视觉设计直觉：从原始截面图像预测梁的动态特性
图像与视频处理
2021-11-29 v1 人工智能
计算机视觉与模式识别
摘要
本工作旨在模仿人类仅通过视觉检查和经验即可获得估计设计性能的直觉之能力。我们研究卷积神经网络直接从悬臂梁原始截面图像预测其静力与动力特性的能力。以像素为唯一输入，所得模型学习预测梁的体积、最大挠度和固有频率等特性，相对于有限元分析(FEA)方法的均值平均百分比误差(MAPE)分别为4.54%和1.43%。训练这些模型不需要理论或相关几何特性的先验知识，而仅依赖模拟或经验数据，从而基于“经验”而非理论知识进行预测。由于该方法比FEA快1000倍以上，它可被采用来创建替代模型，加速需要大量相似几何连续评估的初步优化研究。我们建议该建模方法有助于解决涉及复杂结构与无理论模型的物理现象的挑战性优化问题。
引用
@article{arxiv.2111.09701,
title = {Visual design intuition: Predicting dynamic properties of beams from raw cross-section images},
author = {Philippe M. Wyder and Hod Lipson},
journal= {arXiv preprint arXiv:2111.09701},
year = {2021}
}
备注
Accepted for publication in Journal Of The Royal Society Interface