Картографирование космоса - Space mapping

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

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

В основе процесса лежит пара моделей: одна очень точная, но слишком дорогая для непосредственного использования с обычной программой оптимизации, а другая значительно менее затратная и, соответственно, менее точная. Последнюю (быструю модель) обычно называют «грубой» моделью ( грубым пространством ). Первую (медленную модель) 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, физику низкой точности или модель «знаний». 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 переносятся в область оптимизации (« обратная связь »), где грубая модель или суррогат с расширенным отображением обновляется (улучшается, выравнивается с точной моделью) посредством итеративного процесс оптимизации, называемый «извлечением параметров». Сама формулировка карты включает в себя «интуицию», часть так называемого «ощущения» инженером проблемы. В частности, процесс агрессивного пространственного картирования (ASM) отображает ключевые характеристики познания (подход эксперта к проблеме) и часто иллюстрируется простыми когнитивными терминами.

Разработка

Следуя концепции Джона Бэндлера в 1993 году, алгоритмы использовали обновления Бройдена (агрессивное картирование пространства), доверительные области и искусственные нейронные сети . Разработки включают в себя неявное отображение пространства, 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 документе 2004 года рассматривается состояние дел после первых десяти лет разработки и внедрения. При картировании пространства настройки используется так называемая модель настройки, построенная инвазивно из 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. Картирование пространства поддерживается теорией звуковой конвергенции и связано с подходом исправления дефектов.

Современный обзор 2016 года посвящен агрессивному картографированию пространства. Он охватывает два десятилетия разработки и инженерных приложений. В всеобъемлющем обзорном документе 2021 года обсуждается космическое картографирование в контексте оптимизации конструкции радиочастот и микроволнового излучения ; в контексте инженерной суррогатной модели , проектирования , основанного на особенностях и когнитивных способностях; и в контексте машинного обучения , интуиции и человеческого интеллекта.

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

Категория

Оптимизация с отображением пространства относится к классу методов оптимизации на основе суррогатов, то есть методов оптимизации, основанных на суррогатной модели .

Приложения

Техника космического картирования применялась в различных областях, включая микроволновое и электромагнитное проектирование, гражданское и механическое применение, аэрокосмическую инженерию и биомедицинские исследования. Некоторые примеры:

Симуляторы

В процессах оптимизации и моделирования космического картографирования могут быть задействованы различные тренажеры.

Конференции

Три международных семинара были посвящены искусству, науке и технологиям космического картографирования.

  • Первый международный семинар по суррогатному моделированию и картированию пространства для инженерной оптимизации (Люнгби, Дания, ноябрь 2000 г.)
  • Второй международный семинар по суррогатному моделированию и картированию пространства для инженерной оптимизации (Люнгби, Дания, ноябрь 2006 г.)
  • Третий международный семинар по суррогатному моделированию и картированию пространства для инженерной оптимизации (Рейкьявик, Исландия, август 2012 г.)

Терминология

Существует широкий спектр терминологии, связанной с отображением пространства: идеальная модель, грубая модель, грубое пространство, точная модель, сопутствующая модель, дешевая модель, дорогая модель, суррогатная модель , модель с низкой точностью (разрешением), модель высокой точности (разрешения), эмпирическая модель, упрощенная физическая модель, основанная на физике модель, квазиглобальная модель, физически выразительная модель, тестируемое устройство, основанная на электромагнетизме модель, имитационная модель, вычислительная модель, настраиваемая модель, калибровочная модель, суррогатная модель, обновление суррогата, грубое отображение модель, суррогатная оптимизация, извлечение параметров, целевой отклик, пространство оптимизации, пространство проверки, отображение нейропространства, отображение неявного пространства, отображение выходного пространства, настройка портов, предыскажение (проектных спецификаций), отображение коллектора, исправление дефектов, управление моделью, мульти модели точности, переменная точность / переменная сложность, многосеточный метод , грубая сетка, точная сетка, суррогатные модели, моделирование, моделирование, модели на основе характеристик нг.

Смотрите также

использованная литература