May, 2022

FRC-TOuNN: 使用神经网络进行连续纤维增强复合材料的拓扑优化

PDF
TL;DR本文提出了一个拓扑优化框架，使用神经网络在提高分辨率的同时优化功能梯度连续纤维增强复合材料的矩阵拓扑和纤维分布，最终通过有限元模拟和加法制造的方法实现了优化连续纤维增强复合材料的制备。
topology optimizationfinite element methodcontinuous fiber-reinforced compositesneural networkadditive manufacturing
发现论文，激发创造
  • DMF-TONN：基于神经网络的直接无网格拓扑优化

    本研究提出一种直接无网格法进行拓扑优化的方法，它能够将密度场近似神经网络与位移场近似神经网络集成起来，实现良好的优化效果，且无需使用网格法和有限元分析 (FEA)，可以无缝与后处理软件集成。

    May, 2023

  • 基于卷积神经网络的拓扑优化（CNN-TO）：从材料分布的敏感性估计成本

    本研究提出了一种新的拓扑优化方法，该方法应用了卷积神经网络（CNN）解决了一个常见类型的最大刚度拓扑优化问题，并通过分析密度分布中的刚度信息来优化结构设计。

    Dec, 2019

  • 多尺度拓扑优化使用神经网络

    使用神经网络进行直接多尺度拓扑优化的新方法，通过反向均质化来优化每个细胞以实现良好的连接性，持续改善相邻微结构细胞之间的兼容性，实现 n 维多尺度优化问题的 2n 维反向均质化问题。

    Apr, 2024

  • 基于 LS-DYNA 机器学习的短纤维增强复合材料非线性建模的多尺度方法

    本研究提出了一种基于机器学习的多尺度方法，将注射成型引起的微观结构，材料均质化和深度材料网络（DMN）与有限元模拟软件 LS-DYNA 相结合，用于短纤维增强复合材料的结构分析。通过将 DMN 与有限元耦合，我们开发了一种高度准确和高效的数据驱动方法，该方法以比高保真度直接数值模拟快若干个数量级的计算速度预测复合材料和结构的非线性行为。

    Jan, 2023

  • 基于元启发式人工神经网络预测碳纤维增强聚合物对混凝土强度的约束效应

    使用基于元启发式人工神经网络的方法，预测碳纤维增强聚合物（CFRPs）对混凝土圆柱体强度的束缚效应。研究结果表明，PSO 模型和 GWO 模型能够准确预测 CFRP 受限混凝土圆柱体的强度，为避免耗时且昂贵的实验测试提供了可靠的解决方案。

    Dec, 2023

  • 多晶微结构神经网络加速的过程设计

    探索计算实验在优化材料结构以获得期望性能方面的应用，并利用多尺度方法研究处理 - 微观结构 - 材料性能的相互作用，开发基于神经网络的方法来减轻预测微观结构演变的计算负担，同时实现更快速且更优的材料优化。

    Apr, 2023

  • 基于神经网络的无梯度拓扑优化

    通过预训练的神经重参数化策略，在潜在空间中优化设计相对于传统方法而言能减少至少一个数量级的迭代次数，这在拓扑优化中具有重要意义。

    Mar, 2024

  • 用进化功能化的人工神经网络

    提出了一种基于张量微积分和拟达尔文机制的混合模型，用于寻找适合于策略、控制和模式识别任务的拓扑结构，并且能够在早期演化阶段提供适应的拓扑结构，从而在机器人，大数据和人工生命等领域得到应用。

    May, 2022

  • 使用带条件域初始化的神经网络进行拓扑优化以提高效率

    本研究提出了基于神经网络的拓扑优化领域初始化的方法，并证明通过在未优化的区域上使用先前的初始场，可以进一步提高神经网络拓扑优化的效率。

    May, 2023

  • 拓扑优化应用中的动态配置物理信息神经网络

    机器学习与拓扑优化的整合引起了广泛关注，物理信息神经网络（PINN）可以在解决前向问题时避免产生大量数据，并提供更好的推断。因此，提出了一种动态配置的基于 PINN 的拓扑优化方法（DCPINN-TO），该方法通过动态配置可训练参数并使用活跃采样策略，实现对位插值点的选择性采样。经过多个验证例子和多载荷、多约束问题的考察，验证了 DCPINN-TO 方法的可行性，同时与基于有限元分析的拓扑优化方法（FEA-TO）相比，位移预测准确性和优化结果的准确性表明 DCPINN-TO 方法具备高效性和有效性。

    Dec, 2023