Risk-based optimization

Structures design optimization is an important part of structural engineering as it allows to select, among competing concepts or configurations the option with the best compromise between performance, safety and economics. Risk-based optimization provides a convenient framework to deal with such conflicting goals while accounting for uncertainties related to the structural or environmental parameters.

The main problem encountered by practitioners when performing risk-based optimization is its computational cost. This is even more problematic when one integrates the time dimension to account for degrading structures and/or stochastic loading. The main line of research to deal with this has been the use of the first-order reliability method (FORM). The application of such a technique, however, is limited to simple, often analytical, problems.

This project aims at providing a novel strategy to solve time-dependent risk-based optimization problems. The proposed solution scheme relies on adaptively built surrogate models, i.e. easy-to-evaluate proxies of computationally expensive models. It is shown that the proposed approach yields accurate results when first-order approximation based methods fail or are computationally inefficient.

Die Konstruktionsoptimierung ist ein wichtiger Teil der Tragwerksplanung, da zwischen verschiedenen Konzepten oder Konfigurationen jene Option mit dem besten Kompromiss zwischen Leistung, Sicherheit und Wirtschaftlichkeit ausgewählt werden muss. Die risikobasierte Optimierung bietet ein geeignetes Werkzeug, um mit solchen widersprüchlichen Zielen umzugehen und gleichzeitig Ungewissheiten hinsichtlich Struktur- oder Umweltparametern zu berücksichtigen.

Das Hauptproblem, auf das man beim Durchführen risikobasierter Optimierungen stösst, ist der hohe Rechenaufwand. Dies wird weiter erschwert, wenn zusätzlich die Zeitdimension berücksichtigt wird, um den Tragwerksverfall und / oder stochastische Belastungen zu modellieren. Das Hauptverfahren, um solche Probleme zu behandeln, ist die Zuverlässigkeitsmethode erster Ordnung (FORM). Die Anwendung dieser Technik ist jedoch auf einfache, oft analytische Probleme beschränkt.

Dieses Projekt zielt darauf ab, eine neuartige Strategie zur Lösung zeitabhängiger risikobasierter Optimierungsprobleme bereitzustellen. Das vorgeschlagene Lösungsschema stützt sich auf adaptiv erstellte Ersatzmodelle, d.h. einfach zu berechnende Emulatoren von rechenintensiven Modellen. Es wird gezeigt, dass der vorgeschlagene Ansatz genaue Ergebnisse liefert, wenn auf Approximation basierende Verfahren erster Ordnung scheitern oder rechnerisch ineffizient sind.