基于分子动力学的冷喷涂过程闭环图像辅助优化
计算工程、金融与科学
2018-10-18 v1
摘要
本研究提出一种闭环图像辅助优化（CLIAO）方法，以改善冷喷涂过程中的沉积质量。近期一些研究表明，以结合颗粒的扁平比衡量的沉积质量其与冲击速度、角度和颗粒尺寸相关。因此，CLIAO 的初衷是通过获取从分子动力学（MD）模拟快照中直接提取的最大扁平比来改善沉积质量。为完成该策略，建议用 Python 脚本从结果文件自动生成所需快照，并利用图像处理技术从快照中评估扁平比。此外，采用了三种优化方法，包括代理优化（高效全局优化）与启发式算法（粒子群优化、差分进化算法）。然后使用反向传播神经网络（BPNN）加速优化过程，其中 BPNN 用于构建元模型以替代前向计算。优化结果表明上述方法均可获得可接受的解。还给出了这些方法的比较，其选择应由效率与精度之间的权衡决定。
引用
@article{arxiv.1810.07277,
title = {Closed loop image aided optimization for cold spray process based on molecular dynamics},
author = {Zhenxing Cheng and Hu Wang and Gui-rong Liu},
journal= {arXiv preprint arXiv:1810.07277},
year = {2018}
}
备注
15 pages, 4 tables, 17 figures