FRC-TOuNN：基于神经网络的连续纤维增强复合材料拓扑优化
计算工程、金融与科学
2022-05-16 v1 人工智能
机器学习
摘要
本文提出一种拓扑优化（TO）框架，用于同时优化功能梯度连续纤维增强复合材料（FRC）的基体拓扑与纤维分布。当前基于密度的FRC拓扑优化方法使用底层有限元网格同时进行分析和设计表示，这在强制子单元纤维间距和生成高分辨率连续纤维方面存在若干局限。相反，我们提出一种基于神经网络（NN）的与网格无关的表示，用于捕捉基体拓扑和纤维分布。基于NN的隐式表示可实现比网格离散更高分辨率的几何与材料查询，从而准确提取功能梯度连续纤维。此外，通过将有限元仿真集成到NN计算框架中，我们可以利用自动微分进行端到端自动灵敏度分析，即不再需要手动推导繁琐的灵敏度表达式。我们通过涉及多种目标函数的若干数值算例展示了所提方法的有效性与计算效率，并表明优化后的连续纤维增强复合材料可直接通过增材制造进行高分辨率 fabrication。
引用
@article{arxiv.2205.03737,
title = {FRC-TOuNN: Topology Optimization of Continuous Fiber Reinforced Composites using Neural Network},
author = {Aaditya Chandrasekhar and Amir Mirzendehdel and Morad Behandish and Krishnan Suresh},
journal= {arXiv preprint arXiv:2205.03737},
year = {2022}
}
备注
Submitted to Computer Aided Engineering