基于元模型的人行桥概念设计中通过条件变分自编码器进行设计空间探索与解释
机器学习
2024-05-24 v1
摘要
在概念设计中，工程师依赖传统的迭代（通常是手动的）技术。新兴的参数化模型促进了基于可量化性能指标的设计空间探索，但仍然耗时且计算成本高昂。然而，纯优化方法忽略了定性方面（例如美学或施工方法）。本文提供了一个性能驱动的设计探索框架，通过条件变分自编码器（CVAE）来增强人类设计师的能力，该 CVAE 既作为给定设计特征的正向性能预测器，又作为以一组性能要求为条件的逆向设计特征预测器。该 CVAE 在瑞士某人行桥的 18,000 个合成生成实例上进行训练。敏感性分析被用于可解释性，并告知设计师模型在特征和/或性能之间的关系，以及用户定义目标下的结构改进。案例研究证明了我们的框架具有作为人行桥及更广泛概念设计研究的未来副驾驶的潜力。
引用
@article{arxiv.2211.16406,
title = {Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges},
author = {Vera M. Balmer and Sophia V. Kuhn and Rafael Bischof and Luis Salamanca and Walter Kaufmann and Fernando Perez-Cruz and Michael A. Kraus},
journal= {arXiv preprint arXiv:2211.16406},
year = {2024}
}