你在这里
基于问题独立机器学习(PIML)的拓扑优化——一种通用方法
星期二,2022-09-13 02:51 -徐郭
求解拓扑优化问题的计算量非常大,特别是在要求高分辨率结果的情况下。在目前的工作中,提出了一种与问题无关的机器学习(PIML)技术,以减少与有限元分析(FEA)相关的计算时间,这构成了求解过程的主要瓶颈。其关键思想是在扩展多尺度有限元法(EMsFEM)框架下构建结构分析程序,并通过机器学习(ML)建立EMsFEM形状函数与粗分辨率单元材料密度之间的隐式映射。与现有工作相比,本文提出的基于机制的机器学习技术是真正的问题独立的,一旦完成易于实现的离线训练,就可以用于解决任何类型的拓扑优化问题,无需任何修改。实验结果表明,该方法能显著缩短有限元分析时间。特别地,使用所提出的方法,可以在个人工作站上解决具有2亿个设计变量的拓扑优化问题,每个迭代步骤的FEA平均只需2分钟。
源代码相关问题,请联系guoxu@dlut.edu.cn徐国教授。
极限力学快报,第56卷,2022年10月,101887。
https://www.sciencedirect.com/science/article/abs/pii/S2352431622001651
附件 | 大小 |
---|---|
![]() |
1.03 MB |
![订阅“基于问题独立机器学习(PIML)的拓扑优化-通用方法”的评论](http://m.limpotrade.com/misc/feed.png)
评论
基于问题独立机器学习(PIML)的拓扑优化——一种通用方法
Problem-independent机
基于问题独立机器学习(PIML)的拓扑优化——一种通用方法
一种新的基于机器学习的方法
一种新的基于机器学习的拓扑优化方法