Topology optimization with buckling constraints: Adaptive eigenvalue aggregation and modality identification
Indian Institute of Technology Bhubaneswar(印度理工学院布巴内斯瓦尔分校);Indian Institute of Science(印度科学学院);Indian Institute of Technology Hyderabad(印度理工学院海得拉巴分校)
本文针对带屈曲约束的拓扑优化,提出动态确定特征值聚合数量及基于特征值差的新公式以识别最优模态,显著降低计算成本并准确预测屈曲模态。
2026-09-18 cs.CE
Optimization of the initial post-buckling response of trusses and frames by an asymptotic approach
本文将渐近后屈曲理论用于桁架与框架的尺寸和拓扑优化,通过最低两个渐近系数控制初始后屈曲响应并降低缺陷敏感性,实现含后屈曲约束的非线性性能优化。
2025-05-14 cs.CE
Multiscale topology optimization of compressible and nearly incompressible anisotropic hyperelastic structures using physics-augmented neural networks
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Sandia National Laboratories(桑迪亚国家实验室)
本文提出一种基于物理增强神经网络的多尺度拓扑优化框架,通过构建输入特定神经网络来替代微尺度边界值问题,实现宏尺度材料分布与微尺度描述符的同时优化,显著降低计算成本。
2026-04-07 cs.CE
Level set-based multiscale topology optimization for a thermal cloak design problem using the homogenization method
复合材料由微观结构组成,根据其形状表现出各种热性能,如各向异性导热率。这种复合材料用于热控制的代表性应用之一是热斗篷。针对热传导问题,提出了一种基于水平集方法的拓扑优化方法,以优化设计复合材料,实现热斗篷。采用均匀化方法计算了其有效导热系数。然后,我们制定了一个多尺度的拓扑优化方法的框架内的均匀化方法,其中的微观结构进行优化,以最小化目标函数定义的宏观温度场的复合材料。给出了二维问题中最优结构的例子,并讨论了所得结构的有效性。
2023-02-24 cs.CE
Architecting materials for extremal stiffness, yield and buckling strength
本文提出基于拓扑优化的微结构架构方法,揭示屈服主导与屈曲主导情形下从简单晶格到层级晶格的转变规律,并阐明基体材料相对屈服强度、体积分数和杨氏模量对极限刚度与强度的影响。
2023-04-14 cs.CE cs.NA math.NA
Achieving binary topology optimization solutions via automatic projection parameter increase
提出一种在三场密度拓扑优化中自动按指数增长并动态调整阈值投影参数的方法,无需针对特定问题调优即可实现近二值设计,并在多个2D基准问题上验证了有效性。
2024-04-22 cs.CE math.OC
Finite Strain Topology Optimization with Nonlinear Stability Constraints
本文提出含非线性屈曲约束的有限应变拓扑优化框架,通过伪质量矩阵、特征值灵敏度和自适应插值处理虚假模态与低密度单元畸变,实现大变形下结构稳定性控制。
2023-03-27 cs.CE math.OC
Constructing Boundary-identical Microstructures via Guided Diffusion for Fast Multiscale Topology Optimization
本文利用 guided diffusion 与主动学习构建共享边界且弹性模量范围宽广的微结构数据集,实现一分钟内完成的高效多尺度拓扑优化逆向设计。
2025-01-08 cs.CE
GM-TOuNN: Graded Multiscale Topology Optimization using Neural Networks
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
多尺度拓扑优化(M-TO)需要生成一个最佳的全局拓扑结构,并在一个较小的尺度上的一组最佳的微观结构,物理约束的问题。随着增材制造的出现,M-TO获得了显著的突出地位。然而,在各种位置处产生最佳微结构在计算上可能非常昂贵。作为替代,分级多尺度拓扑优化(GM-TO)已被提出,其中一个或多个预选和分级(参数化)的微观结构拓扑结构被用来最佳地填充域。这导致计算量的显著减少,同时保留了M-TO的许多优点。一个成功的GM-TO框架必须:(1)能够有效地处理许多预先选择的微结构,(2)能够在优化过程中连续地在这些微结构之间切换,(3)确保满足统一性的划分,以及(4)阻止终止时的微结构混合。在本文中,我们提出,以满足这些要求,利用独特的分类能力的神经网络。具体而言,我们提出了一个分级的多尺度拓扑优化使用神经网络(GM-TOuNN)框架具有以下特点:(1)设计变量的数量只是弱依赖于预选的微结构的数量,(2)它保证了统一的分区,同时阻止微结构混合,(3)它支持自动微分,从而消除手动灵敏度分析。通过几个例子说明了拟议的框架。
2022-04-14 cs.CE cs.LG
Data-Driven Multiscale Topology Optimization of Soft Functionally Graded Materials with Large Deformations
本文提出一种通用的多尺度拓扑优化框架,结合微结构重建、均匀化方法、神经网络代理模型与非线性灵敏度分析,实现了大变形下软功能梯度材料与结构的同步优化,并生成具有空间变化微结构的独特设计。
2025-06-29 cs.CE
Machine-learning-assisted multiscale topology optimization of functionally graded superimposed lattice structures
Indian Institute of Technology Roorkee(印度理工学院罗尔基);Technical University of Darmstadt(达姆施塔特工业大学)
本研究提出机器学习辅助的多尺度拓扑优化框架,结合SIMP与MMA方法,替代重复计算均匀化,实现功能梯度叠加点阵结构的优化,在MBB梁基准上验证了其有效性。
2026-08-31 cs.CE
Data-Driven Topology Optimization for Multiscale Biomimetic Spinodal Design
University of Kansas(堪萨斯大学);Northwestern University(西北大学);Carnegie Mellon University(卡内基梅隆大学)
针对旋节线材料设计空间大、梯度推导难的问题,提出数据驱动多尺度拓扑优化框架,以神经网络参数化设计变量并集成高斯过程代理,实现自动梯度计算与可解释的材料分布优化。
2025-10-15 cs.CE
Level-set topology optimization considering nonlinear thermoelasticity
在高温环境下,弹性结构经历主体的无应力状态的变化,这可以强烈地影响结构的最佳拓扑。本文提出了一种基于水平集的结构拓扑优化方法。非线性分析模型是通过乘法分解热效应和力学效应,并在未变形坐标和变形坐标之间引入一个中间无应力状态而建立的。通过将热弹性非线性纳入水平集拓扑优化方案,可以探索更宽的设计空间,同时考虑机械和热载荷。四个数值例子,演示了温度变化如何影响大变形结构的优化设计。特别是,我们展示了如何优化可以操纵的材料布局,以创建一个热负荷和机械负荷之间的抵消作用,甚至到一定程度的屈曲和管理单元通过抑制。因此,大变形与热弹性的考虑打开了许多新的可能性,通过拓扑优化控制和操纵的热机械响应。
2019-09-21 cs.CE math.OC
Enhancing Data-driven Multiscale Topology Optimization with Generalized De-homogenization
去均匀化正成为一种有效的方法,显着加快高分辨率的多尺度结构的设计,但现有的方法,迄今为止,仅限于简单的静态顺应性最小化。在适应一般情况下,有两个关键的挑战要解决:使设计的单胞取向和使用自由形式的微结构。在本文中,我们提出了一个数据驱动的去均匀化方法,允许有效的设计的单位细胞的取向角和空间变化的,复杂的微结构的保角映射。我们设计了一个参数化的微结构组成的杆在不同的方向,以提供更多的多样性,同时保持几何简单的刚度。然后用神经网络代替微观结构的几何-性能关系,以避免代价高昂的均匀化。一个笛卡尔表示的单元格的方向被纳入均匀化为基础的优化设计的角度。相应的高分辨率的多尺度结构,从均匀化的设计,通过构造一个保角映射的函数场。这使我们能够组装复杂的微观结构与定向和兼容的瓷砖图案,同时保持局部均匀化的属性。为了证明我们的方法与一个特定的应用程序,我们优化在给定的频率范围内的谐波激励下的结构的频率响应。这是第一次,在去均匀化框架中的一个函数被应用于复杂的设计方案超出静态顺应性最小化。算例表明,多尺度结构的生成效率高,动态性能好得多。除了频率响应设计,我们提出的框架可以应用于其他一般问题。
2021-12-18 cs.CE
TOMAS: Topology Optimization of Multiscale Fluid Devices using Variational Autoencoders and Super-Shapes
本文提出TOMAS框架,通过变分自编码器学习超形状微结构的可微潜空间,并结合坐标神经网络实现流体装置的多尺度拓扑优化,在满足接触面积约束下最小化耗散功率。
2023-09-15 cs.CE cs.NA math.NA
Multiscale topology optimization of functionally graded lattice structures based on physics-augmented neural network material models
本文提出一种基于物理增强神经网络材料模型的多尺度拓扑优化框架,通过松弛问题和灵敏度推导,实现功能梯度晶格结构拓扑与密度梯度的同步优化,并验证于二维、三维基准及飞机部件。
2024-08-01 cs.CE
Phasor Noise for Dehomogenisation in 2D Multiscale Topology Optimisation
本研究提出一种基于相量噪声的二维弹性Rank-N层合板结构去均质化方法,无需最小二乘求解或预训练模型即可高效生成高质量单尺度设计,性能接近均质化解,且具备网格无关性与高并行性。
2023-10-07 cs.CE cs.GR
VoroTO: Multiscale Topology Optimization of Voronoi Structures using Surrogate Neural Networks
本文提出使用代理神经网络预测均匀化本构属性,并将其集成到常规拓扑优化框架中,实现了多尺度Voronoi结构的高效优化设计。
2024-04-28 cs.CE cs.NA math.NA
A deep material network for multiscale topology learning and accelerated nonlinear modeling of heterogeneous materials
基于代表性体积元的机械均匀化理论和先进的机器学习技术,提出了一种新的数据驱动的多尺度材料建模方法--深层材料网络。我们建议使用一系列连接的机械构造块与分析均匀化解决方案,避免了损失的基本物理在通用神经网络,这个概念是证明了2维RVE问题和网络深度高达7。基于离线直接数值模拟得到的线弹性RVE数据,采用带反向传播算法的随机梯度下降,并通过模型压缩方法对材料网络进行有效训练。重要的是,训练后的网络对任何局部材料定律都是有效的,而不需要额外的校准或微观力学假设。它的外推到未知的材料和加载空间的广泛的问题进行了验证,通过数值实验,包括线弹性与高对比度的相属性,非线性的历史相关的塑性和大变形下的有限应变超弹性。通过发现一个合适的拓扑表示的RVE与更少的自由度,这种智能材料模型被认为是一个大规模的异质结构的高保真高效的并发模拟开辟了新的可能性。它还提供了跨材料长度尺度的结构-性能关系的机械理解,并使材料设计和制造的参数化微观结构数据库的开发成为可能。
2018-10-24 cs.CE physics.comp-ph
Data-Driven Topology Optimization with Multiclass Microstructures using Latent Variable Gaussian Process
School of Mechanical Engineering, Shanghai Jiao Tong University(上海交通大学机械工程学院);Northwestern University(西北大学)
数据驱动的方法正在成为一个有前途的方法,多尺度结构的拓扑设计,具有更高的效率。然而,现有的数据驱动的方法主要集中在一个单一的类的微结构,而不考虑多个类,以适应空间变化的期望属性。关键的挑战是在满足一系列性能时,不同类别的微结构之间缺乏固有的有序性或距离度量。为了克服这一障碍,我们扩展了新开发的潜变量高斯过程(LVGP)模型,为超材料的微结构库创建多响应LVGP(MR-LVGP)模型,同时采用定性微结构概念和定量微结构设计变量作为混合变量输入。MR-LVGP模型基于混合变量对响应的集体影响将其嵌入到连续的设计空间中,从而为不同几何类别和微结构材料参数之间的相互作用提供了实质性的见解。利用该模型,我们可以很容易地获得不同微观结构概念之间的连续和可微的过渡,从而可以为多尺度拓扑优化提供梯度信息。我们证明了它的好处,通过多尺度拓扑优化与非周期性微结构。设计实例表明,考虑多类微结构可以导致性能的改善,由于一致的负载传递路径的微观和宏观结构。
2020-09-16 cs.CE cs.LG stat.ML
Revisiting element removal for density-based structural topology optimization with reintroduction by Heaviside projection
我们提出了一种基于Bruns和Tortorelli [1]的元素移除思想的策略,旨在降低计算成本并规避基于密度的拓扑优化的潜在数值不稳定性。设计变量和相对密度都表示在一个固定的,均匀的有限元网格,并通过过滤和Heaviside投影连接。分析域中相对密度低于指定阈值的区域从正演分析中删除,并由虚拟节点边界条件代替。随着优化的进行,这带来了计算成本的逐步削减,并有助于减轻与低密度区域相关的数值不稳定性。由于所有设计变量都保持有效,并且在正式的灵敏度分析中建模,因此可以很容易地重新引入删除的区域。所提出的方法的一个关键特征是,赫维赛德函数通过放大滤波器范围内的灵敏度的大小来促进材料沿结构边界的重新引入。几个二维和三维的结构拓扑优化的例子,包括线性和非线性柔度最小化,设计的力逆变器,频率和屈曲载荷最大化。该方法被证明是有效的,在生产优化的设计等同于或几乎等同于那些没有元素删除,同时提供显着的计算节省。
2020-12-04 cs.CE cs.NA math.NA
Compliant Constant Output/ Input Force Mechanisms- Topology Optimization with Contact
我们合成单片拓扑结构的恒定输出(CoFM)和输入(CiFM)力机制。在合成过程中,我们捕捉所有可能的方面,包括有限的位移,屈曲,成员之间的相互作用,他们与外表面的相互作用,重要的是,与柔性工件的机构的相互作用,捕捉力传递在真正意义上。恒定力特性的特征,例如,所需力的大小、力位移曲线的斜率接近于零的输入位移范围、以及工件和机构之间的距离通过本文提出的新颖目标被单独控制。两个恒定的输出和恒定的输入力的机制,每个,合成使用随机优化,确保现成的可制造性。我们观察到,存在的外表面可能不需要单件机制,以获得恒定的力特性。然而,如果允许相互接触,有趣的解决方案是可能的。我们还注意到,期望的力特性可能不会随着工件形状和(或)材料特性的改变而保持相同。最后,我们制作和测试的综合机构,并发现所需的恒力特性基本上保留。
2022-01-11 cs.CE
Data-Driven Multiscale Design of Cellular Composites with Multiclass Microstructures for Natural Frequency Maximization
Shanghai Jiao Tong University(上海交通大学);Northwestern University(西北大学)
对于工程结构的固有频率优化,蜂窝复合材料已被证明具有优于固体的优势。然而,现有的蜂窝复合材料的多尺度设计方法要么计算详尽或仅限于一类微结构。在本文中,我们提出了一个数据驱动的拓扑优化(TO)的方法,使多尺度设计的细胞结构与各种选择的微结构类。关键部分是一个新提出的潜在变量高斯过程(LVGP)模型,通过该模型,不同类别的微观结构被映射到一个低维连续的潜在空间。它提供了一个可解释的类之间的距离度量,并捕捉它们对均匀化刚度张量的影响。通过引入特征向量作为设计变量,刚度矩阵在类间的可微转换可以很容易地用解析梯度实现。在将LVGP与基于密度的TO集成后,开发了一种有效的数据驱动的蜂窝复合材料优化过程,以实现对用于固有频率优化的微结构概念和相关体积分数的并行探索。算例表明,所提出的多类微结构的蜂窝设计比单尺度和单类设计实现了更高的固有频率。该框架可以很容易地扩展到其他多尺度TO问题,如热顺应性和动态响应优化。
2021-06-11 cs.CE cs.LG stat.ML
Robust topology optimisation of microstructural details without length scale separation - using a spectral coarse basis preconditioner
本文应用拓扑优化设计的结构与周期性的微观结构的细节没有长度尺度分离,即考虑完整的宏观结构及其响应,同时解决所有的微观结构的细节,相比,经常使用的均匀化方法。该方法考虑了边界条件,并确保连接和宏观优化的微观结构,而不管微观和宏观长度尺度的差异。这导致针对特定应用而不是特定属性定制的微结构。处理完整的宏观结构及其响应在计算上具有挑战性,因为需要非常精细的离散化来解决所有微观结构细节。因此,本文展示了将基于多尺度有限元法(MsFEM)的与对比度无关的光谱预处理器应用于具有完全解析的微观结构细节的大型结构的益处。基于密度的拓扑优化方法结合了一个Heaviside投影过滤器和一个随机的强大的配方上使用的各种问题,周期性和分层的微结构。所提出的方法被证明是允许非常大的问题,在\textsc{Matlab},特别是一个问题,在26小时内使用一个单一的计算线程与26万位移自由度的拓扑优化。
2014-11-13 cs.CE
Computational Design of Finite Strain Auxetic Metamaterials via Topology Optimization and Nonlinear Homogenization
通过将基于密度的拓扑优化与混合应力/变形驱动的非线性均匀化方法相结合,提出了一种新的计算框架,用于设计在大应变范围内具有负泊松比的超材料。提出了一种基于宏观变形的泊松比度量方法,并通过直接数值模拟进行了验证。利用基于非线性均匀化的一致性优化公式,系统地研究了不同加载方向和不同单胞域的拉胀超材料设计。此外,扩展到多材料拉胀超材料的设计也被认为是,稳定的优化配方,以获得有限应变下的离散超材料拓扑结构。各种新的拉胀设计的基础上提出的框架。为了验证优化设计的性能,使用Bloch波方法和秩一凸性检查进行多尺度稳定性分析。如所展示的,短和/或长波长的不稳定性可以在加载过程中发生,导致微结构的周期性的变化,这可以影响优化设计的性能。
2019-04-25 cs.CE
Remixing Functionally Graded Structures: Data-Driven Topology Optimization with Multiclass Shape Blending
Northwestern University(西北大学);Shanghai Jiao Tong University(上海交通大学)
为了创建具有前所未有的功能的异构多尺度结构,最近的拓扑优化方法设计完全非周期系统或功能梯度结构,在设计自由度和效率方面进行竞争。我们建议通过一个数据驱动的框架来继承两者的优点,该框架用于混合了几个家族的多类功能梯度结构,即,类,微结构拓扑结构,以创造空间变化的设计与保证可行性。关键是一个新的多类形状混合方案,生成平滑渐变的微观结构,而不需要兼容的类或连接性和可行性约束。此外,它转换成一个有效的,低维的微尺度问题,而不限制设计预定义的形状。合规性和形状匹配的例子,使用常见的桁架几何形状和多样性为基础的自由形式的拓扑结构证明了我们的框架的多功能性,而类的数量和多样性的影响的研究说明了有效性。所提出的方法的一般性支持未来的扩展超出线性应用程序。
2022-04-02 cs.CE cs.LG
Data-driven topology optimization of spinodoid metamaterials with seamlessly tunable anisotropy
我们提出了一个两尺度的拓扑优化框架的宏观机构的设计与优化的弹性响应,这是通过在微观尺度上的空间变化的细胞架构。所选择的spinodoid拓扑结构的细胞网络的微观尺度上(这是由自然的微结构形成的spinodal分解过程中的灵感)承认一个无缝的空间分级以及可调的弹性各向异性,它是参数化的一个小的设计参数与底层的高斯随机场。宏尺度边值问题采用有限元离散,有限元除了位移场外,还连续插值微尺度设计参数。通过假设尺度分离,在宏观尺度上的局部本构行为被识别为基于局部设计参数的微结构的均匀化弹性响应。作为从经典的FE $^2$型方法出发,我们取代了昂贵的微尺度均匀化的数据驱动的代理模型,使用深神经网络,它准确,高效地映射到有效的弹性张量的设计参数。该模型是训练均匀化的刚度数据从有限元数值均匀化。作为一个额外的好处,机器学习设置允许自动微分,因此可以精确计算灵敏度(优化问题所需的),而不需要数值导数-这一策略的前景远远超出了弹性刚度。因此,该框架为基于数据驱动的代理模型的多尺度拓扑优化提供了新的机会。
2021-05-19 cs.CE
Multiscale characteristics of the emerging global cryptocurrency market
该评论介绍了加密货币的历史,并描述了其背后的区块链技术。加密货币和交易所之间的差异已经显示出来。中心部分调查了各种平台上加密货币价格变化的分析。加密货币市场波动的统计特性与传统市场进行了比较。借助最新的统计物理方法,分析了加密货币市场的非线性相关性和多尺度特征。在最后一部分中,追溯了100种市值最大的加密货币之间相关性结构的共同演变。还考虑了从比特币角度来看币安平台上加密货币网络的详细拓扑结构。最后,我们提出并讨论了一个关于新型冠状病毒肺炎疫情对加密货币市场影响的有趣观察:最近,我们目睹了加密货币的“阶段性转变”,从逃离传统市场的投资者的对冲机会,转变为与货币、股票和商品等传统金融工具密切相关的全球市场的一部分。主要贡献是广泛证明了加密货币市场的结构自组织导致其获得了与外汇市场在单个时间序列水平上几乎无法区分的复杂性特征。然而,加密货币平台上的汇率之间的交叉相关性与之不同。加密货币市场的同步性较差,信息流动更慢,这导致套利机会更频繁。在审查中使用的方法允许后者被检测到,并领先滞后关系被发现。
2021-03-05 cs.CE econ.EM q-fin.ST
An Adaptive Quasi-Continuum Approach for Modeling Fracture in Networked Materials: Application to Modeling of Polymer Networks
具有网络状微观结构的材料,包括聚合物,是许多天然和人造材料的骨架,如凝胶,生物组织,超材料和橡胶。在这些网络化材料的断裂过程本质上是多尺度的,它是计算上禁止采用一个完全离散的方法,大规模的系统。为了克服这样的挑战,我们引入了一个自适应的数值算法,在这类材料中建模断裂,主要应用于聚合物网络,使用扩展版本的准连续统方法,占材料和几何非线性。在高度关注的区域,例如裂纹尖端附近,保留了局部拓扑结构的明确表示,其中每个聚合物链使用蠕虫状链模型理想化。远离这些缺陷,自由度被限制到网络节点的一小部分,并且网络结构被计算均匀化,使用微观-宏观能量一致性条件,以产生与底层网络结构一致的各向异性材料张量。一个非线性有限元框架是用来解决系统的动态自适应允许连续和离散尺度之间的过渡。该方法使准确的建模裂纹扩展的断裂能没有先验的约束,同时保持大规模的弹性载荷在散装的影响。我们证明了该方法的准确性和效率,通过应用它来研究在不同的网络结构的例子中的断裂。我们进一步使用该方法来研究网络拓扑结构和无序对其断裂特性的影响。我们讨论了我们的方法在网络材料断裂的多尺度分析的影响,因为它们出现在不同的应用在生物学和工程。
2019-10-19 cond-mat.soft cs.CE