用于手机镜头-镜筒装配中力学行为灵敏度分析与不确定性量化的代理神经网络模型
计算工程、金融与科学
2022-06-29 v2
摘要
基于代理神经网络（surrogate neural network）的模型近来已被训练并用于各类科学与工程应用，其中目标函数的评估次数受执行时间限制。在手机相机系统中，各种误差（如镜头-镜筒与镜头-镜头界面的干涉，以及轴向、径向和倾斜失配）以随机方式累积并改变透镜轮廓，最终改变光学聚焦特性。针对由过盈配合引起的透镜随机力学行为，采用非线性有限元分析，并在高性能计算（HPC）上生成充足的训练与测试数据以用于后续深度学习。一旦恰当训练与验证，该代理神经网络模型可实现准确且近乎即时的数百万次函数评估，给出最终透镜轮廓。这一由人工智能增强的计算模型使我们能够高效执行蒙特卡洛分析，以对最终透镜轮廓相对于各种干涉的灵敏度与不确定性进行量化。它可进一步与光学分析耦合以进行光线追迹并分析镜头模组聚焦特性。此外，它可为许多类似压装装配过程的公差设计优化与智能零件匹配提供有价值的工具。
引用
@article{arxiv.2201.09659,
title = {Surrogate Neural Network Model for Sensitivity Analysis and Uncertainty Quantification of the Mechanical Behavior in the Optical Lens-Barrel Assembly},
author = {Shantanu Shahane and Erman Guleryuz and Diab W Abueidda and Allen Lee and Joe Liu and Xin Yu and Raymond Chiu and Seid Koric and Narayana R Aluru and Placid M Ferreira},
journal= {arXiv preprint arXiv:2201.09659},
year = {2022}
}