Optimization of mechanical structures by means of a biological algorithm

Esterhammer, Florian; Wagner, Hermann; Baumgartner, Werner

doi:urn:nbn:de:hbz:82-rwth-2015-041434

Optimization of mechanical structures by means of a biological algorithm = Optimierung mechanischer Strukturen mittels eines biologischen Algorithmus

Esterhammer, Florian

2015

Verantwortlichkeitsangabevorgelegt von Florian Esterhammer

ImpressumAachen : Publikationsserver der RWTH Aachen University 2015

UmfangXVI, 140 S. : graph. Darst.

Aachen, Techn. Hochsch., Diss., 2015

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Baumgartner, Werner (Thesis advisor) ; Wagner, Hermann (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2015-08-17

Online
URN: urn:nbn:de:hbz:82-rwth-2015-041434
URL: https://publications.rwth-aachen.de/record/481442/files/481442.pdf
URL: https://publications.rwth-aachen.de/record/481442/files/481442.pdf?subformat=pdfa

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Biowissenschaften, Biologie (frei)

Thematische Einordnung (Klassifikation)
DDC: 570

Kurzfassung
Stahlträger werden in vielerlei Strukturen verwendet, wie zum Beispiel in Hochregallager. Ihr Profil ist seit Jahrzehnten unverändert. Auf den ersten Blick sind Reduzierung der Produktionskosten durch eine von zwei Herangehensweise erreichbar. Die erste erfordert die Nutzung, und vermutlich vorherige Entwicklung, von leichteren Baumaterial. Die Alternative bedingt die Entwicklung eines Profils welches dem aktuellen Profil in Stabilität ebenbürtig ist und dabei wenig Material verbraucht. Solche Profile können durch andere Bereiche inspiriert sein oder durch verschiedene Methoden optimiert werden. Sofern ein biologisches Modell existiert, könnte ein besseres Profil durch einen sogenannten Top-Down Prozess gefunden werden. Alternativ, da alle biologischen Modelle das Ergebnis von Millionen Jahren an Evolution sind, kann dieser Prozess der Anpassung und Optimierung selbst als Inspiration für eine technische Lösung dienen, die selbst wiederum genutzt werden kann um das ursprüngliche Problem zu lösen. In diesem Kontext bezeichnet Optimierung die Verbesserung einer Lösung (das Profil) zur Maximierung einer Metrik von Interesse (die Reduzierung des benötigten Materials). Computergestützte Implementierung des Evolutions-Prozesse wurden zuerst in den 60er Jahren entwickelt und werden bis heute als Herangehensweise zur Lösung von Optimierungsproblemen genutzt. über die Jahre hinweg erschienen Variationen des Konzepts unter verschiedenen Namen (e.g., evolutionary program, genetic program, evolutionary algorithm). Die Implementierung unterscheiden sich auch unter den Algorithmen. Manche verzichten zum Beispiel auf Crossovers und verlassen sich ausschliesslich auf Mutationen um eine Diversität in die Population einzuführen. Andere Unterschiede zeigen sich unter anderem in der Enkodierung der Individuen oder die Populationsgröße. Ein besonderes Merkmal welches in der Literatur bislang nicht erwähnt wurde und im vorgestellten Algorithmus vorgestellt wird, wurden „Konservierte Segmente” genannt. Dieses Feature erlaubt es teile des genetischen Codes eines Individuums vor Veränderungen durch Mutationen und Crossover zu schützen. Dies ermöglicht es einer Population Charakteristiken hinzuzufügen. Das garantiert, dass diese Eigenschaft die nicht zwangsläufig im natürlichen Verlauf der Evolution auftritt, dennoch in der Population vorhanden zu sein und somit im Optimierungsprozess berücksichtigt zu werden. Die während der Test des Algorithmus gesammelten Ergebnisse beweisen seine Funktionsfähigkeit und die einiger seiner Schlüsselmerkmale, einschließlich der Fähigkeit sowohl offene als auch geschlossene Profile zu optimieren, gepaart mit der Nutzung der neuen Konservierten Segmente. Alle gezeigten Testfälle konnten über 10000 Generationen verbessert werden. Zwei der Fälle zeigen beispielhaft das beeindruckende Verbesserungspotential des initialen Problems, mit Materialeinsparungen im zweistelligen Prozentbereich bei Erhalt der Stabilitätskriterien der Referenzprofile. Die Dissertation erfüllt somit seinen Zweck als Machbarkeitsstudie für die Konservierten Segment im genetischen Algorithmus, aber auch für das Verbesserungspotential von Trägerprofile. Nach einer Optimierung des Algorithmus und seiner Parameter, könnte er genutzt werden nach Bedarf für Nischen zu entwickeln. Um noch genauere Ergebnisse zu erzielen, wurde eine Abspaltung des Algorithmus entwickelt, welches ein open source Finite Element Simulations-Tool eines Drittanbieters nutzt um die Stabilität der Profile zu ermitteln. Diese Version des Algorithmus ist zwar voll funktionsfähig, jedoch konnten aufgrund der langen Laufzeit der komplexen Simulation keine vollständigen Testfälle durchgeführt werden. Dieser Algorithmus wird im Appendix beschrieben.

Steel beams are used to build all manner of structures, for example storage racks for high rack warehouses. They have remained unchanged in their design for decades. At a glance, reductions in production costs could mainly be achieved by one of two approaches. The first one would require the use, and potentially development of, lighter construction materials. The alternative entails the development of a profile that can match the current designs stability whilst reducing the amount of material required. Such profiles can be found by either looking for an inspiration in other fields or by trying to optimize the profile through various methods. The availability of a suitable biological model provided, an improved profile might be found through a socalled top-down process. Alternatively, as all suitable biological model are the result of millions of years of evolution, this process of adaptation and optimization can itself be the inspiration for a technical solution, which in turn, can be used to solve the initial problem. In this context optimization is the improvement of a solution (the profile) to the maximum of a related metric of interest (the reduction of material used). Computational implementation of the evolutionary process were first developed during the 60's and, to this day, are used as an approach to solve optimization problems. Over the years variations of the concept appeared under different names (e.g., evolutionary program, genetic program, evolutionary algorithm). The implementation also differ between the algorithms. For example some omitted crossovers relying solely on mutations to introduce diversity into the population. Other differences include, among others, the encoding of the individuals or the population size. One distinctive feature that hasn't been found in the literature previously and is introduced in the presented algorithm is what has been dubbed "conserved segments". This feature allows part of the individuals' genetic code to be protected from changes from both mutation and crossover operations. This allows the addition of characteristics into the population. It guaranties that a feature that would not necessarily occur in the natural progress of evolution is present in the population and thereby considered in the optimization process. The results gathered while testing the capabilities of the algorithm prove the functionality of the algorithm as well as several of its key features, including the ability to optimize both open and closed profiles, combined with the usage of the novel conserved segments. All test-cases shown could be improved over the course of 10000 generations. Two of the cases also exemplify the substantial potential for improvements possible for the initial problem by reducing the material requirements by a two-digit percentage while still fulfilling the stability requirements of the reference profiles. Thus the thesis is a proof of concept for both, the concept of conserved segments in genetic algorithms as well as for the potential of improvements to the profiles of beams. After some further optimization of the algorithm and its parameters, it could be used to develop new profiles on demand fitting niche criteria in some fields. To provide even more precise results closer to reality, a fork of the algorithm has been developed that employs a third-party open source finite-element simulation tool to determine the stability of profiles. While this version is fully functional, the prohibitively long run times of the complex simulation prevented the running of full tests. It is presented in the appendix.

OpenAccess:
PDF PDF (PDFA)
(additional files)