Case study of a complex steel structure designed with AAD

Abstract

Algoritmebasert design (AAD) representerer en mellomting mellom ren programmering og direkte prosjektering. Metoden har mulighet til å hente det beste fra begge verdener. Ved å lage en eksplisitt arbeidsflyt får brukeren mulighet til å utnytte alle steg i prosessen som en programmerer samtidig som prosessen kan bli visuallisert og konkretisert underveis som i tradisjonelle prosjekteringsmetoder. Dette gir muligheter til å lage en fleksibel arbeidsflyt som potensielt kan brukes til alt innen prosjektering av konstruksjoner. For eksempel kan dette brukes til å utføre FEM-analyser og optimaliseringsalgoritmer.

Denne oppgaven har som mål å utforske hvordan AAD kan fungere og utforske hvordan enkelt- og flerobjektivsoptimaliseringsalgoritmer fungerer på en sammensatt konstruksjon i et praktisk tidligfase tilfelle. I denne oppgaven er det laget en model for en overgangsdel mellom tårn og jacket i en offshore vindmøllekonstruksjon vha. Grasshopper/Rhino som er analysert med Karamba. I et sammenlignignsstudie er den samme modellen analysert i et etablert komersielt beregningsprogram, Ansys, der resultatene er sammenlignet. Overgangsdelen består av noen alternative platebærerbjelker med buede ytre plan, som gjør dette til en kompleks skallkonstruksjon. Et meshstudie er også gjennomført i denne studien. En del av geometrien i modellen blir så forsøkt å optimalisere vha. enkeltobjektsoptimaliseringsprogrammet i Galapagos og flerobjektsoptimaliseringsprogrammet Octopus. Funnene gjort i oppgaven kan oppsummeres til: - Den gjennomsnittlige forskjellen mellom Karamba og Ansys Skall modell 26,09 MPa (i størrelsesorden), der Karamba var systematisk lav. Denne modellen hadde veldig dårlig kvalitet på meshet. - Et forsøk på å forbedre nettet ved å bruke "Smoothing" iterasjoner ble gjort. Dette resulterte i diskontinuitet langs utfordrende deler i meshet. - Bortsett fra de forvrengte områdene reduserte det smoothede nettet avvikene i gjennomsnitt med 5\% og fjernet de systematiske negative forskjellene. - Enkeltobjektivoptimaliseringen gir ikke en forståelse av løsningene som produseres. - Algoritmen for flerobjektivoptimalisering gir et mer interaktivt grensesnitt som gir muligheten til å få forståelse av pareto-kompromissene, men er mer komplisert i bruk. - Et tilfredsstillende mesh ble ikke oppnådd for Karamba-modellen

Algorithm-based design (AAD) represents a middle ground between pure programming and direct design. The method has the ability to draw the best from both worlds. By creating an explicit workflow, the user can take advantage of all steps in the process as a programmer while the process can be visualized and concretized along the way as in traditional design methods. This provides opportunities to create a flexible workflow that can potentially be used in all phases of design. For example, this can be used to perform FEM analyzes and optimization algorithms.

The aim of this task is to explore how AAD and single- and multi-objective optimization algorithms can work on a composite structure in a practical preliminary design case. In this task, a model has been created for a transition piece between tower and jacket in an offshore wind turbine construction using Grasshopper/Rhino which has been analyzed with Karamba. The geometry of the transition piece is an alternative steel box girder with curved outer planes, making it a complex shell structure. In a comparison study, the same model has been analyzed in an established commercial calculation program, Ansys, where the results have been compared. A mesh study has also been conducted in this study. Part of the geometry in the model is then attempted to be optimized using the single-object optimization program in Galapagos and the multi-object optimization program Octopus. The findings made in the task can be summarized as: - Initially, the average difference between Karamba and Ansys Shell models were 26,09 MPa(in magnitude), where Karamba was systematically low. This model had very poor quality mesh. - An attempt to improve the mesh by using a smoothing algorithm was made. This resulted in discontuities along challenging geometry parts. - Looking away from the distorted parts the smoothed mesh reduced the deviations average 5\% and removed the systematic negative differences. - The single objective optimization does not present an understanding of the solutions provided by the nature of a single objective. - The multi objective optimization algorithm gives a more interactive interface giving the opportunity to gain understanding the pareto compromises, but is more complicated. - A good mesh was not achieved for the Karamba model in this thesis.