.png){kind=icon}
返回
A Human-Aided Topology Optimization Method Based on Moving Morphable Spline Components
.png){kind=icon}
PRE
AI
DOI：10.1007/s10338-025-00652-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为一种智能设计模式，人机协同设计（HAD）为设计师提供了一种可行的方法，将约束条件和信息元素引入优化算法，例如主观美学或制造限制等难以通过公式表达的内容。该模式有望解决工程师面临的滞后性判断困境，从而提升拓扑优化技术在工程领域的接受度。为实现HAD模式与显式拓扑优化框架的结合，本文开发了一种设计方法DrawTop，该方法基于移动可变样条组件的拓扑优化框架，支持实时HAD操作。受手绘线条与样条组件相似性的启发，本文提出了一种曲线重建神经网络，可直接将用户手绘线条转换为设计变量，并通过改进变量信息的组织方案，简化了通过HAD操作添加和删除组件的过程。本文给出了两个数值算例，以展示设计师如何利用DrawTop通过添加手绘细节来提升结构性能，并找到更符合其设计意图的局部最优解。所提出的方法赋予设计师干预优化迭代过程的能力，从而实现了现有拓扑优化算法的功能扩展。
Keyword:
Human-aided design
Moving morphable component method
Neural network
Curve reconstruction
DrawTop
期刊
A
IF:
2.7
论文数:
129
被引数:
0
机构
引用论文
Real-time topology optimization based on multi-scale convolutional attention mechanism基于多尺度卷积注意力机制的真实时拓扑优化
PREAI
分享收藏Explicit structural topology optimization using moving wide Bezier components with constrained ends
PREAI
分享收藏IbIPP for topology optimization—An Image-based Initialization and Post-Processing code written in MATLAB.png)
SoftwareX
OAAI
SoftwareXIF0
OAAI分享收藏
Structural safety, technical reliability, and optimal redundancy allocation in structural systems
PREAI
分享收藏Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs基于强化学习的生成式设计: 增强拓扑优化设计的多样性OAAI
OAAI分享收藏
查看更多内容