Webinar: Parameteridentifikation mit optiSLang

In diesem Webinar werden die mathematischen Grundlagen der Modellkalibrierung vermittelt. Weiterhin wird auf die Fragestellung der Identifizierbarkeit und Qualität der identifizierten Parameter eingegangen. Mit Hilfe von optiSLang lassen sich diese Methoden unkompliziert für beliebige Aufgabenstellungen anwenden. Eine Schlüsselrolle dabei spielt die Definition von Signalen und Signalfunktionen sowie die Sensitivitätsanalyse mittels des Metamodels of Optimal Prognosis(MOP).

Bei der Modellkalibrierung werden die Ergebnisse von Simulationsmodellen an reale Messdaten angepasst. Dabei wird eine gemessene Antwortkurve, z.B. Last-Verschiebung, als Referenz angenommen und die Parameter des Simulationsmodells solange modifiziert, bis zwischen Referenz und Simulation eine bestmögliche Übereinstimmung erzielt wird. Diese Vorgehensweise wird auch als „Reverse Engineering“ bezeichnet. Mit Hilfe dieser Methodik kann man nicht direkt messbare Modellgrößen, wie z.B. Materialparameter, identifizieren. Aus diesem Grund ist auch die Bezeichnung Parameteridentifikation gebräuchlich.

Inhalte

1. Grundlagen der Modellkalibrierung

  • Maximum Likelihood Methode
  • Methode gewichteter kleinster  Fehlerquadrate
  • Definition von Signalen und Signalfunktionen

2. Anwendung der Sensitivitätsanalyse für Kalibrierungsprobleme

  • Definition der Parameterräume und Design of Experiments
  • Metamodell of Optimal Prognosis
  • Ausschluss nicht identifizierbarer Variablen

3. Lösung des Kalibrierungsproblems als Optimierungsaufgabe

  • Definition von geeigneten Zielfunktionen
  • Globale vs. Lokale Suche

Das Webinar richtet sich sowohl an Berechnungsingenieure als auch an Methodenentwickler im Bereich CAE, die mit der Aufgabenstellung der Modellkalibrierung regelmäßig konfrontiert werden.

 

Download Präsentationsfolien

 

 

Details

Referent:
Dipl.-Ing. Rene Kallmeyer

Termine:
in Planung
Bitte melden Sie sich spätestens 1 Tag vor dem Veranstaltungstermin an.

Sprache:
Englisch

Zeit:
09:00 - 10:00 Uhr und 16:00 - 17:00 Uhr

Gebühr: 
Das Webinar ist kostenlos!