TOMAS：基于变分自编码器与超形状的多尺度流体器件拓扑优化
计算工程、金融与科学
2023-09-18 v1 数值分析
数值分析
摘要
在本文中，我们提出了一种用于流体器件多尺度拓扑优化的框架。目标是在给定所需接触面积的约束下最小化耗散功率。所提出的策略是在各个有限元单元中设计最优微结构，同时优化整体流体流动。特别地，这里选择参数化超形状微结构来表示微结构，因为它们展现出广泛的渗透率和接触面积。为避免重复均匀化，我们事先分析这些超形状的有限集合，并在其流体本构属性（渗透率）、接触面积和形状参数上训练变分自编码器（VAE）。所得可微潜空间与坐标神经网络集成以执行全局多尺度流体流动优化。该潜空间允许使用原始数据集中未出现的新微结构。所提方法在 2D 中的大量示例中得到了说明。
引用
@article{arxiv.2309.08435,
title = {TOMAS: Topology Optimization of Multiscale Fluid Devices using Variational Autoencoders and Super-Shapes},
author = {Rahul Kumar Padhy and Krishnan Suresh and Aaditya Chandrasekhar},
journal= {arXiv preprint arXiv:2309.08435},
year = {2023}
}