Titelaufnahme

Titel
Die Entwicklung einer Softwareumgebung zur Strukturoptimierung / von Christopher Riemel
VerfasserRiemel, Christopher
Begutachter / BegutachterinBucher, Christian
Erschienen2011
UmfangXII, 71 S. : graph. Darst.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2011
Anmerkung
Zsfassung in engl. Sprache
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Optimierung / schrankenrestringiert / Lineare Regression / Regressionsanalyse / Modellselektionsverfahren / Modelldiagnostik
Schlagwörter (EN)Optimization / bounded / Linear regression / Regression analysis / Model selection / Model diagnostics
URNurn:nbn:at:at-ubtuw:1-42676 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Die Entwicklung einer Softwareumgebung zur Strukturoptimierung [0.65 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Ziel dieser Arbeit war es, für eine gegebene diskretisierte Struktur einer Finite-Elemente Berechnung, eine zeiteffiziente und speicherunkritische Optimierungsstrategie zu entwickeln. Es sollte gezeigt werden, dass dies durch eine Schätzung der rechenaufwendigen Zielfunktion mit Hilfe einer leichter optimierbaren, klassischen, linearen Regressionsfläche möglich ist. Zu diesem Zweck wurden die theoretischen Grundlagen zur schrankenrestringierten Optimierung, zur Parameterschätzung und zur Diagnose von linearen Regressionsmodellen erläutert. Schließlich wurden diese Grundlagen in einer Softwareumgebung umgesetzt und die Arbeitshypothese mit Hilfe eines einfachen Falltestbeispiels getestet. Dabei stellte sich leider heraus, dass klassische lineare Regressionsmodelle für solche komplexen Aufgabenstellungen ungeeignet sind.

Zusammenfassung (Englisch)

The object of this thesis was to develop a time- and memory-efficient optimization strategy for a discretized structure of a finite element analysis. It should be shown that this can be done by estimating the computational expensive objective function with a more easily optimizable classical linear regression surface. To this end, the theoretical basis for bounded optimization, regressor parameter estimation and diagnosis of linear regression models were explained.

Finally, these principles were implemented in a software environment and the working hypothesis has been tested using a simple drop test case example. Unfortunately it turned out that classical linear regression models are inappropriate for such complex tasks.