Homotopy surrogate model assisted double-loop approach for efficient structural reliability-based design optimization

Ingenieure stehen seit langem vor einem schwierigen Kompromiss beim Entwurf von Brücken, Flugzeugen und Wolkenkratzern. Einerseits müssen sie sicherstellen, dass diese Strukturen sicher genug sind, um der unvorhersehbaren Natur der realen Welt standzuhalten, in der Materialien leicht variieren, Lasten unerwartet schwanken und Dimensionen niemals perfekt exakt sind. Andererseits müssen sie vermeiden, dass diese Strukturen so schwer und teuer werden, dass sie unpraktisch sind. Die traditionelle Art, auf Sicherheit zu entwerfen, ignorierte diese kleinen Unsicherheiten oft, was zu Entwürfen führte, die entweder gefährlich fragil oder unnötig massiv waren. Um dies zu lösen, entstand ein Feld namens reliabilitätsbasierte Designoptimierung (reliability-based design optimization). Dieser Ansatz betrachtet die Unsicherheit nicht als ein Ärgernis, das es zu ignorieren gilt, sondern als einen zentralen Faktor, der berechnet werden muss, mit dem Ziel, die leichtestmögliche Struktur zu finden, die dennoch eine mathematisch beweisbare Chance hat, ihre Worst-Case-Szenarien zu überleben.

Die Herausforderung bei dieser Methode besteht darin, dass die Berechnung der Sicherheit in Bezug auf die Rechenzeit unglaublich teuer ist. Um zu wissen, ob ein Design sicher ist, müssen Ingenieure tausende verschiedene mögliche Realitäten simulieren und prüfen, wie sich die Struktur unter jeder Kombination leichter Variationen verhält. Dies für jede einzelne Designänderung während des Optimierungsprozesses durchzuführen, kann Wochen oder sogar Monate an Rechenleistung beanspruchen, was die Methode für komplexe, reale Projekte zu langsam macht. Forscher der Wuhan University of Technology haben einen neuen Weg entwickelt, um dies zu beschleunigen, ohne die Genauigkeit zu opfern. Sie haben eine Methode entwickelt, die wie eine hochgradig geschickte Abkürzung wirkt und es Ingenieuren ermöglicht, vorherzusagen, wie sich eine Struktur unter Unsicherheit verhalten wird, ohne jedes Mal die volle, schwere Simulation durchführen zu müssen.

Der Kern ihrer neuen Methode ist ein mathematisches Werkzeug namens statisches Homotopie-Surrogatmodell (static homotopy surrogate model). In der Vergangenheit verließen sich Ingenieure, die versuchen wollten, diese Berechnungen zu beschleunigen, oft auf datengesteuerte Modelle, die so sind, als würde man versuchen, das Wetter vorherzusagen, indem man sich ein paar alte Fotos ansieht. Diese Modelle benötigen eine enorme Menge an Trainingsdaten, um Muster zu erlernen, und wenn die Daten unordentlich oder unvollständig sind, können die Vorhersagen falsch sein. Das neue Werkzeug schlägt einen anderen Weg ein. Anstatt aus Beispielen zu lernen, erstellt es eine direkte, explizite Abbildung zwischen den unsicheren Eingaben und der strukturellen Reaktion unter Verwendung einer spezifischen mathematischen Expansion. Das bedeutet, dass es fast augenblicklich genaue Vorhersagen generieren kann, sobald die initiale Einrichtung abgeschlossen ist, ohne eine große Bibliothek vergangener Daten zu benötigen, um es zu lehren. Es ist ein fundamentalerer Ansatz, der die Physik des Problems direkt versteht, anstatt nur die Ergebnisse auswendig zu lernen.

Um dieses Werkzeug noch effizienter zu machen, fügten die Forscher eine kluge Wiederverwendungsstrategie hinzu. Stellen Sie sich einen Ingenieur vor, der eine neue Brücke entwirft. Während der Computer verschiedene Versionen der Brücke testet, stößt er oft auf Designs, die sehr ähnlich zu denen sind, die er bereits analysiert hat. Anstatt für jedes einzelne neue Design ein völlig neues Vorhersagemodell zu erstellen, prüft die neue Methode ihre Historie. Wenn das neue Design nah genug an einem vorherigen liegt, verwendet das System einfach das alte Vorhersagemodell wieder. Dies vermeidet die Notwendigkeit, die komplexe mathematische Abbildung jedes Mal von Grund auf neu zu erstellen, was eine enorme Zeitersparnis bedeutet. Die Forscher legst eine strikte Regel fest, wann diese Wiederverwendung zulässig ist, um sicherzustellen, dass die Abkürzung nur genommen wird, wenn die Designs ähnlich genug sind, dass die alte Abbildung weiterhin genau bleibt.

Das Team testete diesen Ansatz an vier verschiedenen Problemen, die von einfachen mathematischen Rätseln bis hin zu komplexen realen Strukturen reichten. Sie begannen mit einem hochgradig nichtlinearen Problem, einer Art schwieriger Gleichung, bei der kleine Änderungen zu riesigen, unvorhersehbaren Ergebnissen führen können. Sie testeten es auch an zwei verschiedenen Fachwerkkonstruktionen (Truss Structures), einer mit zehn Stäben und einer mit zweiundsiebzig Stäben, welche gängige Rahmenwerke für Brücken und Türme sind. Schließlich wandten sie es auf ein detailliertes Modell eines Kampfflugzeug-Flügelkastens an, einer Struktur, die aus tausenden Einzelteilen besteht. In jedem Fall fand die neue Methode Designs, die ebenso sicher und effizient waren wie jene, die durch ältere, langsamere Methoden gefunden wurden.

Die Ergebnisse zeigten eine dramatische Reduzierung der Zeit, die zur Ermittlung des besten Designs benötigt wurde. Für den Zehn-Stäbe-Fachwerk reduzierte die neue Methode die Anzahl der schweren Computersimulationen im Vergleich zu einigen bestehenden Techniken um mehr als 99 Prozent. Für den zweiundsiebzig-Stäbe-Fachwerk, der zweiundzwanzig verschiedene unsichere Faktoren beinhaltete, war die Ersparnis noch ausgeprägter und senkte den Rechenaufwand um fast 99 Prozent. Selbst für den komplexen Flügelkasten, der eine massive Anzahl an Teilen beinhaltete, gelang es der Methode, ein leichteres, sichereres Design zu finden und dabei nur einen winzigen Bruchteil der üblicherweise erforderlichen Rechenleistung zu nutzen. Die Forscher fanden heraus, dass sie durch die Wiederverwendung ihrer Vorhersagemodelle hunderte von Design-Iterationen überspringen konnten, wodurch sie effektiv die Arbeit eines viel größeren Teams in einem Bruchteil der Zeit erledigten.

Diese Arbeit deutet darauf hin, dass der Engpass hoher Rechenkosten im sicherheitskritischen Design kein unlösbares Problem ist. Durch die Kombination eines physikbasierten Vorhersagewerkzeugs mit einer intelligenten Strategie zur Wiederverwendung vergangener Arbeit können Ingenieure nun ein viel breiteres Spektrum an Designmöglichkeiten untersuchen. Dies bedeutet, dass Strukturen in Zukunft leichter, effizienter und sicherer entworfen werden können, ohne die prohibitiven Kosten endloser Computersimulationen. Die Methode ersetzt nicht die Notwendigkeit strenger Sicherheitsprüfungen, aber sie entfernt die Barriere, die diese fortschrittlichen Techniken bisher für viele komplexe technische Herausforderungen unerreichbar gemacht hat.