[論文レビュー] Optimization of Vehicle Dynamics based on Multibody Models using Adjoint Sensitivity Analysis

Yitao Zhu, Corina Sandu+2 more|arXiv (Cornell University)|May 20, 2014

Dynamics and Control of Mechanical Systems参考文献 7被引用数 3

ひとこと要約

本稿では、ペナルティ法を用いた多剛体車両動的モデルに対するアドジョイント感度解析手法を提案し、効率的かつ高精度な最適化を可能にする。設計パラメータに関するシステム応答の正確な勾配を計算することにより、有限差分法に比べて計算コストを低減し、全車両システムの高精度な動的最適化を実現する。

ABSTRACT

Multibody dynamics simulations have become widely used tools for vehicle systems analysis and design. As this approach evolves, it becomes able to provide additional information for various types of analyses. One very important direction is the optimization of multibody systems. Sensitivity analysis of multibody system dynamics is essential for design optimization. Dynamic sensitivities, when needed, are often calculated by means of finite differences. However, depending of the number of parameters involved, this procedure can be computationally expensive. Moreover, in many cases the results suffer from low accuracy when real perturbations are used. This paper develops the adjoint sensitivity analysis of multibody systems in the context of penalty formulations. The resulting sensitivities are applied to perform dynamical optimization of a full vehicle system.

研究の動機と目的

• 多剛体車両システムにおける感度解析における有限差分法の高い計算コストと低精度の問題を解決する。
• ペナルティに基づく多剛体動的解析定式化に特化したアドジョイント感度アプローチを開発し、勾配計算の効率を向上させる。
• 解析的感度を活用して、正確かつスケーラブルな全車両システムの設計最適化を可能にする。
• アドジョイント感度を全車両動的モデルに統合し、実用的なエンジニアリング最適化タスクを支援する。

提案手法

• キネマティック制約を満たすためにペナルティに基づく定式化を用いて多剛体動的問題を定式化する。
• ペナルティ法から生じるインデックス1の微分代数方程式（DAE）に離散アドジョイント法を適用し、感度解析のためのアドジョイント方程式を導出する。
• アドジョイント変数を用いて目的関数の設計パrameterに関する勾配を計算し、繰り返しシミュレーションを回避する。
• 最適化のための全車両多剛体モデルにアドジョイント感度フレームワークを統合する。
• 解析的勾配を用いて逐次二次計画法（SQP）や準ニュートン法などの最適化アルゴリズムを駆動する。
• アドジョイント感度と有限差分結果を比較し、計算効率を評価することで、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 ペナルティ法による制約強制を伴う多剛体システムに対して、アドジョイント感度解析を効果的に定式化する方法は何か？
• RQ2 車両動的最適化において、アドジョイント感度は有限差分法に比べてどの程度計算上の利点を有するか？
• RQ3 全車両モデルにおいて、アドジョイント感度は有限差分近似と比較してどの程度の精度を示すか？
• RQ4 アドジョイント法は、多数の設計パラメータを有する複雑な車両動的システムの効率的最適化を可能にするか？
• RQ5 ペナルティ定式化は、アドジョイント感度の条件数および精度にどのような影響を与えるか？

主な発見

• アドジョイント感度法は、設計パラメータに関するシステム応答の正確な勾配を提供し、有限差分法に比べて著しく精度が向上する。
• アドジョイント感度解析の計算コストは、設計パラメータの数に対して良好にスケーリングされ、大規模問題において有限差分法よりも効率的である。
• 本手法により、全車両多剛体モデルの正確な最適化が可能となり、目的関数評価回数を減らしながら収束することが確認された。
• 適切にチューニングされた場合、ペナルティ定式化はアドジョイント感度の精度を損なわず、勾配計算のロバスト性を維持する。
• アドジョイントアプローチにより、最適化に必要なシミュレーション回数が削減され、特に高次元の設計空間において顕著な利点を示す。
• 本フレームワークは、複雑な車両動的問題に適用可能であり、信頼性の高い感度情報により、実用的なエンジニアリング最適化タスクを支援する。