基于变分自编码器的电机多目标拓扑优化元建模
机器学习
2022-10-05 v2 计算工程、金融与科学
摘要
电机设计的常规静磁有限元分析耗时且计算昂贵。由于每种电机拓扑具有一组不同的参数，设计优化通常是独立进行的。本文提出一种新方法，通过使用变分自编码器将高维集成设计参数映射至低维潜空间，同时预测不同参数化电机拓扑的关键性能指标（KPIs）。训练后，通过潜空间，解码器和多层神经网络将分别作为元模型用于采样新设计和预测相关 KPIs。这使得基于参数的并发多拓扑优化成为可能。
引用
@article{arxiv.2201.08877,
title = {Variational Autoencoder based Metamodeling for Multi-Objective Topology Optimization of Electrical Machines},
author = {Vivek Parekh and Dominik Flore and Sebastian Schöps},
journal= {arXiv preprint arXiv:2201.08877},
year = {2022}
}
备注
4 pages, 15 This article will appear in the proceedings of the IEEE transactions on magnetics as a conference paper