マルチボディダイナミクスシミュレーションのための不確かさの定量化と機械学習
マルチボディダイナミクス（MBD）シミュレーションは、複雑な機械システムの運動、力、相互作用を予測することで、自動車、航空宇宙、ロボティクスのエンジニアリングで中心的な役割を果たしています。しかしMBD解析では、現実の条件にもともとある不確かさを考慮することや、計算モデルを物理データによく合うようにキャリブレーションすることが、しばしば問題になります。SmartUQは、高度な機械学習、不確かさの定量化、統計的キャリブレーションのツールを組み合わせて、これらの問題に取り組みます。
MBDシミュレーションに機械学習を使うときの課題
- 高度な不確かさの定量化の計算コスト：多数の物体と複雑な相互作用を含む詳細なMBDシミュレーションには大きな計算資源が必要で、従来のUQや最適化の解析に必要な多数のシミュレーションを実行するのが難しくなります。
- 複雑で非線形のダイナミクス：MBDの問題には、強い非線形性、不連続、動的な拘束が含まれることが多く、標準的な機械学習の手法では正確に捉えるのが困難です。
- キャリブレーションが難しい：シミュレーションの出力を現実の試験やフィールドのデータに合わせるには、パラメータやモデルの仮定を大がかりに調整する必要があることが多く、手間と資源がかかります。
MBDシミュレーションのためのSmartUQのソリューション
- 実験計画法：連続と離散の入力変数をどちらも効果的に扱い、扱える数のシミュレーションから最大の知見を得る効率のよいサンプリング戦略を立てます。
- シミュレーションの実行：SmartUQの自動化ワークフローと連携機能を使って、シミュレーションの実行と複雑なマルチボディデータの処理をスムーズに行います。
- サロゲートモデルの学習：MBDシミュレーションに特有の非線形、過渡的、多次元の挙動を捉えられる、高速で高精度なサロゲートモデルを構築します。
- 妥当性確認とキャリブレーション：検証用のシミュレーションと物理データでサロゲートモデルの精度を確かめ、統計的キャリブレーションの手法でパラメータを最適化し、モデルの不一致を補正します。
- 解析と意思決定のツール：不確かさ伝播、感度解析、確率的最適化、動的な改善のプロセスを総合的に行い、不確かな運用条件のもとでのシステムの挙動をロバストに調べます。
SmartUQの主な機能
- 動的エミュレーション：シミュレーションを反復的に自動で実行し、サロゲートモデルを改善して、目標の精度に効率よく到達させます。
- 動的最適化と動的コンター探索：サロゲートモデルの不確かさにもとづいてサンプリングを導き、最適なシステム構成や性能のしきい値を反復的に見つけます。
- APIとGUIの連携：Adams、Simulink、Python、MATLAB、コマンドラインインターフェースなど、業界をリードするツールとSmartUQをスムーズに連携させ、MBDのワークフローを効率化します。
シミュレーションのワークフローを変える
SmartUQの無料トライアルENを今すぐ始めて、MBDのワークフローに新しい効率と精度、より深いエンジニアリングの知見をもたらしてください。
