我只是想发送一封祝福短信,祝 Dlubal 公司的每一个人一切顺利。我特别要感谢你们提供的出色、全面、专业的技术支持。
我们在工作中采用了 Dlubal 软件,并没有回头使用。 功能强大,易于使用,简单易学,输出非常简单(设置一次)。
计算价格

该价格适用于United States。

可以肯定的是,在任何项目的结构规划中,成本都是一个重要的考虑因素。 遵守有关排放估算的规定。 模块“优化和成本/CO2排放估算”可以帮助您在大量的规范和选项中找到合适的使用方法。 它使用粒子群优化算法 (PSO) 的人工智能技术 (AI) 为参数化模型和块寻找正确的参数,确保符合通常的优化准则。 另一方面,该模块可通过为结构模型的每种材料指定单价或排放量来估算整个模型成本或二氧化碳排放量。 有了这个模块,

- 人工智能技术(AI): 粒子群优化算法 (PSO)
- 按照最小自重或变形对结构进行优化
- 可以使用任意数量的优化参数
- 指定可变范围
- 优化截面和材料
- 参数定义类型
- 优化 | 升序或优化 | 下降
- 参数化模型和块的应用
- 基于规范的 JavaScript 技术对块进行参数化设置
- 根据设计结果进行优化
- 表格显示最佳模型突变
- 实时显示优化过程中的模型突变
- 通过给定的单价建模成本估算
- 通过估算 CO2当量实现模型时,确定全球升温潜能值 GWP
- 可以指定重量、体积和面积的单位(价格和 CO2 e)

您知道吗? 在 RFEM 和 RSTAB 中的结构优化是参数化输入的补充。 这是一个并行的过程,与实际的模型计算以及所有的常规计算和设计定义并行。 该模块假设您的模型或块是在参数化环境下建立的,并且整体受“优化”类型的全局控制参数控制。 因此这些控制参数有一个下限、一个上限,以及一个优化范围的步长。 如果要为控制参数找到最优值,则必须在选择优化方法(例如粒子群优化)时指定优化准则(例如最小重量)。
在材料定义中已经可以找到成本和CO2排放量的估算信息。 您可以在每个材料定义中单独激活这两个选项。 该估算基于杆件、面和实体的单位成本或单位排放。 表格中的单位是重量、体积还是面积。

有两种方法可以用于优化过程,一种是根据重量或变形准则找到最优参数值。
计算时间最短的最有效方法是近自然粒子群优化方法(PSO)。 您听说过或读到过吗? 这种人工智能 (AI) 技术的应用很好地模拟了成群的动物在寻找落脚点。 在这样的群中,您会发现许多喜欢待在一个团中并跟着大团移动的个人(参见优化解决方案 - 例如重量)。 假设每个群成员都需要在最佳位置停留(参见最佳解决方案-例如最低重量)。 随着越接近停止位置,位移的需求越大。 因此,空间的属性也会影响空间群的行为(参见结果图)。
为什么来这里探索生物? 非常简单 - RFEM 或 RSTAB 中的 PSO 过程以类似的方式进行。 程序开始时会随机分配需要优化的参数,得到一个优化结果。 它会根据以前进行的模型突变的经验,通过改变参数值反复确定新的优化结果。 该过程一直持续到达到指定的数量的可能的模型突变。
作为这种方法的替代方法,程序还为您提供了一种批处理方法。 该方法会尝试通过随机指定优化参数值来检查所有可能的模型突变,直到达到预先设定的数量。
在计算模型突变后,两种变体还会检查相应模块激活的设计结果。 此外,如果利用率<1,他们还会保存变量以及相应的优化结果和优化参数的赋值。
您可以由各种材料的总成本和排放量确定估算的总成本和排放量。 材料总数由杆件、面和实体单元的重量、体积和面积的部分材料组合得出。