VoroTO：使用代理神经网络的多尺度Voronoi结构拓扑优化
计算工程、金融与科学
2024-04-30 v1 数值分析
数值分析
摘要
自然界中的多孔结构表现出卓越的性能，如高强度、高能量吸收、优异的热/声绝缘和流体传输。许多此类结构是类Voronoi的；因此研究人员针对广泛的工程应用提出了Voronoi多尺度设计。然而，由于底层分析和优化的多尺度特性，设计此类结构在计算上可能非常昂贵。本文提出使用神经网络（NN）来高效执行多尺度Voronoi结构的拓扑优化（TO）。首先使用Voronoi参数（胞元位置、厚度、取向和各向异性）训练NN以预测均质化的本构属性。然后将该网络集成到传统的TO框架中，以在体积约束下最小化结构柔度。特别考虑了确保本构矩阵的正定性和促进宏观尺度连通性。提供了几个数值示例来展示所提出的方法。
引用
@article{arxiv.2404.18300,
title = {VoroTO: Multiscale Topology Optimization of Voronoi Structures using Surrogate Neural Networks},
author = {Rahul Kumar Padhy and Krishnan Suresh and Aaditya Chandrasekhar},
journal= {arXiv preprint arXiv:2404.18300},
year = {2024}
}
备注
Submitted to Engineering with Computers