HyperStudyのDOEデータからromAIによる予測モデルを作成し最適化する方法
Altair Employee本記事では、HyperStudyのDOEデータからromAIによる予測モデルを作成し最適化する方法を紹介します。
HyperStudy単体でも各種予測モデルは作成可能ですが、ディープラーニングのモデルを作成することはできません。
romAIはディープラーニングを用いた静的・動的予測モデル作成ツールでcsvのトレーニングデータから簡単に予測モデルを作成できます。
また、Twin Activateの最適化ブロックを用いて最適化を行うことも可能です。
本記事で使用したモデルは下記よりダウンロード可能です。
モデル
下記で計算したバケットパラメータを様々に変化させた場合のDOE結果を使用します。
パワーショベルの掘削シミュレーションにおけるバケット形状のDOE・最適化
HyperStudyからのデータの出力
EditのRegister Reportでレポートフォーマットを追加します。
インストールフォルダにあるレポートのサンプルのうち、hst_report_csv.pyを登録します。これでcsvフォーマットで結果を出力できます。
C:\Program Files\Altair\2023.1\hwdesktop\hst\etc\examples\reports\hst_report_csv.py
DOE後、Reportより先に登録したcsvフォーマットのレポートを選択して出力します。
romAIによる予測モデル作成
バケットパラメータ（前後長さR、カットアングルβ、フロント壁高さl1、ボトム円弧半径r）を入力として、掘削土量massを予測するモデルを作成します。
romAI Directorでは以下のように設定します。
Auto ExplorationのRepetitionを用いることで、精度の高いモデルが作成できます。
機械学習のトレーニングにより精度の高いモデルが作成できたことがわかります。
Twin Activateによる最適化
romAIブロックと最適化ブロックを接続することで、最適化を行うことができます。
本記事では掘削質量massを最大とする、バケットパラメータの組み合わせを算出しました。
最適化ブロックの使用方法は下記ご参照ください。
1Dモデルのパラメータを最適化する その1（最適化ブロック） - Twin Activate - Altair Products - Altair Community
結果、掘削質量massを最大とするバケット形状は以下となりました。
また、掘削土量は20%増加することがわかりました。
関連記事
Altair HyperStudyを用いたバケットの自動形状変更方法（容量一定拘束なし）
パラメトリックバケットモデルから面積、線長さ、角度などを算出する方法
パワーショベルの土砂掘削シミュレーションにて消費エネルギを算出する方法
パワーショベルの掘削シミュレーションにおけるバケット形状のDOE・最適化
1Dモデルのパラメータを最適化する その1（最適化ブロック） - Twin Activate - Altair Products - Altair Community
使用ソフト