MATLAB および Simulink による設計最適化

設計のトレードオフを評価し、最適な設計を見つける

設計最適化は、プロジェクトの要件を満たす最良の設計パラメーターを見つけるプロセスです。エンジニアは通常、実験計画法 (DOE)統計、および最適化といった手法を使用して、トレードオフを評価し最適な設計を決定します。設計最適化では多くの場合、複数の設計環境を使用して、設計パラメーターが物理ドメインに対して相互に及ぼす影響を評価する作業を行います。

MATLAB® では、表計算、テキスト ファイル、バイナリ ファイル、およびその他のアプリケーションなど、さまざまなファイル形式の設定データをインポートできます。MATLAB や Simulink® から感応度解析、パラメーター微調整、および設計最適化を実行できます。Simulink は MATLAB と統合して、マルチドメインの動的システムをモデル化、シミュレート、および最適化するためのツールを提供します。

MATLAB および Simulink アドオン製品により、さらに設計最適化能力が広がります。

  • 実験計画法を実行して、実験計画を指定し、モンテカルロ シミュレーションのための乱数を生成し、感応度解析を使用して結果の堅牢性を決定し、Statistics and Machine Learning Toolbox™ を使用して応答曲線モデルを作成します。
  • Optimization Toolbox™ および Global Optimization Toolbox™ を使用して、単一および複数の設計目標を最適化します。
  • Model-Based Calibration Toolbox™ を使用して、実験計画を定義し、統計モデルを開発し、複雑なパワートレイン システムの最適なキャリブレーションと参照テーブルを生成します。
  • システム プラットフォームの改善やエネルギー消費の最小化などの目標を達成するために、Simulink Design Optimization™ を使用して Simulink モデル内の設計パラメーターを微調整します。設計最適化手法を使用することにより、オーバーシュートや位相余裕などの時間ドメインおよび周波数ドメインの制約条件を満たすことができます。また、物理プラント パラメーターとアルゴリズムまたはコントローラーゲインを統合的に最適化して総合システム パフォーマンスを最大化することもできます。

Design optimization addresses these challenges by leveraging numerical optimization techniques to automatically find optimal solutions while satisfying constraints. The process searches the design space more intelligently than brute-force sweeps of the design space. The iterative process of modifying the design is automated, reducing turnaround time and human error. Engineers also use statistical methods to explore sensitivities and understand the design space before running the optimization, as well as afterward to evaluate the robustness of optimal solutions.

MATLAB® and Simulink® provide a range of design optimization capabilities, including general tools for optimizing any kind of model, as well as more targeted tools for specific applications:

  • Optimize single and multiple design objectives with Optimization Toolbox™ and Global Optimization Toolbox. Different optimization solvers are available to address challenges such as nonlinearity, multiple optima, discrete design choices, and expensive simulations.
  • Tune design parameters in a Simulink model to meet objectives such as improved system performance and minimized energy consumption with Simulink Design Optimization™. Using design optimization techniques, you can meet both time-domain and frequency-domain constraints such as overshoot and phase margin. You can jointly optimize physical plant parameters, controller gains, or any design parameters in your model to maximize overall system performance.
  • Perform design of experiments to specify test plans, generate random numbers for Monte Carlo simulations, use sensitivity analysis to determine the robustness of your results, and create response surface models with Statistics and Machine Learning Toolbox™. For sensitivity analysis with Simulink models, use Simulink Design Optimization.
  • Define test plans, develop statistical models, and generate optimal calibrations and lookup tables for complex powertrain systems with Model-Based Calibration Toolbox™.

参考: 複数目標最適化, 非線形計画法, 実験計画法, パラメーター推定, 設計最適化ビデオ, 機械学習, 教師なし学習, データ解析, 数理モデリング, MBD (モデルベース開発)