컴퓨터 자동 설계

Computer-automated design

디자인 오토메이션은 보통 전자 디자인 오토메이션 또는 제품 컨피규레이터인 디자인 오토메이션(Design Automation은 제품 컨피규레이터입니다.커진 전산 설계(CAD), 자동 설계와 Computer-Automated 설계(CAutoD)[1][2][3]이 자동차 공학과 같은 응용 프로그램에서는 시민 engineering,[4][5][6][7]복합 재료 설계, 제어 engineering,[8]역동적인 시스템 식별과 optimization,[9]금융 시스템, indus의 더 폭넓은 범위한다.재판 장비, mechatroNIC 시스템, 철골 구조,[10] 구조 최적화 [11]및 새로운 시스템의 [12]발명.

CAutoD의 개념은 아마도 1963년 IBM Journal of Research and [1]Development에서 컴퓨터 프로그램이 작성된 것에 처음 등장했을 것이다.

  1. 하드웨어 설계에 일정한 제약이 있는 논리회로를 찾다
  2. 인식해야 할 문자 집합의 표본에 대한 식별 능력 측면에서 이러한 로직을 평가한다.

보다 최근에는 진화 [14][15]계산 군집 지능 알고리즘과 [16]같은 휴리스틱 검색 기술을 포함하여 생물학적으로 영감을 받은 기계 [13]학습에 의해 기존의 CAD 시뮬레이션이 CAutoD로 변환되는 것으로 보인다.

성능 향상을 통한 설계 안내

컴퓨터 자동 설계에서의 상호작용

품질과 경쟁력에 대한 지속적인 수요를 충족시키기 위해, 이제는 반복적인 물리적 프로토타이핑이 '좋은 디자인'의 '디지털 프로토타이핑'으로 대체되는 경우가 많습니다. 이 프로토타이핑은 최대 출력, 에너지 효율성, 최고 속도 및 비용 효율과 같은 여러 가지 목표를 달성하는 것을 목표로 합니다.설계 문제는 알려진 범위 내에서 최선의 설계(즉, '학습' 또는 '최적화'를 통해)를 찾는 것과 기존 설계보다 새롭고 더 나은 설계(즉, 창조와 발명을 통해)를 찾는 것과 관련이 있다.이는 단일(또는 가중치) 목표 또는 다중 목표를 가진 거의 확실한 다차원(다변수) 다모달 공간의 검색 문제와 동일합니다.

표준화된 목적 함수: 비용 대 적합성

단일 목적 CAutoD를 예로 들어 비용 함수 J [, " ) \ J \ [ , \ )} 또는 피트니스 ( ,) \ f \ ( , )

1 + {\ f

다차원 공간에서의 실제적인 제약 조건 하에서 구별이 가능하며, 설계 문제를 분석적으로 해결할 수 있습니다.1차 도함수가 0이 되고 2차 도함수 조건을 만족하는 매개변수 집합을 찾으면 모든 국소 최적치가 드러난다.그런 다음, 모든 국소 최적화의 성능 지수 값과 모든 경계 매개변수 집합을 비교하는 것은 전역 최적화로 이어질 것이며, 이에 상응하는 '매개 변수' 집합은 따라서 최상의 설계를 나타낼 것이다.그러나 실제로 최적화는 일반적으로 여러 가지 목적을 수반하며 파생상품과 관련된 문제는 훨씬 더 복잡하다.

실천적 목표의 대처

실제로, 목표 값은 노이즈가 많거나 수치적이지 않을 수 있으며, 따라서 그 기울기 정보를 신뢰할 수 없거나 이용할 수 없을 수 있습니다.이는 특히 문제가 다목적일 때 해당됩니다.현재 많은 설계와 개선은 CAD 시뮬레이션 패키지의 도움을 받아 주로 수동 시행착오 프로세스를 통해 이루어집니다.일반적으로 이러한 사후 학습이나 조정은 '만족스러운' 또는 '최적' 설계가 나타날 때까지 여러 번 반복되어야 한다.

완전 검색

이론적으로 이 조정 프로세스는 완전 검색과 같은 컴퓨터 검색을 통해 자동화할 수 있습니다.는 지수 알고리즘이기 때문에 제한된 시간 내에 실제 솔루션을 제공하지 못할 수 있습니다.

다항식 시간 검색

가상 엔지니어링 및 자동 설계에 대한 한 가지 접근 방식은 진화 알고리즘과 같은 진화적 계산입니다.

진화 알고리즘

검색 시간을 단축하기 위해 생물학적으로 영감을 받은 진화 알고리즘(EA)을 대신 사용할 수 있습니다. 이는 (비결정론적) 다항식 알고리즘입니다.EA 기반의 다목적 "검색 팀"은 배치 모드에서 기존 CAD 시뮬레이션 패키지와 인터페이스할 수 있습니다.EA는 설계 파라미터(일부 파라미터가 수치적이지 않은 경우 부호화 필요)를 부호화하여 병렬 및 인터랙티브 검색을 통해 여러 후보를 세분화합니다.서치 프로세스에서는, 사후 학습의 「적자 생존」을 이용해 「선택」을 실시한다.가능한 솔루션의 다음 '세대'를 얻기 위해 일부 매개 변수 값은 두 후보 간에 교환됩니다('크로스오버'라고 하는 연산에 의해) 새로운 값('변환'이라고 함).이와 같이 진화 기술은 인간 설계자와 유사하게 지능적인 방식으로 과거의 시험 정보를 활용합니다.

EA 기반의 최적 설계는 설계자의 기존 설계 데이터베이스에서 시작하거나 랜덤으로 얻은 초기 세대의 후보 설계에서 시작할 수 있습니다.정교하게 진화한 여러 가지 최고 성능 후보가 자동으로 최적화된 여러 디지털 프로토타입을 나타낼 것입니다.

디자인을 위한 대화형 진화 알고리즘을 보여주는 웹사이트가 있습니다.EndlessForms.com을 사용하면 3D 객체를 온라인으로 진화시켜 3D 프린팅할 수 있습니다.PicBreeder.org을 사용하면 2D 영상에도 동일한 작업을 수행할 수 있습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b Kamentsky, L.A.; Liu, C.-N. (1963). "Computer-Automated Design of Multifont Print Recognition Logic". IBM Journal of Research and Development. 7 (1): 2. doi:10.1147/rd.71.0002.
  2. ^ Brncick, M (2000). "Computer automated design and computer automated manufacture". Phys Med Rehabil Clin N Am. 11 (3): 701–13. doi:10.1016/S1047-9651(18)30806-4. PMID 10989487.
  3. ^ Li, Y. 등 (2004년). CAutoCSD - 진화적 검색최적화를 통해 Wayback Machine에서 컴퓨터 자동 제어 시스템 설계 Archived 2015-08-31.International Journal of Automation and Computing, 1 (1) . 76 - 88ISSN 1751-8520
  4. ^ Kramer, GJE; Grierson, DE (1989). "Computer automated design of structures under dynamic loads". Computers & Structures. 32 (2): 313–325. doi:10.1016/0045-7949(89)90043-6.
  5. ^ Moharrami, H; Grierson, DE (1993). "Computer‐Automated Design of Reinforced Concrete Frameworks". Journal of Structural Engineering. 119 (7): 2036–2058. doi:10.1061/(ASCE)0733-9445(1993)119:7(2036).
  6. ^ XU, L; Grierson, DE (1993). "Computer‐Automated Design of Semirigid Steel Frameworks". Journal of Structural Engineering. 119 (6): 1740–1760. doi:10.1061/(ASCE)0733-9445(1993)119:6(1740).
  7. ^ Barsan, GM; Dinsoreanu, M, (1997).구조적 성능 기준에 근거한 컴퓨터 자동화 설계, Mouchel 100주년 회의, 8월 19일-21일, 케임브리지 영국, 토목 및 구조 공학에서의 혁신, 167-172
  8. ^ Li, Yun (1996). "Genetic algorithm automated approach to the design of sliding mode control systems". International Journal of Control. 63 (4): 721–739. doi:10.1080/00207179608921865.
  9. ^ Li, Yun; Chwee Kim, Ng; Chen Kay, Tan (1995). "Automation of Linear and Nonlinear Control Systems Design by Evolutionary Computation" (PDF). IFAC Proceedings Volumes. 28 (16): 85–90. doi:10.1016/S1474-6670(17)45158-5.
  10. ^ Barsan, GM, (1995년) EUROCODE-3, Northeric Steel Conference 95, JUN 19-21, 787-794에 따른 반강골조의 컴퓨터 자동화 설계
  11. ^ Gray, Gary J.; Murray-Smith, David J.; Li, Yun; et al. (1998). "Nonlinear model structure identification using genetic programming". Control Engineering Practice. 6 (11): 1341–1352. doi:10.1016/S0967-0661(98)00087-2.
  12. ^ 이첸, 윤리, (2018).계산 인텔리전스 지원 설계:산업혁명 4.0, CRC 프레스, ISBN 9781498760669
  13. ^ Zhan, Z.H. 등 (2011년)진화적 계산은 머신러닝에 대응합니다.조사, IEEE Computational Intelligence Magazine, 6(4), 68-75.
  14. ^ 그레고리 S.Hornby (2003년.컴퓨터 자동 설계 시스템 생성 표현, NASA Ames Research Center, Mail Stop 269-3, Moffett Field, CA 94035-1000
  15. ^ J. Clune과 H. Lipson(2011).발달 생물학에서 영감을 얻은 생성 인코딩을 통해 진화하는 3차원 객체.2011년 유럽 인공생명체 회의의 진행.
  16. ^ 잔, Z.H. 등(2009).적응 입자 군집 최적화, 시스템, 인간 및 사이버네틱스의 IEEE 트랜잭션, 파트 B(사이버네틱스), Vol.39, No.6.1362-1381

외부 링크