Yapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması

Transkript

1 Yapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması Doç. Dr. Ali Rıza YILDIZ Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 1

2 İÇERİK Optimizasyon Evrimsel Algoritmalar Genetik Algoritmalar BURSA TEKNİK ÜNİVERSİTESİ Parçacık Sürüsü Optimizasyon Algoritması Arı Koloni Algoritması Hibrid Yöntemler Topoloji ve Şekil Optimizasyonu Otomotiv Sektöründe Uygulamalar Şekil ve Topoloji Optimizasyonu Uygulamaları Taşıt Çarpışma Performanslarının İyileştirilmesi Sac Metal Şekillendirme Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 2

3 Optimizasyon Nedir? BURSA TEKNİK ÜNİVERSİTESİ Optimizasyon, kısıtlar sağlanacak şekilde amaç fonksiyonunu/fonksiyonlarının minimum/maksimum değerlerini veren tasarım değişkenlerinin en ideal değerlerinin bulunmasıdır. Amaç fonksiyonu: f x = x 1, x 2,, x n Kısıtlayıcı fonksiyonlar: g i x g i x 1, x 2,, x n 0; i=1..m Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 3

4 Yapay Zeka Optimizasyon Algoritmaları Canlıların yaşama, üreme ve beslenme gibi davranış biçimlerinden esinlenerek geliştirilmiş popülasyon temelli optimizasyon algoritmalarıdır. Genetik algoritmalar (Genetic algorithms) Parçacık sürüsü optimizasyon algoritması (Particle Swarm Optimization Algorithm) Yapay arı koloni algoritması (Artificial Bee Colony Algorithm) Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 4

5 Genetik Algoritmalar, genetik bilimindeki evrim prensiplerini ve kromozomal prosesleri bilgisayar ortamında taklit ederek çalışan optimizasyon metodudur. Genetik Algoritmaların Çalışma Prensibi Genetik algoritmalar iteratif optimizasyon metodur. Herbir iterasyonda tekbir çözüm ile çalışmak yerine, çeşitli çözümleri içeren bir çözüm kümesi ( popülasyon) ile çalışır Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 5

6 Genetik Algoritmaların Çalışma Prensibi Akış Şeması Başla Başlangıç Popülasyonunu Oluştur Üreme Çaprazlama hayır Mutasyon Elitizm Kısıtlar Sağlanıyormu? Dur evet Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 6

7 * * * * * * * *2 0 = Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 7

8 Genetik Algortima Döngüsü 1 OPTİMUM TASARIM Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 8

9 Parçacık Sürüsü (particle swarm) Optimizasyonu (PSO); 1995 yılında J.Kennedy ve R.C.Eberhart tarafından; kuş sürülerinin davranışlarından esinlenilerek geliştirilmiş popülasyon tabanlı optimizasyon tekniğidir Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 9

10 Kuşların, yerini bilmedikleri yiyeceği aramaları, bir probleme çözüm aramaya benzetilir. Kuşlar yiyecek ararken yiyeceğe en yakın olan kuşu takip ederler. Parçacık olarak adlandırılan her tekil çözüm, arama uzayındaki bir kuştur. Çözüm uzayında her boyuttaki hızın ve yönün her seferinde nasıl değişeceği, komşularının en iyi koordinatları ve kendi kişisel en iyi koordinatlarının bir birleşimi olacağı kabul edilerek optimum noktaya ulaşmaya çalışılır. Parçacık Sürüsü Optimizasyonu Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 10

11 Parçacık Sürüsü Optimizasyonu Akış Diyagramı Başla Başlangıç sürüsünü, hızları ve pozisyonları oluştur. Sürüdeki bütün parçacıkların uygunluk değerini hesapla. Her jenerasyonda tüm parçacıkları önceki jenerasyonun en iyisi ile karşılaştır. Daha iyi ise yer değiştir. En iyi yerel değerleri kendi arasında karşılaştır ve en iyi olanı küresel en iyi olarak ata Hız ve pozisyon değerlerini yenile. hayır Durdurma kriteri evet Sonucu Göster Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 11

12 Hibrid Optimizasyon Algoritmaları Hibrid Optimizasyon Yöntemleri, global optimum noktaya en az iterasyonda en kısa zamanda yakınsamasını sağlamak için geliştirilen algoritmalardır. f(x) F x = -a x = b x E A B D C Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 12

13 Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 13

14 20 < x1 < < x2 < 41 8 < x3 < 14 3 < x4 < 12 Ex No X 1 (mm) X 2 (mm) X 3 (mm) X 4 (mm) Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 14

15 Table. Results of the ANOVA for volume Level1 Level2 Level3 Level4 DOF M F Cont.(%) X , , X , , X , , X , , Error 3 0,00203 Total < x1 <50 15 < x2 <41 8 < x3 < 14 3 < x4 < < x1 <50 15 < x2 <41 8 < x3 < 14 3 < x4 < Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 15

16 40 < x1 <50 15 < x2 <41 8 < x3 < 14 3 < x4 < < x1 <50 15 < x2 <41 8 < x3 < 14 3 < x4 < Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 16

17 Topoloji Optimizasyonu Topoloji optimizasyonunun temel mantığı, optimizasyonu yapılacak parçanın dış boyutlarında herhangi bir değişiklik olmaksızın, istenen oranda hacim azaltarak alternatifler arasından en rijit yapının elde edilmesine olanak sağlayacak şekilde belirli bölgelerden malzeme boşaltılması esasına dayanır. Topoloji optimizasyonunda hedef, amaç fonksiyonlarını (rijitlik, doğal frekans, üretim maliyetleri v.b.) minimum veya maksimum yapan en iyi malzeme dağılımını bulmaktır Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 17

18 Topoloji Optimizasyonu Tek Komponentli Topoloji Opt. (N. Kikuchi, 1989) Çok Komponentli Topoloji Opt. (A.R. Yıldız, K. Saitou 2007) Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 18

19 Şekil Optimizasyonu x1 x2 x3 x4 Alt limit Üst limit Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 19

23 Multi-objective optimization of vehicle crashworthiness using a new particle swarm based approach Ali Rıza Yıldız & Kiran Solanki Bursa Technical University Mississippi State University CAVS(Center for Advanced Vehicular System) Sponsored by Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 23

24 a. b. c. Full Frontal Impact (FFI) Offset Frontal Impact (OFI) Fig. 1 FE model of a1996 Dodge Neon in three impacts a. Full frontal; b. 40% offset frontal; c. side. c. Side Impact (SI) odel of a1996 Dodge Neon in three impacts Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 24

25 Full Frontal Impact (FFI) Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 25

26 Offset Frontal Impact (OFI) Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 26

27 Side Impact (SI) Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 27

29 Mass (kg) Internal Energy (kj) BURSA TEKNİK ÜNİVERSİTESİ Internal Energy Absorption Comparison % 42% 58% 42% FFI SIDE OFI 56% 44% Total Selected Parts Mass Comparison Total Mass Selected Parts 92% 8% Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 29

30 Table. The description of the design variables and their initial (or baseline) values Design Variables Component Initial Thickness (mm) x 1 Left and right front doors 236 & x 2 Left and right rear doors 272 & x 3 Inner hood x 4 Left and right outer B-pillars 310 & x 5 Left and right middle B-pillar 328 & x 6 Inner front bumper x 7 Front floor panel x 8 Left and right outer CBN 355 & x 9 Left and right front fenders 373 & x 10 Left and right inner front rails 389 & x 11 Left and right outer front rails 390 & x 12 Rear plate x 13 Suspension frame Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 30

31 a. Full frontal b. offset frontal c. side Figure. Plan view of approximate locations for intrusion measurement Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 31

32 Design Responses No Design Variable Objective values (mm) x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 x 10 x 11 x 12 x 13 f 1 (x) f 2 (x) f 3 (x) 7 responses for objectives or constraints: Total Mass of selected components Intrusion Distances: (FFI, OFI), Door (SIDE) 3 Internal Energies: Sum of I.E. Absorption of selected parts (FFI, SIDE, OFI) Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 32

33 FFI Relative to Steel base Intrusion distance (mm) -1.1% Internal energy (kj) 2.9% SIDE Intrusion distance (mm) -0.1% Internal energy (kj) 7.8% OFI Intrusion distance (mm) -5.1% Internal energy (kj) 1.4% Mass (kg) -16.4% Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 33

34 SAÇ ŞEKİLLENDİRME GEÇMİŞİNİN OTOMOBİL DARBE EMİCİLERİN ÇARPIŞMA PERFORMANSINA ETKİSİNİN İNCELENMESİ VE OPTİMİZASYONU Sponsored by Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 34

38 without forming history with forming history Maximum Crush force Absorbed enegy % Difference witout forming istory-wit forming istory % % Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının Çok Amaçlı Yapısal Optimizasyonu" 38

39 Objective Functions minimize thinning, minimize springback, minimize maximum crush force, minimize mass Design variables tube height, width, thickness, corner radius, BURSA TEKNİK ÜNİVERSİTESİ 40 < x1 < < x2 < < x3 < < x4 <

40 Pareto point number Width (mm) BURSA TEKNİK ÜNİVERSİTESİ Table: Design points on pareto front Height (mm) Corner Radius (mm) Thickness (mm) Thining Springback Max Crush Force(KN) Mass (kg)

41

42 Design Variables Lower limit Initial design Lower limit D2 (mm) D3(mm) D4 (mm) D1 (mm) D5(mm) D6 (mm) D7-thickness (mm)

43 Fig. Crash force-time for initial and optimum design Fig. Specific energy absorption-time for initial and optimum design Table. Comparison of the results for intial and optimum design Specific Energy absorption (kj) Peak force (kn) Weight (g) Initial design Optimum Design

44