.png){kind=icon}
返回
An efficient multibody system machine learning method for dynamics optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s11044-025-10133-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着多体理论的应用与发展，多体系统动力学仿真与优化设计的研究日益受到关注和兴趣。复杂多体系统的动力学方程通常被建模为高维强非线性微分-代数方程，这使得动力学优化尤其具有挑战性。使用数值积分方法求解它们计算成本高昂。近年来，涉及物理信息的机器学习方法已被广泛应用于求解偏微分方程，并取得了有前景的成果。本文提出了一种用于动力学优化的高效多体系统机器学习方法（MSML）。基于MSML，实现了动力学仿真和灵敏度分析的高精度预测，从而能够高效地进行多体系统动力学优化设计。滑块-曲柄机构和空间网系统的动力学优化实例验证了所提出方法良好的工程应用前景。
Keyword:
Multibody system dynamics
Dynamics optimization
Sensitivity analysis
Physics-informed neural network
Scientific machine learning
期刊
IF:
2.4
论文数:
163
被引数:
2.5K
机构
引用论文
Hidden fluid mechanics: Learning velocity and pressure fields from flow visualizations.png)
Science
OAAI
ScienceIF0
OAAI分享收藏分享收藏A New Numerical Technique for Index‐3 DAEs Arising from Constrained Multibody Mechanical Systems一种用于约束多体机械系统产生的指数-3 DAEs的新数值技术
PREAI
分享收藏Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架OAAI
OAAI分享收藏A complete Physics-Informed Neural Network-based framework for structural topology optimization一个完整的基于物理信息的神经网络结构拓扑优化框架OAAI
OAAI分享收藏Steady-State Rotary Periodic Solutions of Rigid and Flexible Mechanisms With Large Spatial Rotations Using the Incremental Harmonic Balance Method for Differential-Algebraic Equations基于微分-代数方程增量谐波平衡法求解刚性和柔性机构在大空间旋转下的稳态旋转周期解
PREAI
分享收藏Neuro‐PINN: A hybrid framework for efficient nonlinear projection equation solutions神经‐PINN：一种用于高效非线性投影方程求解的混合框架
OAAI
OAAI分享收藏
查看更多内容