Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Отображение пространства методология для моделирования и оптимизации проектирования инженерных систем впервые была обнаружена Джоном Бендлером в 1993 году использует соответствующие существующие знания для быстрого создания модели и дизайн оптимизацию системы. Знания обновляются новой проверочной информацией из системы, когда она доступна.

Концепция [ править ]

Методология космического картографирования использует "квазиглобальную" формулировку, которая разумно связывает сопутствующие "грубые" (идеальные или низкокачественные) и "тонкие" (практические или высокоточные) модели различной сложности. В инженерном проектировании картографирование пространства сопоставляет очень быструю грубую модель с дорогостоящей в вычислении точной моделью, чтобы избежать прямой дорогостоящей оптимизации точной модели. Выравнивание может быть выполнено либо в автономном режиме (улучшение модели), либо на лету с суррогатными обновлениями (например, агрессивное картирование пространства).

Методология [ править ]

В основе процесса лежит пара моделей: одна очень точная, но слишком дорогая для непосредственного использования с обычной процедурой оптимизации, а другая значительно менее затратная и, соответственно, менее точная. Последнюю (быструю модель) обычно называют «грубой» моделью ( грубым пространством ). Первую (медленную) обычно называют «хорошей» моделью. Пространство проверки («реальность») представляет собой прекрасную модель, например физическую модель высокой точности. Пространство оптимизации, в котором выполняется обычная оптимизация, включает грубую модель (или суррогатную модель), например, физика низкой точности или модель «знания». На этапе оптимизации проектирования пространственного картографирования существует этап прогнозирования или «выполнения», на котором результаты оптимизированной «сопоставленной грубой модели» (обновленный суррогат) назначаются точной модели для проверки. После процесса проверки, если проектные спецификации не удовлетворены, соответствующие данные передаются в область оптимизации (« обратная связь »), где грубая модель или суррогат с сопоставлением обновляется (улучшается, выравнивается с точной моделью) посредством итеративного процесс оптимизации, называемый «извлечением параметров». Сама формулировка карты включает в себя «интуицию», часть так называемого «чувства» инженера к проблеме. [1] В частности, процесс агрессивного пространственного картирования (ASM) отображает ключевые характеристики познания (подход эксперта к проблеме) и часто иллюстрируется простыми когнитивными терминами.

Развитие [ править ]

Следуя концепции Джона Бэндлера в 1993 году, [1] [2] алгоритмы использовали обновления Бройдена (агрессивное отображение пространства), [3] доверительные области [4] и искусственные нейронные сети . [5] Новые разработки включают неявное отображение пространства [6], в котором мы позволяем заранее заданным параметрам, не используемым в процессе оптимизации, изменяться в грубой модели, и отображение выходного пространства, где преобразование применяется к отклику модели. В статье рассматривается состояние дел после первых десяти лет разработки и внедрения. [7] Настройка отображения пространства [8]использует так называемую модель настройки, инвазивно построенную на основе точной модели, а также процесс калибровки, который переводит настройку параметров оптимизированной модели настройки в соответствующие обновления проектных переменных. Концепция пространства отображение было распространено на нейронной основе пространства для отображения большого сигнала статистического моделирования на нелинейных СВЧ устройств. [9] [10] Отображение пространства поддерживается теорией звуковой конвергенции и связано с подходом исправления дефектов. [11]

Современный обзор 2016 года посвящен агрессивному картографированию пространства. [12] Он охватывает два десятилетия разработки и инженерных приложений.

Методология космического картографирования также может быть использована для решения обратных задач . Проверенные методы включают алгоритм линейного обратного отображения пространства (LISM) [13], а также метод отображения пространства с обратной разностью (SM-ID). [14]

Категория [ править ]

Оптимизация с отображением пространства принадлежит к классу методов оптимизации, основанных на суррогате [15], то есть методов оптимизации, которые полагаются на суррогатную модель .

Приложения [ править ]

Техника космического картографирования применяется в различных областях, включая микроволновое и электромагнитное проектирование, гражданские и механические приложения, аэрокосмическую инженерию и биомедицинские исследования. Несколько примеров:

  • Оптимизация кривизны крыла самолета [16]
  • Дизайн автомобильной ударопрочности . [17] [18]
  • Анализ источников ЭЭГ [19] [20]
  • Оптимизация антенны трубки [21] [22] [23]
  • Расчетное центрирование микроволновых цепей [24]
  • Проектирование электрических машин с использованием мультифизического моделирования [25]
  • Управление уравнениями в частных производных . [26]
  • Voice coil actuator design[27]
  • Reconstruction of local magnetic properties[28]
  • Structural optimization[29]
  • Design of microwave filters and multiplexers[30][31]
  • Optimization of delay structures[32]

Simulators[edit]

Various simulators can be involved in a space mapping optimization and modeling processes.

  • In the microwave and radio frequency (RF) area
    • Keysight ADS [1]
    • Keysight Momentum [2]
    • Ansys HFSS [3]
    • CST Microwave Studio [4]
    • FEKO [5]
    • Sonnet em [6]

Conferences[edit]

Three international workshops have focused significantly on the art, the science and the technology of space mapping.

  • First International Workshop on Surrogate Modelling and Space Mapping for Engineering Optimization (Lyngby, Denmark, Nov. 2000)
  • Second International Workshop on Surrogate Modelling and Space Mapping for Engineering Optimization (Lyngby, Denmark, Nov. 2006)
  • Third International Workshop on Surrogate Modelling and Space Mapping for Engineering Optimization (Reykjavik, Iceland, Aug. 2012)

Terminology[edit]

There is a wide spectrum of terminology associated with space mapping: ideal model, coarse model, coarse space, fine model, companion model, cheap model, expensive model, surrogate model, low fidelity (resolution) model, high fidelity (resolution) model, empirical model, simplified physics model, physics-based model, quasi-global model, physically expressive model, device under test, electromagnetics-based model, simulation model, computational model, tuning model, calibration model, surrogate model, surrogate update, mapped coarse model, surrogate optimization, parameter extraction, target response, optimization space, validation space, neuro-space mapping, implicit space mapping, output space mapping, port tuning, predistortion (of design specifications), manifold mapping, defect correction, model management, multi-fidelity models, variable fidelity/variable complexity, multigrid method, coarse grid, fine grid, surrogate-driven, simulation-driven, model-driven, feature-based modeling.

See also[edit]

  • Adaptive control
  • Cognitive model
  • Computational electromagnetics
  • Computer-aided design
  • Engineering optimization
  • Finite element method
  • Kriging
  • Linear approximation
  • Mental model
  • Mental rotation
  • Mirror neuron
  • Model-dependent realism
  • Multiphysics
  • Performance tuning
  • Response surface methodology
  • Semiconductor device modeling
  • Spatial cognition
  • Spatial memory
  • Support vector machine
  • Theory of mind

References[edit]

  1. ^ a b J.W. Bandler, "Have you ever wondered about the engineer's mysterious 'feel' for a problem?" IEEE Canadian Review, no. 70, pp. 50-60, Summer 2013. Reprinted in IEEE Microwave Magazine, vol. 19, no. 2, pp.112-122, Mar./Apr. 2018.
  2. ^ J.W. Bandler, R.M. Biernacki, S.H. Chen, P.A. Grobelny, and R.H. Hemmers, "Space mapping technique for electromagnetic optimization," IEEE Trans. Microwave Theory Tech., vol. 42, no. 12, pp. 2536-2544, Dec. 1994.
  3. ^ J.W. Bandler, R.M. Biernacki, S.H. Chen, R.H. Hemmers, and K. Madsen,"Electromagnetic optimization exploiting aggressive space mapping," IEEE Trans. Microwave Theory Tech., vol. 43, no. 12, pp. 2874-2882, Dec. 1995.
  4. ^ M.H. Bakr, J.W. Bandler, R.M. Biernacki, S.H. Chen and K. Madsen, "A trust region aggressive space mapping algorithm for EM optimization," IEEE Trans. Microwave Theory Tech., vol. 46, no. 12, pp. 2412-2425, Dec. 1998.
  5. ^ M.H. Bakr, J.W. Bandler, M.A. Ismail, J.E. Rayas-Sánchez and Q.J. Zhang, "Neural space mapping EM optimization of microwave structures," IEEE MTT-S Int. Microwave Symp. Digest (Boston, MA, 2000), pp. 879-882.
  6. ^ J.W. Bandler, Q.S. Cheng, N.K. Nikolova and M.A. Ismail, "Implicit space mapping optimization exploiting preassigned parameters," IEEE Trans. Microwave Theory Tech., vol. 52, no. 1, pp. 378-385, Jan. 2004.
  7. ^ J.W. Bandler, Q. Cheng, S.A. Dakroury, A.S. Mohamed, M.H. Bakr, K. Madsen and J. Søndergaard, "Space mapping: the state of the art," IEEE Trans. Microwave Theory Tech., vol. 52, no. 1, pp. 337-361, Jan. 2004.
  8. ^ S. Koziel, J. Meng, J.W. Bandler, M.H. Bakr, and Q.S. Cheng, "Accelerated microwave design optimization with tuning space mapping," IEEE Trans. Microwave Theory Tech., vol. 57, no. 2, pp. 383-394, Feb. 2009.
  9. ^ L. Zhang, J. Xu, M.C.E. Yagoub, R. Ding, and Q.J. Zhang, "Efficient analytical formulation and sensitivity analysis of neuro-space mapping for nonlinear microwave device modeling," IEEE Trans. Microwave Theory Tech., vol. 53, no. 9, pp. 2752-2767, Sep. 2005.
  10. ^ L. Zhang, Q.J. Zhang, and J. Wood, "Statistical neuro-space mapping technique for large-signal modeling of nonlinear devices," IEEE Trans. Microwave Theory Tech., vol. 56, no. 11, pp. 2453-2467, Nov. 2008.
  11. ^ D. Echeverria and P.W. Hemker, "Space mapping and defect correction" Computational Methods in Applied Mathematics, vol. 5, no, 2, pp. 107-136, Jan. 2005.
  12. ^ J.E. Rayas-Sanchez,"Power in simplicity with ASM: tracing the aggressive space mapping algorithm over two decades of development and engineering applications", IEEE Microwave Magazine, vol. 17, no. 4, pp. 64-76, April 2016.
  13. ^ J.E. Rayas-Sanchez , F. Lara-Rojo and E. Martanez-Guerrero,"A linear inverse space-mapping (LISM) algorithm to design linear and nonlinear RF and microwave circuits", IEEE Trans. Microwave Theory Tech., vol. 53, no. 3, pp. 960-968 2005.
  14. ^ M. Şimsek and N. Serap Şengör "Solving Inverse Problems by Space Mapping with Inverse Difference Method," Mathematics in Industry, vol. 14, 2010, pp 453-460.
  15. ^ A.J. Booker, J.E. Dennis, Jr., P.D. Frank, D.B. Serafini, V. Torczon, and M.W. Trosset,"A rigorous framework for optimization of expensive functions by surrogates," Structural Optimization, vol. 17, no. 1, pp. 1-13, Feb. 1999.
  16. ^ T.D. Robinson, M.S. Eldred, K.E. Willcox, and R. Haimes, "Surrogate-Based Optimization Using Multifidelity Models with Variable Parameterization and Corrected Space Mapping," AIAA Journal, vol. 46, no. 11, November 2008.
  17. ^ M. Redhe and L. Nilsson, "Optimization of the new Saab 9-3 exposed to impact load using a space mapping technique," Structural and Multidisciplinary Optimization, vol. 27, no. 5, pp. 411-420, July 2004.
  18. ^ T. Jansson, L. Nilsson, and M. Redhe, "Using surrogate models and response surfaces in structural optimization—with application to crashworthiness design and sheet metal forming," Structural and Multidisciplinary Optimization, vol. 25, no.2, pp 129-140, July 2003.
  19. ^ G. Crevecoeur, H. Hallez, P. Van Hese, Y. D'Asseler, L. Dupré, and R. Van de Walle,"EEG source analysis using space mapping techniques," Journal of Computational and Applied Mathematics, vol. 215, no. 2, pp. 339-347, May 2008.
  20. ^ G. Crevecoeur, H. Hallez, P. Van Hese, Y. D'Asseler, L. Dupré, and R. Van de Walle,"A hybrid algorithm for solving the EEG inverse problem from spatio-temporal EEG data," Medical & Biological Engineering & Computing, vol. 46, no. 8, pp. 767-777, August 2008.
  21. ^ S. Tu, Q.S. Cheng, Y. Zhang, J.W. Bandler, and N.K. Nikolova, "Space mapping optimization of handset antennas exploiting thin-wire models," IEEE Trans. Antennas Propag., vol. 61, no. 7, pp. 3797-3807, July 2013.]
  22. ^ N. Friedrich, "Space mapping outpaces EM optimization in handset-antenna design," microwaves&rf, Aug. 30, 2013.
  23. ^ Juan C. Cervantes-González, J. E. Rayas-Sánchez, C. A. López, J. R. Camacho-Pérez, Z. Brito-Brito, and J. L. Chavez-Hurtado,"Space mapping optimization of handset antennas considering EM effects of mobile phone components and human body," Int. J. RF and Microwave CAE, vol. 26, no. 2, pp. 121-128, Feb. 2016.
  24. ^ Hany L. Abdel-Malek, Abdel-karim S.O. Hassan, Ezzeldin A. Soliman, and Sameh A. Dakroury, "The Ellipsoidal Technique for Design Centering of Microwave Circuits Exploiting Space-Mapping Interpolating Surrogates," IEEE Trans. Microwave Theory Tech., vol. 54, no. 10, October 2006.
  25. ^ R. Khlissa, S. Vivier, L.A. Ospina Vargas, and G. Friedrich, "Application of Output Space Mapping method for Fast Optimization using Multi-physical Modeling".
  26. ^ M. Hintermüller and L.N. Vicente, "Space Mapping for Optimal Control of Partial Differential Equations".
  27. ^ L. Encica, J. Makarovic, E.A. Lomonova, and A.J.A. Vandenput, "Space mapping optimization of a cylindrical voice coil actuator", IEEE Trans. Ind. Appl., vol. 42, no. 6, pp.1437-1444, 2006.
  28. ^ G. Crevecoeur, L. Dupre, L. Vandenbossche, and R. Van de Walle, "Reconstruction of local magnetic properties of steel sheets by needle probe methods using space mapping techniques," Journal of Applied Physics, vol. 99, no. 08H905, 2006.
  29. ^ O. Lass , C. Posch , G. Scharrer and S. Volkwein, "Space mapping techniques for a structural optimization problem governed by the p-Laplace equation", Optimization Methods and Software, 26:4-5, pp. 617-642, 2011.
  30. ^ M.A. Ismail, D. Smith, A. Panariello, Y. Wang, and M. Yu, "EM-based design of large-scale dielectric-resonator filters and multiplexers by space mapping," IEEE Trans. Microwave Theory Tech., vol. 52, no. 1, pp. 386-392, Jan. 2004.
  31. ^ J. Ossorio, J.C. Melgarejo, V.E. Boria, M. Guglielmi, and J.W. Bandler, "On the alignment of low-fidelity and high-fidelity simulation spaces for the design of microwave waveguide filters," IEEE Trans. Microwave Theory Tech., vol. 66, no. 12, pp. 5183-5196, Dec. 2018.
  32. ^ Q. Zhang, J.W. Bandler, and C. Caloz, "Design of dispersive delay structures (DDSs) formed by coupled C-sections using predistortion with space mapping," IEEE Trans. Microwave Theory Tech., vol. 61, no. 12, pp. 4040-4051, Dec. 2013.