In this paper, a two-scale approach for elastic shape optimization of fine-scale structures in additive manufacturing is investigated. To this end, a free material optimization is performed on the macro-scale using elasticity tensors in a set of microscopically realizable tensors. A database of these realizable tensors and their cost values is obtained with a shape and topology optimization on microscopic cells, working within a fixed set of elasticity tensors samples. This microscopic optimization takes into account manufacturability constraints via predefined material bridges to neighbouring cells at the faces of the microscopic fundamental cell. For the actual additive manufacturing on a chosen fine-scale, a piece-wise constant elasticity tensor ansatz on grid cells of a macroscopic mesh is applied. The macroscopic optimization is performed in an efficient online phase, whereas the associated cell-wise optimal material patterns are retrieved from the database that was computed offline. For that, the set of admissible realizable elasticity tensors is parametrized using tensor product cubic B-splines over the unit square matching the precomputed samples. This representation is then efficiently used in an interior point method for the free material optimization on the macro-scale.


翻译:在本文中,对添加剂制造中微缩结构的弹性形状优化的两尺度方法进行了调查。为此,在宏观尺度上,在一组微缩可实现的成粒体中,使用弹性成粒体进行免费材料优化。在微缩缩微粒细胞上,以形状和地形优化的方式,获得了这些可变的成粒体及其成本值的数据库,在固定的弹性抗压样品组中工作。这种微缩微缩优化考虑到了通过在微缩基本细胞面部与相邻细胞预设材料桥梁的制造限制。对于选择的微缩度上的实际添加剂制造,则采用了一个粒子常态弹性成粒子的成粒体。宏观优化是在高效的在线阶段进行的,而从计算离线数据库中检索了相关的细胞最佳材料模式。为此,可接受的可变弹性加热气体阵列的组装,使用高压成的微缩放量点B-底部模型,在目前使用的磁标上,对正标的磁标的磁标表示法进行高效的模拟。

0
下载
关闭预览

相关内容

商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
R工程化—Rest API 之plumber包
R语言中文社区
11+阅读 · 2018年12月25日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
Fuzzy Segmentations of a String
Arxiv
0+阅读 · 2022年1月31日
A Compact Embedding for Facial Expression Similarity
Multiple Combined Constraints for Image Stitching
Arxiv
3+阅读 · 2018年9月18日
VIP会员
相关VIP内容
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
相关资讯
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
R工程化—Rest API 之plumber包
R语言中文社区
11+阅读 · 2018年12月25日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
Top
微信扫码咨询专知VIP会员