Centrum kompetence automobilového průmyslu Josefa Božka - AutoSympo a Kolokvium Božek 11. a , Roztoky -

Transkript

1 Popis obsahu balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY Vedoucí konsorcia podílející se na pracovním balíčku České vysoké učení technické v Praze, zodpov. osoba Prof. Ing. Jan Macek, DrSc. Členové konsorcia podílející se na pracovním balíčku ŠKODA AUTO a. s. M. Hrdlička, Vysoké učení technické v Brně P. Novotný, Vysoká škola báňská - Technická univerzita Ostrava Z. Folta, TÜV SÜD Czech s.r.o. O. Vaculín, Technická univerzita v Liberci P. Brabec, Ricardo Prague s.r.o. B. Hnilička, Honeywell, spol. s r.o. P. Škara Hlavní cíl balíčku Zkrácení času mezi výzkumem koncepce a aplikací inovovaného výrobku na trhu (time-to-market, TTM) o cca 30%. Dílčí cíle balíčku pro nejbližší období WP01C03: Vyzkoušení funkčnosti databáze DASY pro optimalizaci hnací jednotky vozidla z hlediska dojezdu na příkladu hnací jednotky elektromobilu. DASY se základními komponentami bude využita pro komplexní optimalizaci hnací jednotky elektromobilu včetně akumulátorů z hlediska dojezdu s vazbami na hmotnost vozidla a jeho odpory, na rekuperaci energie pro dobíjení akumulátorů, topení a větrání/klimatizaci vozidla a dynamiky vozidla za různých provozních situací. Bude sledována TTW spotřeba energie pro ocenění reálného přínosu elektromobilu ke snížení emisí skleníkových plynů. TE Str. 1 Za WP 01 Jan Macek, ČVUT v Praze

2 Popis plnění balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY Algoritmus optimalizace spotřeby energie elektromobilu při srovnávání koncepcí příklad použití DASY pro vozidlo 1. Rozpad vozidla na hnací jednotku s podsestavami (kola, převodová ústrojí, e- motor, inverter/converter, baterie; karoserii s příslušenstvím - např. otopný a klimatizační systém; řídicí systém). 2. Simulační popis vlastností základních entit PDR, ODR, regresní algebraické náhrady. 3. Simulační popis vozidla jako celku při jízdě (ODR s numerickou integrací nebo v uzavřeném tvaru integrované ODR). 4. Popis tratě (úseky jsou s různou délkou rozděleny podle parametrů max. rychlost, doporučená rychlost, nadmořská výška, součinitel adhese a valivého tření, teplota, rychlost a směr větru atp.). Popis řidiče (jízdní návyky, pohodlí). 5. Algoritmus pro průjezd tratí s danými omezeními. 6. Algoritmus optimalizace spotřeby energie s danými omezeními. 7. Porovnání optimálních výsledků spotřeby energie pro různé koncepce. TE Str. 2 Za WP 01 Jan Macek, ČVUT v Praze

3 eta M Popis plnění balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,0 1,0 P rel M 2,0 3,0 Motor a generátor účinnosti nahrazené regresním modelem (zde iracionální lomená funkce). Podobná procedura pro tepelná čerpadla pro H i AC (korekce proti Carnotovu čerpadlu). Model ohřátí motoru a změn teploty v chladicím systému. Simulační modely jednotlivých dílů po rozpadu konstrukce. eta M r eta M Model vozidla se základními ODR trakční dynamiky. Rozpad konstrukce. TE Str. 3 Za WP 01 Jan Macek, ČVUT v Praze 3

4 Optimization inputs Popis plnění balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY Optimized control Velocity profile optimization Simulation GPS coords, speed limits, road profile Simple vehicle model of FIAT Doblo Vozidlo Post-processing: energy demands analysis Popis trasy a jejích pevných (max. rychlost) i variabilních Route planning parametrů (reálná rychlost, součinitel adhese, vítr, ). Route data preprocessing Aplikace řídicího systému. TE Str. 4 Za WP 01 Jan Macek, ČVUT v Praze

5 Popis plnění balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY Transformace parametrů algoritmu XLSX do DASY VEHICLE m veh 1500 kg delta 0.1 OPTIMIZATION P M lim in 40 S x.c x 1 m2 K f 0.3 K a 1 w max nom 135 km/h K sl 0.5 impact on reference power K b 0.1 W M clutch kwh/100km K ad 0.1 W M in kwh/100km K bd 0.3 W batt net kwh/100km K bd lim 5 W batt gross kwh/100km K w 1 K e 0.5 P a max kw K ed 0.7 P b min kw a b lim -1 m.s-2 P cont max kw Upper limit a of ad downhill lim accceleration 1 m.s-2 P cont min kw Lower limit a of a acceleration>0 001 m.s-2 Lower limit a of b deceleration -0.1 m.s-2 Lower limit P of a power>0 0.1 W OPERATION CAR BODY POWERTRAIN DRIVER ROUTE S body 4 m2 m Powertrain 360 kg lam air W.m-1.K-1 L body 2 m F T max N T in comf 20 C nu air 1.49E-05 m2.s-1 k rest body 20 W.m-2.K-1 n M nom min-1 int. temp. dev. 3 C g 9.81 m.s-2 al nat conv 10 W.m-2.K-1 c p body 540 J.kg-1.K-1 r 287 J.kg-1.K-1 m body thermal 100 kg T_out_ini 20 C m body 1000 kg TABLE OF T OUT File_nameColumns Mass DRIVETRAIN 30 kg T in ini 20 C P acc ini 400 W T M cool ini 20 C HVAC eta m trans ini 0.98 m HVAC 30 kg eta m FORMULA total trip length m Q HVAC ini 2000 W I trans 5 total time min Q HVAC CH 2000 W time w/o breaks min T_H 30 C w ave km/h T C 15 C MOTOR AC corr. fact. (incl. mech.eff.) 0.25 Mass 30 kg w base i HP corr. factor 0.25 S e 0.4 m3 w opt i k e 400 W.m-2.K-1 f adh c p e 600 J.kg-1.K-1 mu r m e thermal 10 kg alpha T_M_lim 100 C p i T M ini 20 C T i TABLE ke*se 160 W.K-1 w wind T M ave C m cargo load T_M_max C phi R TE Str. 5 Za WP 01 Jan Macek, ČVUT v Praze

6 Popis plnění balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY Možné přístupy k optimalizaci hrubá síla (všechny úseky každý zvlášť se splněním omezení) heuristika pro kombinaci možných jízdních režimů deterministický přístup prediktor (odzadu) korektor (dynamické programování) se zobecněnými optimalizačními proměnnými v omezeném počtu Výsledky hrubé síly a heuristického algoritmu jsou obdobné a poněkud lepší než deterministický přístup. Vyžadují co nejustálenější rychlost. Deterministický přístup využívá maximální rychlosti a blíží se ke běžnému stylu jízdy. TE Str. 6 Za WP 01 Jan Macek, ČVUT v Praze 6

7 T in C T M C w [km/h] a [m/s2] W Cumm [kwh] P ave [kw] w [km/h] Slope % Velocities and Slope - Average Speed 52.8km/h Motor Power Limit 27kW -20% 10 w [km/h] w base [km/h] w P lim [km/h] Slope % Velocities and Acceleration - Average Speed 52.8km/h 20% 15% 10% 5% 0% -5% -10% -15% Energy and Power - Motor Clutch 17.2 Motor In 22.9 Battery Nett 23.7 Battery Gross 26.4 kwh/100 km P acc 400W PHVAC 2.0kW W cumm clutch [kwh] W M in [kwh] W batt net [kwh] W SOC [kwh] P ave [kw] Deterministický model s omezeným počtem optimalizačních parametrů Energy and Power - Motor Clutch 17.2 Motor In 22.9 Battery Nett 23.7 Battery Gross 26.4 kwh/100 km P acc 400W PHVAC 2.0kW w [km/h] w P lim [km/h] a [m/s2] TE Str. 7 Za WP 01 Jan Macek, ČVUT v Praze T cool C T in C T M C 7

8 Energy Consuption [kwh/100 km] Energy Consuption [kwh/100 km] Total Time [min] dw F Energy Consumption - Route 06 if; K w 1,0 w w/o heating ds mred else w dw P 15 const Maximum Power Used [kw] W M clutch W M in W batt gross time w/o breaks Spotřeba energie z baterie je ovlivněna účinností nabíjení/vybíjení baterie. Závisí při krátkých jízdách velmi na počátečních teplotách při použití topení nebo klimatizace (obojí s tepelným čerpadlem). HVAC je řízeno na předtápění/chlazení a využití rekuperace energie při jízdě po spádu. Vytápěcí tepelné čerpadlo je zapojeno na chladicí okruh motoru. res ds lim then wdw a TE Str. 8 Za WP 01 Jan Macek, ČVUT v Praze lim Trakční práce a čas jízdy bez zastávek a případného nabíjení v závislosti na omezeném výkonu motoru a omezeném zrychlení v dolním rozsahu rychlostí. Lokální maximum spotřeby může způsobit pomalá akcelerace, jež spotřebovává více práce než rychlá. To platí jen pokud se řidič snaží kopírovat průběh povolené rychlosti! Energy Consumption - Route 06; K w 0,8 Heating: initial temperature 20 C, out -10 C W M clutch 60% W M in 50 Maximum Power Used [kw] W batt gross eta e M av*eta I*eta C eta e G av*eta I*eta C 8 85% 80% 75% 70% 65%

9 Energy Consuption [kwh/100 km] Time to Drive [min] Energy Consuption [kwh/100 km] Popis plnění balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY Větší rezerva 35.0 výkonu na Energy Consumtpion and Time to Drive: Route km m veh 1500kg T_out_ini 20 C T in ini 20 C akceleraci 3 40 energie z Motor Power Limit [kw] W batt gross: K w = 1.0: del P a = 0.1 W M clutch: K w = 1.0: del P a = 0.1 W batt gross: K w = 1.0: del P a = 0.5 W M clutch: K w = 1.0: del P a = 0.5 W batt gross: K w = 0.8: del P a = 0.1 W M clutch: K w = 0.8: del P a = 0.1 W batt gross: K w = 0.6: del P a = 0.1 W M clutch: K w = 0.6: del P a = 0.1 W batt gross: K w = 0.4: del P a = 0.1 W M clutch: K w = 0.4: del P a = 0.1 time w/o breaks: K w = 1.0: del P a = 0.1 time w/o breaks: K w = 1.0: del P a = 0.5 time w/o breaks: K w = 0.8: del P a = 0.1 time w/o breaks: K w = 0.6: del P a = 0.1 time w/o breaks: K w = 0.4: del P a = 0.1 Spotřeba energie na kolech Spotřeba baterie TE Str. 9 Za WP 01 Jan Macek, ČVUT v Praze Energy Consumtpion and Time to Drive: Route km m veh 1500kg T_out_ini 20 C T in ini 20 C pro různá omezení rychlosti Topení na 17 C při -10 C tepelné čerpadlo na motoru W batt gross: K w = 1.0: del P a = 0.1 W batt gross: K w = 1.0: del P a = 0.5 W batt gross: K w = 0.8: del P a = 0.1 W batt gross: K w = 0.6: del P a = 0.1 W batt gross: K w = 0.4: del P a = 0.1 W batt gross: K w = 0.8; del P a = 0.1; T out = -10 Time to Drive [min] Větší rezerva výkonu na akceleraci

10 Plnění cílů, milníků a výstupů, splněné výsledky balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY Plnění dílčích cílů, milníků a výstupů WP01M02: Implementace konstrukční studie elektromobilu do DASY. (ČVUT v Praze, VUT v Brně, VŠB-TUO, TÜV SÜD Czech, Ricardo Prague) Integrace popisu struktury koncepce, optimalizace parametrů a návaznost jednotlivých kroků konstrukce vozidla bude použita jako test schopností DASY popsat a řešit pokročilou koncepčně novou konstrukci vozidla s maximálním využitím existujících prvků. Implementace databáze u zúčastněných partnerů pro provedení testů. WP01A05: Vývoj vybraných modulů pro návrh elektrických vozidel. W01V003: Výsledky srovnání různých koncepcí elektromobilů v prostředí DASY. (ČVUT) Jako příklad aplikace DASY s praktickými výsledky pro pracovní balíčky WP18 a WP19 bude provedeno srovnání různých koncepcí pro konkrétní elektromobil se zahrnutím interakcí mezi konceptem pohonu, hmotností, energetickou spotřebou a dojezdem. TE Str. 10 Za WP 01 Jan Macek, ČVUT v Praze

11 Plnění cílů, milníků a výstupů, splněné výsledky balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY Přehled splatných výsledků a jejich plnění TE V083 WP01, WP18, WP19: Doplnění modulů a optimalizace elektromobilu pomocí DASY. Jako praktický test potenciálu DASY bude databáze doplněna o potřebné moduly a použita pro srovnání různých koncepcí hnacích jednotek elektromobilů. Návrh optimální trakční charakteristiky pohonu a parametrů elektrického motoru, určeného pro pohon elektromobilu, resp. hybridního automobilu. Výstupem bude programový soubor umožňující optimalizaci regulačního systému automobilního trakčního motoru zohledňující specifika elektrického pohonu pro silniční vozidla. Implementace v DASY. Budou ověřeny aplikační možnosti nových akumulátorů a konvertorů energie v hybridních pohonech s elektrickým děličem výkonu a čistě elektrických pohonech s akumulátory. Cílem je dosažení optimálních pracovních podmínek pro základní palubní komponenty a zdroje energie (elektrický dělič výkonu, chemický akumulátor, případně palivový článek). 1*SW, použit spolu s ViF a Škoda Auto. Programy XLSX a MATLAB ve formě vhodné pro DASY. Soupis parametrů pro DASY. 1*X Mechatronika Warszawa TE Str. 11 Za WP 01 Jan Macek, ČVUT v Praze

12 Návrh dalšího postupu v balíčku WP01VaV znalostní databáze projektu Design Assistance SYstem - DASY Návrh dalšího postupu včetně návrhů na spolupráci a realizaci výstupů Provedení úplné optimalizace pro deterministický model. Zavedení podrobného 1-D modelu pro optimalizace. Algoritmus návrhu a řízení řaditelné převodovky. Porovnání varianty s asynchronním a synchronními motory. TE Str. 12 Za WP 01 Jan Macek, ČVUT v Praze

13 Děkuji : TA ČR za poskytnutou podporu kolegyním a kolegům za vzornou spolupráci Vám za pozornost a za dotazy TE Str. 13 Za WP 01 Jan Macek, ČVUT v Praze

14 w [km/h] a [m/s2] Energy Consuption [kwh/100 km] W Cumm [kwh] P ave [kw] Energy Consuption [kwh/100 km] Abstract of WP01 Design Assistance SYstem DASY v. 2.0 Solution of reverse (or any other) task. Separation of model and task definition. Known and unknown parameters are defined after the model definition. Link to external procedures. Gauss-Newton algorithm and response surfaces. Advanced multi-objective optimization algorithm based on SPEA2 genetic algorithm with support of constraints. Interaction with any existing software packages - data to/from files. Interaction simulation parametric CAD with optimized changes Velocities and Acceleration - Average Speed 52.8km/h Vehicle Powertrain Integrated Control Cooling System Accessories Energy and Power - Motor Clutch 17.2 Motor In 22.9 Battery Nett 23.7 Battery Gross 26.4 kwh/100 km P acc 400W PHVAC 2.0kW Car Body HVAC Route and Driver Route planning GPS coords, speed limits, road profile Driver: driving habbits demands on comfort Route Route data preprocessing Different levels of models example of electric car break-down to main components decisive for energy consumption at defined route. Energy Consumption - Route 06; K w 0,8 Heating: initial temperature 20 C, out -10 C W M clutch 60% W M in 50 W batt gross Maximum 35.0Power Used Energy [kw] Consumtpion and Time eta e to M av*eta Drive: I*eta Route C km m veh 1500kg T_out_ini 20 C T in ini 20 C eta e G av*eta I*eta C 3 85% 80% 75% 70% 65% w [km/h] w P lim [km/h] a [m/s2] Speed profile of a route segment and achieved speed with limited power/acceleration W cumm clutch [kwh] W M in [kwh] W batt net [kwh] W SOC [kwh] P ave [kw] Cummulative energy consumption and resulting road consumption at limited acceleration/power. Influence of heating by a heat pump W batt gross: K w = 1.0: del P a = 0.1 W batt gross: K w = 1.0: del P a = 0.5 W batt gross: K w = 0.8: del P a = 0.1 W batt gross: K w = 0.6: del P a = 0.1 W batt gross: K w = 0.4: del P a = 0.1 W batt gross: K w = 0.8; del P a = 0.1; T out = -10 TE Str. 14 Za WP 01 Jan Macek, ČVUT v Praze

15 w [km/h] a [m/s2] Energy Consuption [kwh/100 km] W Cumm [kwh] P ave [kw] Energy Consuption [kwh/100 km] Výtah z prací r WP01 Znalostní databáze projektu DASY Řešení inverzních a dalších nekonvenčních úloh. Oddělení definice modelu a úlohy. Závislé a nezávislé parametry se definují mimo popis modelu. Je možné použít vazbu na externí procedury. Gauss-Newtonův algoritmus a regresní náhrada výsledků složitých externích procedur. Pokročilý vícekriteriální optimalizační genetický algoritmus SPEA2 s omezujícími parametry. Interakce je možná s jakýmkoli existujícím SW používajícím vstupní/výstupní soubory. Zpětná vazba optimalizovaných proměnných na parametrický CAD Velocities and Acceleration - Average Speed 52.8km/h Vehicle Powertrain Integrated Control Cooling System Accessories Energy and Power - Motor Clutch 17.2 Motor In 22.9 Battery Nett 23.7 Battery Gross 26.4 kwh/100 km P acc 400W PHVAC 2.0kW Car Body HVAC Route and Driver Route planning GPS coords, speed limits, road profile Driver: driving habbits demands on comfort Route Route data preprocessing Různé úrovně modelů příklad rozpadu hnací jednotky elektromobilu pro optimalizaci spotřeby energie na dané trati. Energy Consumption - Route 06; K w 0,8 Heating: initial temperature 20 C, out -10 C W M clutch 60% W M in 50 W batt gross Maximum 35.0Power Used Energy [kw] Consumtpion and Time eta e to M av*eta Drive: I*eta Route C km m veh 1500kg T_out_ini 20 C T in ini 20 C eta e G av*eta I*eta C 3 85% 80% 75% 70% 65% w [km/h] w P lim [km/h] a [m/s2] Rychlostní profil tratě a dosažená rychlost při omezeném zrychlení/výkonu. W cumm clutch [kwh] W M in [kwh] W batt net [kwh] W SOC [kwh] P ave [kw] Kumulativní spotřeba energie a výsledná dráhová spotřeba při omezeném zrychlení/výkonu motoru. Vliv topení pomocí tepelného čerpadla W batt gross: K w = 1.0: del P a = 0.1 W batt gross: K w = 1.0: del P a = 0.5 W batt gross: K w = 0.8: del P a = 0.1 W batt gross: K w = 0.6: del P a = 0.1 W batt gross: K w = 0.4: del P a = 0.1 W batt gross: K w = 0.8; del P a = 0.1; T out = -10 TE Str. 15 Za WP 01 Jan Macek, ČVUT v Praze

16 Energy Consuption [kwh/100 km] w [km/h] a [m/s2] Abstract of WP01 Design Assistance SYstem DASY Requirements on features of X - AutoSympo a Kolokvium Božek 2013, Roztoky - General process of component level X optimization Selection of simulation methods higher level for main target parameters; Database DASY of prototypes of X and evaluated normalized (specific) parameters (per required parameter of X, e.g., /kw, /N.m, /kg...) Check of completeness of the set of parameters Selection of methods estimation of X basic parameters transformation of requirements by AM DASY Constraints links for components, parameters and X if already methods: known simulation (input from CAD), CAD (input of results from simulation) Conceptual and design of X Seeking for local experiments (calibration optimum design inputs for optimization by simulation). simulation domain A CAD - parametric design of X N It enables the holistic approach to powertrain Seeking for local automatic selection of optimum design O.K.? methods of lower level if optimization by optimization something is missing starting simulation domain at B early stage of Y design... Requirements for X TE Str. 7 Za WP 01 Jan Macek, ČVUT v Praze by combining previous experience condensed to empirical algebraic relations with virtual engine models. DASY was applied to basic concept design and optimization of ICE nad electric powertrains with a feed-back to design lay-outs Vehicle Powertrain Integrated Control Cooling System Accessories Energy Consumption - Route 06; K w 0,8 Heating: initial temperature 20 C, out -10 C W M clutch 60% W M in 50 Maximum Power Used [kw] 3. Log window W batt gross eta e M av*eta I*eta C eta e G av*eta I*eta C 85% 80% Car Body HVAC 2. Model window Route and Driver Route planning GPS coords, speed limits, road profile Driver: driving habbits demands on comfort 7 Every 75% block 6 and connection in the model are represented 5 with one or several 70% 4 relations. 65% Route Route data preprocessing Velocities and Acceleration - Average Speed 52.8km/h -2.0 w [km/h] w P lim [km/h] a [m/s2] DASY v. 2.0 Solution of reverse (or any other) task. Separation of model and task definition. Known and unknown parameters are defined after the model definition. Link to external procedures. Gauss-Newton algorithm and response surfaces. Advanced multi-objective optimization algorithm based on SPEA2 genetic algorithm with support of constraints. Interaction with any existing software packages - data to/from files. Interaction simulation parametric CAD with optimized changes. TE Str. 16 Za WP 01 Jan Macek, ČVUT v Praze

17 Energy Consuption [kwh/100 km] w [km/h] a [m/s2] Abstrakt WP01 Znalostní databáze projektu DASY AutoSympo a Kolokvium Božek 2013, Roztoky - DASY byla aplikována General process of component level na X posouzení optimization koncepce Requirements on Check a optimalizaci of completenesshnacích Database DASY of features of X of the prototypes of X and jednotek set of parameters se spalovacími evaluated normalized i elektrickými motory se Selection of methods (specific) parameters Constraints for estimation zpětnou of X basic vazbou na (per required X if already parameters transformation parameter of X, e.g., konstrukci. DASY spojuje known komponenty, of requirements by AM /kw, /N.m, parametry /kg...) a metody: 30 simulace se vstupy z CAD, konstrukci v CAD Conceptual se design 28of X vstupy Seeking for local Selection z optimalizace of simulation a experimenty (kalibrační optimum design vstupy methods pro higher simulaci). level for main target parameters; optimization by simulation domain A CAD - parametric design 12 of X 10 N Umožňuje holistický přístup k optimalizaci hnacích jednotek vozidel od časné fáze návrhu kombinací zkušeností automatic selection soustředěné of do empirických O.K.? methods of lower level if konstrukčních something is missingsměrnic s plnorozměrovými simulačními metodami virtuálních motorů. Seeking for local optimum design optimization by simulation domain B... 7 TE Str. 7 Za WP 01 Jan Macek, ČVUT v Praze Y Requirements for X TE Str. 17 Za WP 01 Jan Macek, ČVUT v Praze Vehicle Powertrain Integrated Control Cooling System Accessories Energy Consumption - Route 06; K w 0,8 Heating: initial temperature 20 C, out -10 C 85% 80% 75% 70% 65% Car Body HVAC Route and Driver Route planning GPS coords, speed limits, road profile Driver: driving habbits demands on comfort Route Route data preprocessing Velocities and Acceleration - Average Speed 52.8km/h -1.0 W M clutch 60% W M in Maximum Power Used [kw] 1 W batt gross eta e M av*eta I*eta C -2.0 eta e G av*eta I*eta C Řešení inverzních a dalších w [km/h] nekonvenčních w P lim [km/h] a [m/s2] úloh. Oddělení definice modelu a úlohy. Závislé a nezávislé parametry se definují mimo popis modelu. Je možné použít vazbu na externí procedury. Gauss-Newtonův algoritmus a regresní náhrada výsledků složitých externích procedur. Pokročilý vícekriteriální optimalizační genetický algoritmus SPEA2 s omezujícími parametry. Interakce je možná s jakýmkoli existujícím SW používajícím vstupní/výstupní soubory. Zpětná vazba optimalizovaných proměnných na parametrický CAD