www.konstruktion-industrie.com
28
'08
Written on Modified on
MAPLESOFT
Physikalisches Modellierungs-Konsortium stellt sich den Herausforderungen der nächsten Generation des Engineering-Designs. Tom Lee, Chief Evangelist, Maplesoft
Da Ingenieure immer schwierigere Aufgaben mit Software-Werkzeugen lösen, die eine Generation zu alt sind, ist eine Hauptempfehlung des Physikalischen Modellierungs-Konsortiums die Implementierung von Softwarestrategien zur „physikalischen Modellierung“. Unter dem Gesichtspunkt, das einige Experten schätzen, dass mehr als 80% des Modellierungs- und Simulationsaufwands heute für die Entwicklung von Gleichungen benötigt wird, sind symbolische Berechnungstools, welche die mathematische Struktur von Zusammenhängen, Variablen und Parametern erstellen, ein Hauptthema. Das Beispiel des von Toyota entwickelten Ansatzes der „Conserved Quantities“ , bei dem vollständige Modellgleichungen nur durch Belegen von „Conserved Quantities“-Variablen formuliert werden, zeigt, was mit dem symbolischen Ansatz möglich ist.
Bei dem letzen Meeting des Physikalischen Modellierungs-Konsortiums (Physical Modeling Consortium – PMC) in Berlin, gaben Senior-Ingenieure von Branchengrößen wie Toyota und IAV einen Ausblick auf die vor ihnen liegenden Herausforderungen. Das PMC (www.pmconsortium.org) ist eine neue Organisation, die im Jahr 2007 von der Engineering-Softwarefirma Maplesoft and Toyota gegründet wurde, um die Aufmerksamkeit für alternative mathematischen Modellierungsmethoden für physikalische Systeme zu erhöhen. Die Gründung dieses Konsortiums folgte auf die Ankündigung einer mehrjährigen Vereinbarung von Maplesoft und Toyota, über die Entwicklung einer neuen Generation von Software-Werkzeugen für die Modellierung physikalischer Systeme.
Bei dem Treffen in Berlin wurde festgestellt, dass die traditionellen Simulations- und Modellierungs-Tools, die auf Signalfluss-Diagrammen aufbauen (wie Simulink und Easy 5) nicht die nötige analytische Flexibilität haben, um komplexe Modelle zu bearbeiten. Ein klares Beispiel ist der Bereich des Kontrollsystem-Designs, wo Signalfluss-Software sich als hinderlich und zeitraubend für die Anlagenentwicklungsphase gezeigt hat.
Obwohl auf den ersten Blick moderne Signalfluss-Software hoch entwickelte Benutzerschnittstellen bietet, erfordert das Konzept ein klares Verständnis der zugrunde liegenden Modellgleichungen. Im besten Fall ist dies ein hinderlicher und zeitraubender Prozess. Wenn man die Komplexität der Design-Herausforderungen, zum Beispiel bei hybriden Kraftwerken und der leitungsgebundenen Kontrolle kritischer Funktionen, betrachtet, ist der Entwicklungsprozess der Gleichungen mit Signalfluss-Systemen sehr entmutigend.
Einige Experten schätzen, dass mehr als 80% der Projektarbeit bei der Simulation für die Entwicklung der Gleichungen benötigt wird. Diese Arbeit wird normalerweise auf fehleranfällige Art und Weise mit Papier und Stift, Taschenrechner und Nachschlagewerken erledigt. Selbst von leistungsfähigen Signalfluss-Programmen wird ein Großteil der Entwicklungsarbeit nur unzureichend unterstützt.
PMC’s Interesse an symbolischer Berechnung
Eine der Techniken, an denen PMC-Mitglieder stark interessiert sind, ist die symbolische Berechnung, das heißt, Algorithmen, die komplexe mathematische Ausdrücke mit mathematischen und algebraischen Methoden manipulieren können. Im Gegensatz zu numerischen Techniken, dem traditionellen Kerngerüst für praktisch alle Verarbeitungstechniken, produzieren symbolische Techniken Ausdrücke und Gleichungen und nicht nur Zahlen.
Ein Vorteil von symbolischen Algorithmen ist, dass sie die mathematische und symbolische Struktur von Zusammenhängen, Variablen und Parametern enthalten. In Gegensatz dazu wandeln numerische Algorithmen alles sofort zu Gleitkommazahlen um.
Ein anderer bedeutsamer Nutzen ist die natürliche Anpassung von symbolischen Methoden für die multi-domänen Modellierung. Im Bereich der Automobilindustrie werden Innovation in modernen Autos oft von der Elektronik aktiviert, die direkt mit den mechanischen, hydraulischen, thermischen, chemischen und anderen Komponenten verbunden ist. Der symbolische Ansatz passt sich natürlich der multi-domänen Modellierung an, weil jedes bekannte Modelliergerüst die Bauelemente zwangsläufig auf ihre mathematischen Definitionen reduziert und die Gleichungen auf eine geeignete Weise „anschließt“.
Darüber hinaus ist symbolische Verarbeitung ein wirkungsvoller Beschleuniger für die Simulationsleistung. Mit neuen Entwicklungen in der Welt der symbolischen Berechnung haben Ingenieure hybride Berechnungsverfahren entwickelt, die die jeweiligen Vorteile beider Techniken kombinieren.
Ausführungsgeschwindigkeit für entscheidende Schlüssel-Simulationstechniken, wie Hardware-in-the-loop (HIL)-Simulationen und andere Echtzeitanwendungen. Das Konzept ist überraschend einfach. Symbolische Algorithmen vereinfachen und optimieren Modellgleichungen vor der iterativen numerischen Lösung. Dieses Aufteilen der EDV-Belastung ist einer der Schlüsselfaktoren für die rasche Annahme von symbolischen Techniken in Ingenieurkreisen gewesen. Einige bezeichnen diese Simulationsbeschleunigung als „Killer-Applikation“ für die symbolische Verarbeitung.
Bei dem Meeting in Berlin bot Toyota dem Konsortium einen Einblick, was bei der Verwendung des symbolischen Ansatzes möglich ist. Alex Ohata, Senior Engineering Manager, und Ken Butts, Executive Engineer, präsentierten einige Details des theoretischen Gerüsts des Conserved Quantities (CQ)-Ansatzes für die physikalische Modellierung. Diese Technik wird gegenwärtig in eine gemeinsame Entwicklungsinitiative „High Level Modeling Tool“ (HLMT) von Maplesoft und Toyota implementiert.
Die Motivation für HLMT ist sehr einfach. Toyota beobachtete, dass typische Ingenieure oft physikalische Schlüsselprinzipien vermissen, wenn sie Modelle entwickeln. Ein typisches Beispiel ist die Einbeziehung von Wärmeverlusten in verschiedenen Bauelementen. Es sei denn, Ingenieure bauen extra Funktionen ein, um solche Ausfälle zu kompensieren. Sie konnten leicht Modelle aufbauen, die gut aussahen und funktionierten, die aber nicht alle wichtigen physikalischen Eigenschaften berücksichtigten. Das Ziel des HLMT-Projekts ist die Entwicklung einer Sicherheitsfunktion für die physikalische Modellierung, die die theoretische Korrektheit sicherstellt, und der CQ-Ansatz ist, dies automatisch zu tun.
CQ versucht vollständige Modellgleichungen nur durch Belegen von Conserved-Quantities-Variablen (auch „Through“-Variablen genannt) zu formulieren. Beispiele für diese Variablen sind Energie, Ladung, Moment und Masse. Die Gleichungsformulierung ist auch begrifflich problemlos.
Bei dem Treffen in Berlin wurde festgestellt, dass die traditionellen Simulations- und Modellierungs-Tools, die auf Signalfluss-Diagrammen aufbauen (wie Simulink und Easy 5) nicht die nötige analytische Flexibilität haben, um komplexe Modelle zu bearbeiten. Ein klares Beispiel ist der Bereich des Kontrollsystem-Designs, wo Signalfluss-Software sich als hinderlich und zeitraubend für die Anlagenentwicklungsphase gezeigt hat.
Obwohl auf den ersten Blick moderne Signalfluss-Software hoch entwickelte Benutzerschnittstellen bietet, erfordert das Konzept ein klares Verständnis der zugrunde liegenden Modellgleichungen. Im besten Fall ist dies ein hinderlicher und zeitraubender Prozess. Wenn man die Komplexität der Design-Herausforderungen, zum Beispiel bei hybriden Kraftwerken und der leitungsgebundenen Kontrolle kritischer Funktionen, betrachtet, ist der Entwicklungsprozess der Gleichungen mit Signalfluss-Systemen sehr entmutigend.
Einige Experten schätzen, dass mehr als 80% der Projektarbeit bei der Simulation für die Entwicklung der Gleichungen benötigt wird. Diese Arbeit wird normalerweise auf fehleranfällige Art und Weise mit Papier und Stift, Taschenrechner und Nachschlagewerken erledigt. Selbst von leistungsfähigen Signalfluss-Programmen wird ein Großteil der Entwicklungsarbeit nur unzureichend unterstützt.
PMC’s Interesse an symbolischer Berechnung
Eine der Techniken, an denen PMC-Mitglieder stark interessiert sind, ist die symbolische Berechnung, das heißt, Algorithmen, die komplexe mathematische Ausdrücke mit mathematischen und algebraischen Methoden manipulieren können. Im Gegensatz zu numerischen Techniken, dem traditionellen Kerngerüst für praktisch alle Verarbeitungstechniken, produzieren symbolische Techniken Ausdrücke und Gleichungen und nicht nur Zahlen.
Ein Vorteil von symbolischen Algorithmen ist, dass sie die mathematische und symbolische Struktur von Zusammenhängen, Variablen und Parametern enthalten. In Gegensatz dazu wandeln numerische Algorithmen alles sofort zu Gleitkommazahlen um.
Ein anderer bedeutsamer Nutzen ist die natürliche Anpassung von symbolischen Methoden für die multi-domänen Modellierung. Im Bereich der Automobilindustrie werden Innovation in modernen Autos oft von der Elektronik aktiviert, die direkt mit den mechanischen, hydraulischen, thermischen, chemischen und anderen Komponenten verbunden ist. Der symbolische Ansatz passt sich natürlich der multi-domänen Modellierung an, weil jedes bekannte Modelliergerüst die Bauelemente zwangsläufig auf ihre mathematischen Definitionen reduziert und die Gleichungen auf eine geeignete Weise „anschließt“.
Darüber hinaus ist symbolische Verarbeitung ein wirkungsvoller Beschleuniger für die Simulationsleistung. Mit neuen Entwicklungen in der Welt der symbolischen Berechnung haben Ingenieure hybride Berechnungsverfahren entwickelt, die die jeweiligen Vorteile beider Techniken kombinieren.
Ausführungsgeschwindigkeit für entscheidende Schlüssel-Simulationstechniken, wie Hardware-in-the-loop (HIL)-Simulationen und andere Echtzeitanwendungen. Das Konzept ist überraschend einfach. Symbolische Algorithmen vereinfachen und optimieren Modellgleichungen vor der iterativen numerischen Lösung. Dieses Aufteilen der EDV-Belastung ist einer der Schlüsselfaktoren für die rasche Annahme von symbolischen Techniken in Ingenieurkreisen gewesen. Einige bezeichnen diese Simulationsbeschleunigung als „Killer-Applikation“ für die symbolische Verarbeitung.
Bei dem Meeting in Berlin bot Toyota dem Konsortium einen Einblick, was bei der Verwendung des symbolischen Ansatzes möglich ist. Alex Ohata, Senior Engineering Manager, und Ken Butts, Executive Engineer, präsentierten einige Details des theoretischen Gerüsts des Conserved Quantities (CQ)-Ansatzes für die physikalische Modellierung. Diese Technik wird gegenwärtig in eine gemeinsame Entwicklungsinitiative „High Level Modeling Tool“ (HLMT) von Maplesoft und Toyota implementiert.
Die Motivation für HLMT ist sehr einfach. Toyota beobachtete, dass typische Ingenieure oft physikalische Schlüsselprinzipien vermissen, wenn sie Modelle entwickeln. Ein typisches Beispiel ist die Einbeziehung von Wärmeverlusten in verschiedenen Bauelementen. Es sei denn, Ingenieure bauen extra Funktionen ein, um solche Ausfälle zu kompensieren. Sie konnten leicht Modelle aufbauen, die gut aussahen und funktionierten, die aber nicht alle wichtigen physikalischen Eigenschaften berücksichtigten. Das Ziel des HLMT-Projekts ist die Entwicklung einer Sicherheitsfunktion für die physikalische Modellierung, die die theoretische Korrektheit sicherstellt, und der CQ-Ansatz ist, dies automatisch zu tun.
CQ versucht vollständige Modellgleichungen nur durch Belegen von Conserved-Quantities-Variablen (auch „Through“-Variablen genannt) zu formulieren. Beispiele für diese Variablen sind Energie, Ladung, Moment und Masse. Die Gleichungsformulierung ist auch begrifflich problemlos.
Mit anderen Worten ist die Veränderung der „Quantity“ Eingangswert minus Ausgangswert. Gesunder Menschenverstand: erstes Gesetz der Thermodynamik.
Auf der neuen IFAC-Konferenz in Seoul, bemerkte Jan Bakus, Maplesoft-Leiter für HLMT, dass die technischen Herausforderungen dieses Ansatzes bedeutsam gewesen sind. Die Entwicklungsgruppe ist jedoch in der Lage gewesen, sie durch Verwenden von symbolischen Verarbeitungsansätzen zu überwinden, um die Mathematik zu managen und zu vereinfachen.
In dem Physikalischen Modellierungs-Konsortium arbeiten größere OEM’s, Lieferanten und Lösungsanbieter zusammen, um schnell optimale Verfahren und Standards einzuführen, sodass analytische Techniken, wie die symbolische Berechnung oder das „Conserved Quantities“-Modellieren kurzfristig den erwarteten Nutzen liefern. das nächste Meeting des Physikalischen Modellierungs-Konsortiums findet am 30. Oktober in Japan statt.
http://www.pmconsortium.org/
Fordern Sie weitere Informationen an…