Multi-objective Bayesian optimisation of spinodoid cellular structures for crush energy absorption

doi:10.1016/j.cma.2025.117890

2025-05-01

DOI：10.1016/j.cma.2025.117890

原文链接

查看原文

摘要

En 中文

在追求设计更安全、更高效能量吸收结构的过程中，工程师必须应对在提升压溃性能的同时平衡多个相互冲突目标（如最大化能量吸收和最小化峰值冲击力）的挑战。准确模拟真实工况需要采用复杂的材料模型来复现材料在冲击下的非线性行为，但这带来了显著的计算成本。本研究通过引入一个专门为压溃能量吸收优化棘状结构（spinodoid structures）而开发的多目标贝叶斯优化框架来解决这些挑战。棘状结构以其可扩展、非周期拓扑和高效的应力分布为特征，为先进结构设计提供了有前景的方向。然而，优化设计参数以提升压溃性能远非易事，尤其是在真实工况下。传统优化方法虽然有效，但通常需要大量昂贵的仿真来识别可行解，导致过程既耗时又资源密集。在此背景下，多目标贝叶斯优化通过智能导航设计空间、从每次评估中学习以减少所需仿真次数，并高效处理非线性材料行为的复杂性，展现出明显优势。通过将有限元分析与贝叶斯优化相结合，本研究开发的框架应对了提升能量吸收和降低峰值力的双重挑战，特别是在塑性变形起关键作用的场景中。利用标量化（scalarisation）和基于超体积（hypervolume-based）的技术，该框架有效识别了平衡这些冲突目标的帕累托最优解，同时考虑了塑性材料行为的复杂性。值得注意的是，该方法还能防止有害的致密化（densification），确保冲击过程中的结构完整性。结果表明，该框架不仅优于NSGA-II算法，还突显了其在结构和材料优化领域更广泛应用的潜力。该框架对各种设计要求的适应性凸显了其应对真实工况下复杂多目标优化挑战的能力。

Keyword:

Multi-objective

Bayesian optimisation

Cellular structures

Energy absorption