? Anders Peterson, Linköpings universitet Andreas Tapani, VTI med inspel från Sara Gestrelius, RIS-SIS n titt i KAJTs verktygslåda Agenda
Läs merIngenjörsmetodik IT & ME 2011 Föreläsning 11
Ingenjörsmetodik IT & ME 011 Föreläsning 11 Sammansatt fel (Gauss regel) Felanalys och noggrannhetsanalys Mätvärden och mätfel Medelvärde, standardavvikelse och standardosäkerher (statistik) 1 Läsanvisningar
Läs merNumerisk Analys, MMG410. Lecture 12. 1/24
Numerisk Analys, MMG410. Lecture 12. 1/24 Interpolation För i tiden gällde räknesticka och tabeller. Beräkna 1.244 givet en tabel över y = t, y-värdena är givna med fem siffror, och t = 0,0.01,0.02,...,9.99,10.00.
Läs merIcke-linjära ekvationer
stefan@it.uu.se Eempel f ( ) = e + = 5 3 f ( ) = + + 5= f (, y) = cos( ) sin ( ) + y = Kan endast i undantagsfall lösas eakt Kan sakna lösning, ha en lösning, ett visst antal lösningar eller oändligt många
Läs merde var svåra att implementera och var väldigt ineffektiva.
OBS! För flervalsfrågorna gäller att flera alternativ eller inget alternativ kan vara korrekt. På flervalsfrågorna kan man bara ha rätt eller fel, dvs frågan måste vara helt korrekt besvarad. Totalt kan
Läs merMultipel linjär regression. Geometrisk tolkning. Tolkning av β k MSG Staffan Nilsson, Chalmers 1
Multipel linjär regression l: Y= β 0 + β X + β 2 X 2 + + β p X p + ε Välj β 0,β,β 2,, β p så att de minimerar summan av residualkvadraterna (Y i -β 0 -β X i - -β p X pi ) 2 Geometrisk tolkning Med Y=β
Läs merSF1545 Laboration 1 (2015): Optimalt sparande
Avsikten med denna laboration är att: SF1545 Laboration 1 (215: Optimalt sparande - snabbt komma igång med träning på matlabprogrammering (uttnyttja gärna alla schemalagda laborationstillfällen, - lösa
Läs merNumerisk Analys, MMG410. Lecture 13. 1/58
Numerisk Analys, MMG410. Lecture 13. 1/58 Interpolation För i tiden gällde räknesticka och tabeller. Beräkna 1.244 givet en tabel över y = t, y-värdena är givna med fem siffror, och t = 0,0.01,0.02,...,9.99,10.00.
Läs merTentamen i Matematik 3: M0031M.
Tentamen i Matematik 3: M0031M. Datum: 2009-10-26 Skrivtid: 09:00 14:00 Antal uppgifter: 6 ( 30 poäng ). Jourhavande lärare: Norbert Euler Telefon: 0920-492878 Tillåtna hjälpmedel: Inga Till alla uppgifterna
Läs merTANA09 Föreläsning 8. Kubiska splines. B-Splines. Approximerande Splines. B-splines. Minsta kvadrat anpassning. Design av kurvor och ytor.
TANA09 Föreläsning 8 Kubiska splines Approximerande Splines s s s s 4 B-splines. Minsta kvadrat anpassning. Design av kurvor och ytor. x x x x 4 x 5 Exempel Parametriska Kurvor. Ritprogram. Beziér kurvor.
Läs mer1. Vad är optimering?
. Vad är optimering? Man vill hitta ett optimum, när något är bäst, men att definiera vad som är bäst är inte alltid så självklart. För att kunna jämföra olika fall samt avgöra vad som är bäst måste man
Läs merMICROECONOMICS Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander &
MICROECONOMICS 2018 Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander www.lohmander.com & Peter@Lohmander.com NYTT MÖTE: Diskutera Ert förslag till lämpligt problem med kursledaren (Peter Lohmander)
Läs merDataanalys kopplat till undersökningar
Dataanalys kopplat till undersökningar Seminarium om undersökningsmetoder för förorenade områden, Malmö 6-7 maj Jenny Norrman, SGI, Chalmers FRIST På säker grund för hållbar utveckling Innehåll Inledning
Läs mer1 Ickelinjär optimering under bivillkor
Krister Svanberg, maj 2012 1 Ickelinjär optimering under bivillkor Hittills har vi behandlat optimeringsproblem där alla variabler x j kunnat röra sig fritt, oberoende av varann, och anta hur stora eller
Läs merOlinjär optimering med bivillkor: KKT min f (x) då g i (x) 0 för alla i
Olinjär optimering med bivillkor min då f (x) g i (x) 0 för alla i Specialfall: Konvext problem. Linjära bivillkor: Ax b. Linjära likhetsbivillkor: Ax = b. Inga bivillkor: Hanterat tidigare. Metodprinciper:
Läs merTeorifrågor. 6. Beräkna konditionstalet för en diagonalmatris med diagonalelementen 2/k, k = 1,2,...,20.
Teorifrågor Störningsanalys 1. Värdet på x är uppmätt till 0.956 med ett absolutfel på högst 0.0005. Ge en övre gräns för absolutfelet i y = exp(x) + x 2. Motivera svaret. 2. Ekvationen log(x) x/50 = 0
Läs merTNK049 Optimeringslära
TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 3 Problemklassificering Global/lokal optimalitet Konvexitet Generella sökmetoder Agenda Problemklassificering (kap 1.4, 2.1 2.3) Lokalt/globalt optimum
Läs merApproximerande Splines. B-splines. Minsta kvadrat anpassning. Design av kurvor och ytor.
TANA09 Föreläsning 8 Approximerande Splines B-splines. Minsta kvadrat anpassning. Design av kurvor och ytor. Exempel Parametriska Kurvor. Ritprogram. Beziér kurvor. Design av kurvor och ytor. Tillämpning
Läs merERS (Electrical Road System) Slide-in project within FFI program
ERS (Electrical Road System) Slide-in project within FFI program FFI Fordonsstrategisk forskning och innovation What is slide-in? Slide-in, is a name that forsknings-, is used to innovations- explain,
Läs merRobust och energieffektiv styrning av tågtrafik
1 Robust och energieffektiv styrning av tågtrafik - CATO - Forskning inom OnTime - Vidareutveckling och möjligheter KAJT, temadag om punktlighet 2014-11-13 Tomas Lidén Transrail Sweden AB Dagens trafikledning
Läs merTANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 26 november 2015 Sida 1 / 28
TANA17 Matematiska beräkningar med MATLAB för M, DPU Fredrik Berntsson, Linköpings Universitet 26 november 2015 Sida 1 / 28 Föreläsning 6 Minsta kvadrat problem. Polynom. Interpolation. Rötter. Tillämpningar:
Läs merInformation om lägenhetsnummer Lägenheterna har fått lägenhetsnummer enligt nedan i det lägenhetsregister som Lantmäteriverket just nu bygger upp.
RBF GÖTEBORGSHUS 34 01 0092, ORKESTERG 1 0902 RBF GÖTEBORGSHUS 34 01 0093, ORKESTERG 1 0901 RBF GÖTEBORGSHUS 34 01 0094, ORKESTERG 1 1003 RBF GÖTEBORGSHUS 34 01 0095, ORKESTERG 1 1002 RBF GÖTEBORGSHUS
Läs mer5B1817 Tillämpad ickelinjär optimering. Metoder för problem utan bivillkor, forts.
5B1817 Tillämpad ickelinjär optimering Föreläsning 5 Metoder för problem utan bivillkor, forts. A. Forsgren, KTH 1 Föreläsning 5 5B1817 2006/2007 Lösningar För en given metod blir en lösning den bästa
Läs merLaboration 1: Optimalt sparande
Avsikten med denna laboration är att: Laboration 1: Optimalt sparande - snabbt komma igång med träning på matlabprogrammering (uttnyttja gärna alla schemalagda laborationstillfällen, - lösa ett optimeringsproblem
Läs merb) NY KURS (Ange kursnamn, årskurs, önskad läsperiod, schemablocksplacering. Bifoga utkast till kursplan.)
LINKÖPINGS TEKNISKA HÖGSKOLA Tekniska fakultetskansliet FÖRSLAG TILL PROGRAMNÄMND INFÖR ÅR NÄMND/NÄMNDER: Förslagsställare (Namn, funktion, Inst/Enhet) FÖRSLAGET GÄLLER: a) EXISTERANDE KURS (Ange kurskod
Läs merRobust och Multidisciplinär Optimering av Fordonsstrukturer
Robust och Multidisciplinär Optimering av Fordonsstrukturer Projekt inom Fordons- och trafiksäkerhet Författare: Datum 2014-10-31 Innehåll 1. Sammanfattning... 3 2. Bakgrund... 3 3. Mål... 4 4. Projekt
Läs merUnderhållsplanering för flerkomponentsystem kostnadseffektivisering med hjälp av en optimeringsmodell för opportunistiskt underhåll
Underhållsplanering för flerkomponentsystem kostnadseffektivisering med hjälp av en optimeringsmodell för opportunistiskt underhåll Dr Institutionen för matematiska vetenskaper Chalmers tekniska högskola
Läs merCivilingenjörsexamen
/ har avlagt Civilingenjörsexamen has been awarded the Degree of Master of Science in Engineering utfärdat/issued 1 april 2010 av rektor vid Kungliga Tekniska högskolan, KTH by the President of the Royal
Läs mer8.1 General factorial experiments
Exempel: Vid ett tillfälle ville man på ett laboratorium jämföra fyra olika metoder att bestämma kopparhalten i malmprover. Man är även intresserad av hur laboratoriets tre laboranter genomför sina uppgifter.
Läs merNär det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst.
Vad är optimering? Man vill hitta ett optimum, när något är bäst. Men att definiera vad som är bäst är inte alltid så självklart. När det gäller en motor kanske man vill maximera verkningsgraden för att
Läs merTeknisk Beräkningsvetenskap I Tema 3: Styvhetsmodellering av mjuk mark med icke-linjära ekvationer
Teknisk Beräkningsvetenskap I Tema 3: Styvhetsmodellering av mjuk mark med icke-linjära ekvationer Eddie Wadbro 18 november, 2015 Eddie Wadbro, Tema 3: Icke-linjära ekvationer, 18 november, 2015 (1 : 37)
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP14/TEN 1 OPTIMERINGSLÄRA GRUNDKURS för I, Ii och TB Datum: 24 augusti 2009 Tid: 8.00-13.00 Hjälpmedel: Lundgren m fl: Optimeringslära och/eller Lundgren
Läs merSamverkande Expertnät
1 Samverkande Expertnät 2 3 1 2 3 Parallella nätverk Sammanvägning av svaren Två olika fördelar Utjämna egenheter hos nätverken Låt nätverken specialisera sig Egenskaper hos ett enkelt nätverk Överträning
Läs merOptimering av dosplanering. Crister Ceberg
Optimering av dosplanering Crister Ceberg Optimering av dosplanering Introduktion Dosplanering Matematisk formulering Optimeringsvariabeln Målfunktionen Begränsningar Lösningsmetoder Realisering Optimering
Läs mersociology Unit B1: Introduction to correlation and regression 3/3 Brendan Halpin May
Unit B1: Introduction to correlation and regression 3/3 Brendan Halpin Department of Sociology, University of Limerick brendan.halpin@ul.ie May 24 2019 Multicollinearity Topics 1 Multicollinearity 2 Leverage
Läs merTentamen i Matematik 2: M0030M.
Tentamen i Matematik 2: M0030M. Datum: 203-0-5 Skrivtid: 09:00 4:00 Antal uppgifter: 2 ( 30 poäng ). Examinator: Norbert Euler Tel: 0920-492878 Tillåtna hjälpmedel: Inga Betygsgränser: 4p 9p = 3; 20p 24p
Läs merSimulering av ekonomiska och finansiella variabler i det svenska pensionssystemet
Simulering av ekonomiska och finansiella variabler i det svenska pensionssystemet Introduktion Mitt namn: Thomas Ekström Arbetsplats: Andra AP-fonden (55 st medarbetare) Avdelning: Kvantatitativa Strategier
Läs merMinskat luftmotsta nd pa bilar genom automatisk formoptimering Kandidatarbete inom tilla mpad mekanik
Minskat luftmotsta nd pa bilar genom automatisk formoptimering Kandidatarbete inom tilla mpad mekanik Robin Ahmad Davis Bui Johan Idoffsson Khalil Kenaan Mattias Nilsson Markus Yechouh Institutionen fo
Läs merLinjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin
Linjärprogramming EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin 1 Kursmål Formulera korttidsplaneringsproblem för vatten- och värmekraftsystem. 2 Tillämpad matematisk programming Korttidsplanering
Läs merI punkten x = 1 fås speciellt. Taylorpolynomet blir. f(x) = f(a) + f (a)(x a) + f (a)
Dag 7. Taylors formel 4.8.7 Bestäm Taylorpolynomet av grad n till kring punkten =. + Rekommenderade uppgifter 4.8. Bestäm Taylorpolynomet till cos av grad 3 kring punkten = π/4. Taylors formel säger att
Läs merInstitutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2014-05-26
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F/TM, TMA67 4-5-6 DAG: Måndag 6 maj 4 TID: 4. - 8. SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
Läs mer10.1 Enkel linjär regression
Exempel: Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben. De halvledare vi betraktar är av samma storlek (bortsett benlängden). 70 Scatterplot
Läs merHELT NY VERSION. Uppgradera till version 13. Statistica förvandlar data till information
STATISTIC A1 3 HELT NY VERSION Uppgradera till version 13 Statistica förvandlar data till information UPPGRADERINGSKAMPA1N6J TOM 31 DECEMBER 20 Uppgradera till nya Statistica 13! Statistica utvecklas ständigt
Läs merEn rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1.
En rät linje ett enkelt samband Y β 1 Lutning (slope) β 0 Skärning (intercept) 1 Y= β 0 + β 1 X X En rät linje + slumpbrus Y Y= β 0 + β 1 X + brus brus ~ N(0,σ) X Observationspar (X i,y i ) Y Ökar/minskar
Läs merOptimalitetsvillkor. Optimum? Matematisk notation. Optimum? Definition. Definition
Optimum? När man har formulerat sin optimeringsmodell vill man lösa den Dvs finna en optimal lösning, x, till modellen Nästan alltid: Sökmetoder: Stå i en punkt, gå till en annan (bättre Upprepa, tills
Läs merEnkel linjär regression. Enkel linjär regression. Enkel linjär regression
Enkel linjär regression Exempel.7 i boken (sida 31). Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben och höjder på sockeln. De halvledare
Läs merTentamen, del 2 Lösningar DN1240 Numeriska metoder gk II F och CL
Tentamen, del Lösningar DN140 Numeriska metoder gk II F och CL Lördag 17 december 011 kl 9 1 DEL : Inga hjälpmedel Rättas ast om del 1 är godkänd Betygsgränser inkl bonuspoäng: 10p D, 0p C, 30p B, 40p
Läs merPre-Test 1: M0030M - Linear Algebra.
Pre-Test : M3M - Linear Algebra. Test your knowledge on Linear Algebra for the course M3M by solving the problems in this test. It should not take you longer than 9 minutes. M3M Problem : Betrakta fyra
Läs merAdaptiva Filter. Johan Haarala Signaler och System
Adaptiva Filter Johan Haarala 2002-12-11 Signaler och System Abstract Målet med den här rapporten är att ge en introduktion samt översikt till adaptiva filter. I den beskrivs några av de algoritmer som
Läs merEnlagersnät Flerlagersnät Generalisering. Artificiella Neuronnät
Artificiella Neuronnät 1 Karaktäristiska egenskaper Användningsområden Klassiska exempel Biologisk bakgrund 2 Begränsningar Träning av enlagersnät 3 Möjliga avbildningar Backprop algoritmen Praktiska problem
Läs merTNK049 Optimeringslära
TNK09 Optimeringslära Clas Rydergren ITN Föreläsning Simplemetoden på tablåform och algebraisk form Fas I (startlösning) Känslighetsanalys Tolkning av utdata Agenda Halvtidsutvärdering Simplemetoden (kap..8)
Läs merGrundläggande Idéer Algoritmens komponenter Numerisk optimering Genetisk Programmering. Genetiska Algoritmer
Genetiska Algoritmer 1 Grundläggande Idéer 2 3 4 Exempel Parallell optimering inspirerad av biologisk evolution Parallell optimering inspirerad av biologisk evolution Population av hypoteser Urvalprocess
Läs merExperiment med två faktorer. Treatment Population. Balanced och ortogonal design. Graph of means. Table of means
Två-vägs NOV Om två oberoende variabler (faktorer) kommer in i spelet Experiment med två faktorer Två oberoende variabler ( faktorer ) Mängd gödsel / mängd vatten mängd skördade potatis Faktor: gödsel
Läs merHemuppgift 2, SF1861 Optimeringslära för T, VT-10
Hemuppgift 2, SF1861 Optimeringslära för T, VT-1 Kursansvarig: Per Enqvist, tel: 79 6298, penqvist@math.kth.se. Assistenter: Mikael Fallgren, werty@kth.se, Amol Sasane, sasane@math.kth.se. I denna uppgift
Läs merTNSL05 Optimering, Modellering och Planering. Föreläsning 6
TNSL05 Optimering, Modellering och Planering Föreläsning 6 Agenda Kursens status Tolkning av utdata Intro lösningsmetoder Linjära optimeringsproblem (LP) på standardform Algebraisk formulering av LP Konveitet
Läs merF18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Läs merOptimeringsproblem. 1 Inledning. 2 Optimering utan bivillkor. CTH/GU STUDIO 6 TMV036c /2015 Matematiska vetenskaper
CTH/GU STUDIO TMV3c - 1/15 Matematiska vetenskaper Optimeringsproblem 1 Inledning Vi skall söka minsta eller största värdet hos en funktion på en mängd, dvs. vi skall lösa s.k. optimeringsproblem min f(x)
Läs merLINKÖPINGS UNIVERSITET TENTA 92MA31, 92MA37, 93MA31, 93MA37 / STN 2 9GMA05 / STN 1
LINKÖPINGS UNIVERSITET Matematiska institutionen TENTA 9MA31, 9MA37, 93MA31, 93MA37 / STN 9GMA5 / STN 1 1 juni 16, klockan 8.-1. Jour: Jörg-Uwe Löbus Tel: 79-687) Tillåtna hjälpmedel är en räknare, formelsamling
Läs merInstitutionen för Matematik. F1 - Linjär algebra och numerisk analys, TMA671 Svar till övningar i Heath s bok och extraövningar
Institutionen för Matematik Göteborg F1 - Linjär algebra och numerisk analys, TMA671 Svar till övningar i Heath s bok och extraövningar Heath 1: a) -01416 resp -0046 b) -0001593 resp -000051 c) 000165
Läs merAsymptotisk analys innebär att... man försöker uppskatta vad som händer för stora indatamängder.
OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervarlsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs merDynamisk programmering. Dynamisk programmering. Dynamisk programmering. Dynamisk programmering
Betrakta ett lagerhållningsproblem i flera tidsperioder. Vi har tillverkning och försäljning av produkter i varje tidsperiod. Dessutom kan vi lagra produkter mellan tidsperioder, för att utnyttja stordriftsfördelar
Läs merOptimering av strålterapi
Optimering av strålterapi Anders Forsgren Optimeringslära och systemteori Institutionen för matematik KTH Presentation simuleringsteknik 3 oktober 2013 Optimering av strålterapi Gememensamt forskningsprojekt
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 19 april 2017 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
Läs merInterpolation. 8 december 2014 Sida 1 / 20
TANA09 Föreläsning 7 Interpolation Interpolationsproblemet. Introduktion. Polynominterpolation. Felanalys. Runges fenomen. Tillämpning. LED display. Splinefunktioner. Spline Interpolation. Ändpunktsvillkor.
Läs merStokastisk simulering inom hållfasthetslära. Tomas Dersjö Delprogram: Fordonsutveckling
Stokastisk simulering inom hållfasthetslära Tomas Dersjö 2012-04-30 Delprogram: Fordonsutveckling Innehåll 1. Sammanfattning... 3 2. Bakgrund... 3 3. Syfte... 4 4. Genomförande... 5 5. Resultat... 5 5.1
Läs merRepetition L1-L4 Övergripande designprocessen
Repetition L1-L4 Övergripande designprocessen 1. Definiera behov/kundnytta 2. Planera hur problemet skall lösas 3. Förstå problemet genom att ta fram kravspec 4. Generera många lösningsförslag (koncept)
Läs merNär det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst.
Vad är optimering? Man vill hitta ett optimum när något är bäst. Men att definiera vad som är bäst är inte alltid så självklart. När det gäller en motor kanske man vill maximera verkningsgraden för att
Läs merIcke-linjära ekvationer
stefan@it.uu.se Exempel x f ( x = e + x = 1 5 3 f ( x = x + x x+ 5= 0 f ( x, y = cos( x sin ( x + y = 1 Kan endast i undantagsfall lösas exakt Kan sakna lösning, ha en lösning, ett visst antal lösningar
Läs mer(D1.1) 1. (3p) Bestäm ekvationer i ett xyz-koordinatsystem för planet som innehåller punkterna
Högsolan i Sövde (SK) Tentamen i matemati Kurs: MA4G Linjär algebra MAG Linjär algebra för ingenjörer Tentamensdag: 4-8-6 l 4.-9. Hjälpmedel : Inga hjälpmedel utöver bifogat formelblad. Ej ränedosa. Tentamen
Läs merFatigue Properties in Additive manufactured Titanium & Inconell
Fatigue Properties in Additive manufactured Titanium & Inconell UTMIS, Jönköping, 6/2-2018 PÄR JOHANNESSON, TORSTEN SJÖGREN Research Institutes of Sweden RISE Safety and Transport Mechanics Research 2015
Läs mer1(8) x ijt = antal mobiltelefoner av typ i=1,,m, Som produceras på produktionslina 1,, n, Under vecka t=1,,t.
1(8) (5p) Uppgift 1 Företaget KONIA tillverkar mobiltelefoner I en stor fabrik med flera parallella produktionslinor. För att planera produktionen de kommande T veckorna har KONIA definierat följande icke-negativa
Läs merOptimering av hyperparametrar till artificiella neurala nätverk med genetiska algoritmer.
Optimering av hyperparametrar till artificiella neurala nätverk med genetiska algoritmer. Simon Stensson Juni 6, 2016 Abstract This master thesis explores the feasibility of using genetic algorithms in
Läs merHur kan AI förbättra våra processer?
Hur kan AI förbättra våra processer? Exempel på AI-relaterade projekt inom pappersindustrin Mats Tallfors Olsson Tomas Artificiell intelligens, AI Varför AI nu? CPU/GPU/Minne (Algoritmer) Data! Artificial
Läs merModellbaserad processutveckling för Läkemedelsindustrin
Modellbaserad proessutvekling för Läkemedelsindustrin SICS 8 november Karin Westerberg, Lunds Universitet Lund University / Department of Chemial Engineering/ --8 PiLu Kompetensenter för svensk proessindustri
Läs merSimuleringsbaserad optimering av tidtabeller (KAJT-projekt: FlexÅter) Johan Högdahl
KTH ROYAL INSTITUTE OF TECHNOLOGY Simuleringsbaserad optimering av tidtabeller (KAJT-projekt: FlexÅter) Johan Högdahl KAJT-dagar 2018, 17 april 2018. Metod: Kombinerad optimering och simulering Olika frågeställningar
Läs merAntag att b är förgreningsfaktorn, d sökdjupet, T (d) tidskomplexiteten och M(d) minneskomplexiteten.
OS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervalsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs merStockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, HT2008 Numeriska svar till övningar
Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, HT2008 Numeriska svar till övningar Nicklas Pettersson 1 Övningslektion6 Tidsserier, Beslutsteori 1.1 Kapitel 18 51) a) slumpmässig
Läs merMMA132: Laboration 1 Introduktion till MATLAB
MMA132: Laboration 1 Introduktion till MATLAB De flesta numeriska metoder låter oss få en tillräckligt bra lösning på ett matematiskt problem genom att byta ut komplexa matematiska operationer med kombinationer
Läs merHögskolan i Skövde (SK, JS) Svensk version Tentamen i matematik
Högskolan i Skövde (SK, JS) Svensk version Tentamen i matematik Kurs: MA152G Matematisk Analys MA123G Matematisk analys för ingenjörer Tentamensdag: 2012-03-24 kl 14.30-19.30 Hjälpmedel : Inga hjälpmedel
Läs merVågkraft. Verification of Numerical Field Model for Permanent Magnet Two Pole Motor. Centrum för förnybar elenergiomvandling
Vågkraft Verification of Numerical Field Model for Permanent Magnet Two Pole Motor. Avd. För 751 05 Uppsala, Sweden Introduction PhD-student Uppsala University Avd. För Field of Research: Electromagnetic
Läs merMetodutvärdering I. Metodutvärdering -validering. Metodutvärdering II. Metodutvärdering III
Metodutvärdering I Metodutvärdering -validering Nya metoder utvecklas för att Förbättra noggrannhet och precision Tillåta automation Minska kostnader Arbetsmiljö Bestämning av ny analyt Metoden måste verifieras
Läs merTSRT62 Modellbygge & Simulering
TSRT62 Modellbygge & Simulering Föreläsning 4 Christian Lyzell Avdelningen för Reglerteknik Institutionen för Systemteknik Linköpings Universitet C. Lyzell (LiTH) TSRT62 Modellbygge & Simulering 2013 1
Läs merLö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid (7) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift Nedanstående beräkningar från Minitab är gjorda för en Poissonfördelning med väntevärde λ = 4.
Läs merand u = och x + y z 2w = 3 (a) Finn alla lösningar till ekvationssystemet
Kursen bedöms med betyg,, 5 eller underkänd, där 5 är högsta betyg. För godkänt betyg krävs minst poäng från uppgifterna -7. Var och en av dessa sju uppgifter kan ge maximalt poäng. För var och en av uppgifterna
Läs mer