Qiita Teams that are logged in
You are not logged in to any team

Log in to Qiita Team
Community
OrganizationEventAdvent CalendarQiitadon (β)
Service
Qiita JobsQiita ZineQiita Blog
17
Help us understand the problem. What are the problem?

More than 1 year has passed since last update.

ベイズ最適化手法を用いたメッシュモーフィングによる流路の最適化

ベイズ最適化の概説

ガウス過程により平均と分散を考慮した回帰式について、最小となりうる可能性のある部分に実験点を追加し、回帰式を更新するとともに最小値を探す手法

BayesianOptimization.png

上図において、最小値はx=0.75付近であるがx=0.15付近の回帰式の予測精度が悪く(事後分布の幅が大きい)、最小値を持ちうる可能性がある。ベイズ最適化では最小値を持ちうる可能性のある0.15付近を次の実験点とし、最小値付近の回帰式の精度を向上させつつ最小値を探す。

  • 効率的な動的実験計画
  • 多峰性に強い

以上からベイズ最適化は、一回の計算時間がかかり、設計空間の非常に広いパラメトリックなCAEの最適化に有効と思われる。


使用するパッケージ

GPyOpt

ベイズ最適化のパッケージ

ガウス過程のGPyが必要な他、初期の計算にラテン超方格サンプリングを利用する場合はpyDOEも必要

インストール

bash
conda update scipy
pip install GPy
pip install gpyopt
pip install pyDOE

パッケージ情報

Name: GPy
Version: 1.9.2
Summary: The Gaussian Process Toolbox
Home-page: http://sheffieldml.github.com/GPy/
Author: GPy Authors: https://github.com/SheffieldML/GPy/graphs/contributors
Author-email: gpy.authors@gmail.com
License: BSD 3-clause
Location: /home/ubuntu/.pyenv/versions/anaconda3-5.0.1/envs/py35/lib/python3.5/site-packages
Requires: numpy, paramz, scipy, six
Required-by: GPyOpt
---
Name: GPyOpt
Version: 1.2.1
Summary: The Bayesian Optimization Toolbox
Home-page: http://sheffieldml.github.io/GPyOpt/
Author: -Aki Vehtari
Author-email: None
License: None
Location: /home/ubuntu/.pyenv/versions/anaconda3-5.0.1/envs/py35/lib/python3.5/site-packages
Requires: numpy, scipy, GPy
Required-by: 
---
Name: pyDOE
Version: 0.3.8
Summary: Design of experiments for Python
Home-page: https://github.com/tisimst/pyDOE
Author: Abraham Lee
Author-email: tisimst@gmail.com
License: BSD License (3-Clause)
Location: /home/ubuntu/.pyenv/versions/anaconda3-5.0.1/envs/py35/lib/python3.5/site-packages
Requires: numpy, scipy
Required-by: 

PyGEM

メッシュモーフィングのパッケージ

Stl形式のサーフェイスデータやOpenFOAMなどのメッシュのモーフィングが可能
Python2系で提供されているが2to3で3系でも利用可能

インストール

いろいろ試したので下記でよかったのか自信なし。
あとUbuntu-16.04.3 LTSにおける説明です。

bash
sudo apt install -y libxt6
sudo apt install -y libsm6

pip install numpy scipy matplotlib vtk nose coveralls coverage
conda install -c conda-forge -c dlr-sc -c pythonocc -c oce pythonocc-core==0.17.3

git clone https://github.com/mathLab/PyGeM.git
cd PyGeM
2to3 -w ./

python3 setup.py install

パッケージ情報

Name: pygem
Version: 1.1
Summary: Tools for gemetrical morphing.
Home-page: https://github.com/mathLab/PyGeM
Author: Marco Tezzele, Nicola Demo
Author-email: marcotez@gmail.com, demo.nicola@gmail.com
License: MIT
Location: /home/ubuntu/.pyenv/versions/anaconda3-5.0.1/envs/py35/lib/python3.5/site-packages/pygem-1.1-py3.5.egg
Requires: numpy, numpy-stl, enum34, scipy, matplotlib, vtk, Sphinx, sphinx-rtd-theme
Required-by: 

PyFoam

OpenFOAMに関するユーティリティを提供するパッケージ
今回はOpenFOAMのコントロールに利用する

インストール

bash
pip install PyFoam

パッケージ情報

Name: PyFoam
Version: 0.6.9
Summary: Python Utilities for OpenFOAM
Home-page: http://openfoamwiki.net/index.php/Contrib/PyFoam
Author: Bernhard F.W. Gschaider
Author-email: bgschaid@ice-sf.at
License: GPL
Location: /home/ubuntu/.pyenv/versions/anaconda3-5.0.1/envs/py35/lib/python3.5/site-packages
Requires: numpy
Required-by: 

OpenFOAMのバージョン

今回はOpenFOAM-v1712を使っている。
(別途インストールしてください-->OpenFOAMの環境構築2018

OpenFOAMの設定($FOAM_ETC/bashrc)を読み込んだ状態で起動したPythonで下記を実行。

python
import PyFoam
PyFoam.foamVersionString()
#-->'v1712'

流路の最適化問題

OpenFOAMのTutorialにあるTJunctionを下記のように改造(定常計算化+境界条件変更)

outlet1, outlet2から流出する流量(流速)を等しくした上で、inletの圧力を最小化する

設計変数はモーフィンググリッドのp0~p3のxy座標とする

objTJunc.PNG

OpenFOAMをPythonで動かす準備

基本的にPyFoamからOpenFOAMを動かす。
下記の関数を定義しておく

python
import shlex, os

from PyFoam.RunDictionary.SolutionDirectory import SolutionDirectory
from PyFoam.RunDictionary.ParsedParameterFile import ParsedParameterFile
from PyFoam.Basics.DataStructures import Vector
from PyFoam.Execution.BasicRunner import BasicRunner
from PyFoam.LogAnalysis.UtilityAnalyzer import UtilityAnalyzer
from PyFoam.LogAnalysis.LogAnalyzerApplication import LogAnalyzerApplication
from PyFoam.Applications.ClearCase import ClearCase

def ofExec(cmd, case_path):
    cmds = shlex.split("{} -case {}".format(cmd, case_path))
    runner = BasicRunner(cmds, silent=True)
    state = runner.start()
    return state

def getValueFromLog(re, logfile, rmLog=True):
    ua = UtilityAnalyzer()
    ua.addExpression("val",re)
    logApp = LogAnalyzerApplication(ua)
    logApp.run(logfile)

    if rmLog:
        shutil.rmtree(logfile,ignore_errors=True)

    return np.array(ua.getData("val"),dtype=float) 

解析ケースの準備

チュートリアルケースのコピーする
その後、blockMeshを実行し、polyMeshディレクトリ内のpointsファイルをpoints_orgとしてコピーしておく

python
from PyFoam.IPythonHelpers.Case import Case
tut_TJunc=Case(
    "{}/tutorials/incompressible/pimpleFoam/RAS/TJunction/".format(
            PyFoam.FoamInformation.findInstallationDir(PyFoam.foamVersionString())[-1]
    ))
TJunc = tut_TJunc.sol.cloneCase("./TJunction")

points_path ="{}/points".format(TJunc.polyMeshDir())
org_points_path  = "{}_org".format(points_path)

res_blockMesh = ofExec("blockMesh", TJunc.name)
shutil.move(points_path, org_points_path)

あと、境界条件などの変更を行っておく

diff
diff --git a/0/U b/0/U
index d0660ba..8f0b2c9 100644
--- a/0/U
+++ b/0/U
@@ -22,7 +22,8 @@ boundaryField
 {
     inlet
     {
-        type            pressureInletOutletVelocity;
+        type            flowRateInletVelocity;
+   volumetricFlowRate  constant 0.002; //[m3/s]
         value           uniform (0 0 0);
     }

diff --git a/0/p b/0/p
index 807e4dc..97397a9 100644
--- a/0/p
+++ b/0/p
@@ -22,18 +22,13 @@ boundaryField
 {
     inlet
     {
-        type            uniformTotalPressure;
-        p0              table
-        (
-            (0 10)
-            (1 40)
-        );
+        type            zeroGradient;
     }

     outlet1
     {
         type            fixedValue;
-        value           uniform 10;
+        value           uniform 5;
     }

     outlet2
diff --git a/system/controlDict b/system/controlDict
index 78cd543..cbf36ec 100644
--- a/system/controlDict
+++ b/system/controlDict
@@ -15,7 +15,7 @@ FoamFile
 }
 // * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //

-application     pimpleFoam;
+application     simpleFoam;

 startFrom       startTime;

@@ -23,13 +23,13 @@ startTime       0;

 stopAt          endTime;

-endTime         1.5;
+endTime         1000;

-deltaT          0.001;
+deltaT          1;

-writeControl    adjustableRunTime;
+writeControl    timeStep;

-writeInterval   0.1;
+writeInterval   1000;

 purgeWrite      0;

@@ -45,75 +45,12 @@ timePrecision   6;

 runTimeModifiable true;

-adjustTimeStep  yes;
+adjustTimeStep  no;

 maxCo           5;

 functions
 {
-    probes
-    {
-        // Where to load it from
-        libs            ("libsampling.so");
-
-        type            probes;
-
-        // Name of the directory for probe data
-        name            probes;
-
-        // Write at same frequency as fields
-        writeControl    writeTime;
-        writeInterval   1;
-
-        // Fields to be probed
-        fields
-        (
-            p U
-        );
-
-        probeLocations
-        (
-            ( 1e-06 0 0.01 )        // at inlet
-            (0.21 -0.20999 0.01)  // at outlet1
-            (0.21 0.20999 0.01)   // at outlet2
-            (0.21 0 0.01)         // at central block
-        );
-    }
-
-    sTransport
-    {
-        type            scalarTransport;
-        libs            ("libsolverFunctionObjects.so");
-
-        enabled         true;
-        writeControl    outputTime;
-        writeInterval   1;
-
-        field           s;
-
-        write           true;
-
-        fvOptions
-        {
-            unitySource
-            {
-                type            scalarSemiImplicitSource;
-                enabled         true;
-
-                scalarSemiImplicitSourceCoeffs
-                {
-                    selectionMode   all;
-                    volumeMode      specific;
-                    injectionRateSuSp
-                    {
-                        s           (1 0);
-                    }
-                }
-            }
-        }
-
-        resetOnStartUp  false;
-    }
 }

 // ************************************************************************* //
diff --git a/system/fvSchemes b/system/fvSchemes
index 45b7880..9724934 100644
--- a/system/fvSchemes
+++ b/system/fvSchemes
@@ -17,7 +17,7 @@ FoamFile

 ddtSchemes
 {
-    default         Euler;
+    default         steadyState;
 }

 gradSchemes
@@ -28,14 +28,13 @@ gradSchemes
 divSchemes
 {
     default         none;
-    div(phi,U)      Gauss limitedLinearV 1;
-    div(phi,k)      Gauss limitedLinear 1;
-    div(phi,epsilon) Gauss limitedLinear 1;
-    div(phi,R)      Gauss limitedLinear 1;
-    div(phi,s)      Gauss limitedLinear 1;
-    div(R)          Gauss linear;
-    div(phi,nuTilda) Gauss limitedLinear 1;
+    div(phi,U)      bounded Gauss linearUpwind grad(U);
+    div(phi,k)      bounded Gauss limitedLinear 1;
+    div(phi,epsilon) bounded Gauss limitedLinear 1;
+    div(phi,omega)  bounded Gauss limitedLinear 1;
+    div(phi,v2)     bounded Gauss limitedLinear 1;
     div((nuEff*dev2(T(grad(U))))) Gauss linear;
+    div(nonlinearStress) Gauss linear;
 }

 laplacianSchemes
@@ -53,5 +52,10 @@ snGradSchemes
     default         corrected;
 }

+wallDist
+{
+    method meshWave;
+}
+

 // ************************************************************************* //
diff --git a/system/fvSolution b/system/fvSolution
index da1a955..a014d3d 100644
--- a/system/fvSolution
+++ b/system/fvSolution
@@ -21,51 +21,38 @@ solvers
     {
         solver          GAMG;
         tolerance       1e-06;
-        relTol          0.01;
-        smoother        GaussSeidel;
-    }
-
-    pFinal
-    {
-        solver          GAMG;
-        tolerance       1e-06;
-        relTol          0;
+        relTol          0.1;
         smoother        GaussSeidel;
     }

-    "(U|k|epsilon|s)"
+    "(U|k|epsilon|omega|f|v2)"
     {
         solver          smoothSolver;
         smoother        symGaussSeidel;
         tolerance       1e-05;
         relTol          0.1;
     }
-
-    "(U|k|epsilon|s)Final"
-    {
-        $U;
-        tolerance       1e-05;
-        relTol          0;
-    }
 }

-PIMPLE
+SIMPLE
 {
-    nOuterCorrectors 1;
-    nCorrectors     2;
     nNonOrthogonalCorrectors 0;
-    pRefCell        0;
-    pRefValue       0;
+    consistent      yes;
+
+    residualControl
+    {
+        p               1e-2;
+        U               1e-3;
+        "(k|epsilon|omega|f|v2)" 1e-3;
+    }
 }

 relaxationFactors
 {
     equations
     {
-        "U.*"           1;
-        "k.*"           1;
-        "epsilon.*"     1;
-        "s.*"           1;
+        U               0.9; // 0.9 is more stable but 0.95 more convergent
+        ".*"            0.9; // 0.9 is more stable but 0.95 more convergent
     }
 }


モーフィングの準備

モーフィングの設定をparamsで行う。
xyz方向にそれぞれ6,6,2のグリッドで分割し、中央のp0~p3のグリッドを動かす。
下記ではp0~p3のグリッドを時計方向に回転させたときのメッシュモーフィング例である

python
import pygem as pg
e =1.e-6
l = 0.2-e
c = np.array([0.2, 0.0, 0.01])

params = pg.params.FFDParameters()
params.rot_angle = np.array([0,0,0])
params.origin_box = np.array([c[0] - l, c[1] - l ,c[2] - l])
params.lenght_box = np.array([2*l, 2*l, 2*l])

params.n_control_points = np.array([6,6,2])
params.array_mu_x = np.zeros(params.n_control_points.cumprod()[-1]).reshape(params.n_control_points)
params.array_mu_y = np.zeros(params.n_control_points.cumprod()[-1]).reshape(params.n_control_points)
params.array_mu_z = np.zeros(params.n_control_points.cumprod()[-1]).reshape(params.n_control_points)

# moving grid
params.array_mu_x[2,2,:]  = -1. #p0x
params.array_mu_y[2,2,:]  = 1. #p0y

params.array_mu_x[3,2,:]  = -1. #p1x
params.array_mu_y[3,2,:]  = -1. #p1y

params.array_mu_x[2,3,:]  = 1. #p2x
params.array_mu_y[2,3,:]  = 1. #p2y

params.array_mu_x[3,3,:]  = 1. #p3x
params.array_mu_y[3,3,:]  = -1. #p3y

of_handler = pg.openfhandler.OpenFoamHandler()
points = of_handler.parse(org_points_path)

# morphing
free_form = pg.freeform.FFD(params, points)
free_form.perform()
new_points = free_form.modified_mesh_points
shutil.rmtree(points_path,ignore_errors=True)
of_handler.write(new_points, points_path)

これをParaViewで確認すると下図のように中心部が回転しているような変形を実現できてる

hairu2.png

モーフィング部分のみ関数化しておく

python
def morph_mesh(x, polyMeshDir):

    x=x.reshape(-1,1)

    params.array_mu_x[2,2,:]  = x[0]
    params.array_mu_y[2,2,:]  = x[1]

    params.array_mu_x[3,2,:]  = x[2]
    params.array_mu_y[3,2,:]  = x[3]

    params.array_mu_x[2,3,:]  = x[4]
    params.array_mu_y[2,3,:]  = x[5]

    params.array_mu_x[3,3,:]  = x[6]
    params.array_mu_y[3,3,:]  = x[7]

    org_points_path = "{}/points_org".format(polyMeshDir)
    points_path ="{}/points".format(polyMeshDir)

    of_handler = pg.openfhandler.OpenFoamHandler()
    points = of_handler.parse(org_points_path)
    free_form = pg.freeform.FFD(params, points)
    free_form.perform()
    new_points = free_form.modified_mesh_points
    shutil.rmtree(points_path,ignore_errors=True)
    of_handler.write(new_points, points_path)

目的関数の定義

先に記した通り、最小化したい関数は下記のとおりである。

\begin{align}
min:  & p_{inlet} \\
const: & - U_{y_{outlet1}} = U_{y_{outlet2}} = 2.5
\end{align}

ベイズ最適化で制約条件を扱うことは可能であるが、今回制約条件の計算にもCFDの計算が必要であるので計算時間がかかりそう(うまく実装すればそうでもないはず…)

今回ラグランジェ未定定数のような形で、制約条件を満たさない場合にペナルティを課す目的関数に変更する。

min: p_{inlet} + 1000 \cdot (2.5 -U_{y_{outlet2}})^2

OpenFOAMの計算処理も含めてコード化すると下記のようになる

python
def objectFunc(x):
    #clean case
    TJunc.clearResults()
    TJunc.clearPattern("PyFoam*")

    # check points_org in polyMeshDir
    points_path ="{}/points".format(TJunc.polyMeshDir())
    org_points_path  = "{}_org".format(points_path)
    if not os.path.exists(org_points_path):
        res_blockMesh = ofExec("blockMesh", TJunc.name)
        shutil.move(points_path, org_points_path)

    # morphing mesh
    morph_mesh(x,TJunc.polyMeshDir())

    # solve simpleFoam
    res_simpleFoam = ofExec("simpleFoam", TJunc.name)

    # get U_outlet2
    res_pathAveU = ofExec(
        'postProcess -func "patchAverage\(name=outlet2,U\)" -latestTime', TJunc.name)
    U_outlet2 =getValueFromLog(
        "average\(outlet2\) of U = \((%f%) (%f%) (%f%)\)", res_pathAveU["logfile"])

    # get p_inlet
    res_pathAvep = ofExec(
        'postProcess -func "patchAverage\(name=inlet,p\)" -latestTime', TJunc.name)
    p_inlet= getValueFromLog(
        "average\(inlet\) of p = (%f%)", res_pathAvep["logfile"])

    #print("Uy:{}".format(U_outlet2[1]))
    #print("p:{}".format(p_inlet[0]))

    if np.abs(2.5 - U_outlet2[1]) < 0.001:
        Uy = 2.5
    else:
        Uy = U_outlet2[1]

    p = p_inlet[0]

    return p  + 1000. *(2.5 - Uy)**2

内容は、「モーフィング → simpleFoam → patchAverage U → ログ分析(Uy_outlet2) → patchAverage p → ログ分析(p) → 目的関数の値計算」を実施している

Uy_outlet2が多少ずれても(2.5±0.001)ペナルティをかけないようにしてみた。


ベイズ最適化

設計変数は先述の通りp0~p3のxy座標である。変数の範囲などを定めてベイズ最適化モデルを作成する。
初期実験点は50点のラテン超方格計画で定めている

python
import GPy
import GPyOpt
bounds = [
    {'name': 'p0x', 'type': 'continuous', 'domain': (-1,1)},
    {'name': 'p0y', 'type': 'continuous', 'domain': (-1,1)},
    {'name': 'p1x', 'type': 'continuous', 'domain': (-1,1)},
    {'name': 'p1y', 'type': 'continuous', 'domain': (-1,1)},
    {'name': 'p2x', 'type': 'continuous', 'domain': (-1,1)},
    {'name': 'p2y', 'type': 'continuous', 'domain': (-1,1)},
    {'name': 'p3x', 'type': 'continuous', 'domain': (-1,1)},
    {'name': 'p3y', 'type': 'continuous', 'domain': (-1,1)},
]

myBopt = GPyOpt.methods.BayesianOptimization(
    f=objectFunc,
    domain=bounds,
    initial_design_numdata=50,
    initial_design_type="latin",
    acquisition_type='LCB')

最適化を行う。

python
myBopt.run_optimization(max_iter=200)

計算完了後、最適解の履歴を表示する

python
from matplotlib import pyplot as plt
myBopt.plot_convergence()

convergence.opt.png

初期計算50回 + max_iter 200回 合計250回の計算が実施されている。
計算の履歴から最適解のベスト5を確認する

python
import pandas as pd
df = pd.DataFrame(np.c_[myBopt.X,myBopt.Y])
df.columns = ["p0x", "p0y", "p1x", "p1y", "p2x", "p2y", "p3x", "p3y", "f"]
df.sort_values("f").head()

f1_x0.png

最適解は206回目の結果であることがわかる。
実際206回目の最適化結果をParaViewで確認する

python
x_opt1 = df.iloc[206,:].values[:-1]
objectFunc(x_opt1)

optF1aTJunc.png

最適化結果の理解としては、圧力が高いOutlet1(下側)に積極的に流すために「つ」の形になめらかな流路を目指すべきで、一方圧力の低いOutlet2側へは圧損をつけて
流れにくくすべきだと、最適解が語っていると思われる。言われれば当たり前な気がする。
ちなみに最適解における、p_inlet:3.93941,Uy_outlet2:2.48509でほぼ求める解となっている


準最適解の確認

他の最適解も確認する。
最適解のベスト5の設計変数の相関行列を確認する

python
import pandas as pd
df = pd.DataFrame(np.c_[myBopt.X,myBopt.Y])
df.columns = ["p0x", "p0y", "p1x", "p1y", "p2x", "p2y", "p3x", "p3y", "f"]
df.sort_values("f").head().T.corr()

f1_x.png

ほとんど206回目の解と相関性が高いが、94回目の解は相関性が低い。つまり別の峰の解であると思われる。

python
x_opt1 = df.iloc[94,:].values[:-1]
objectFunc(x_opt1)

ParaViewで確認すると下図の通りである

optF1bTJunc.png

最適解の理解としては206回目の最適解と比べて交差点がoutlet1に近い。できるだけinletとoutlet1を直線的につないで圧損をつけずに流したいいう思想と思わる。
尚、この解のp_inlet:5.85746, Uy_outlet2:2.4938である。


まとめ

  • メッシュモーフィングによる流路の最適化をベイズ最適化を用いて行った
  • 最適解の履歴にある準最適解の相関を確認することで、別の峰の最適解を確認できた
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
17
Help us understand the problem. What are the problem?