基于深度生成模型的目标条件下四杆连杆机构综合
机器学习
2025-03-18 v1 人工智能
计算工程、金融与科学
摘要
机构是设计用于在各种机械系统中执行特定任务的基本组件。然而，设计满足特定运动学或准静态要求的机构是一项具有挑战性的任务。运动学要求可能包括机构的工作空间，而机构的准静态要求可能包括其扭矩传递，即机构有效传递功率和扭矩的能力。在本文中，我们提出了一种基于深度学习的生成模型，用于生成多个满足上述运动学和准静态要求的曲柄摇杆四杆连杆机构。所提出的模型基于经过修改以适应机构综合的条件生成对抗网络 (cGAN)，旨在学习机构要求与连杆长度之间的关系。结果表明，所提出的模型成功生成了多个满足特定运动学和准静态要求的不同机构。为了评估我们方法的新颖性，我们将所提出的 cGAN 合成的样本与传统 cVAE 和 NSGA-II 进行了比较。与传统设计方法相比，我们的方法具有多个优势。它使设计者能够高效地生成多个多样化且可行的设计候选方案，同时探索巨大的设计空间。此外，所提出的模型同时考虑了运动学和准静态要求，这可能导致更高效的实际适用机构，使其成为连杆机构设计的一个有前景的工具。
引用
@article{arxiv.2402.14882,
title = {Deep Generative Model-based Synthesis of Four-bar Linkage Mechanisms with Target Conditions},
author = {Sumin Lee and Jihoon Kim and Namwoo Kang},
journal= {arXiv preprint arXiv:2402.14882},
year = {2025}
}