This paper presents a shape optimisation system to design the shape of an acoustically-hard object in the three-dimensional open space. Boundary element method (BEM) is suitable to analyse such an exterior field. However, the conventional BEM, which is based on piecewise polynomial shape and interpolation functions, can require many design variables because they are usually chosen as a part of the nodes of the underlying boundary element mesh. In addition, it is not easy for the conventional method to compute the gradient of the sound pressure on the surface, which is necessary to compute the shape derivative of our interest, of a given object. To overcome these issues, we employ the isogeometric boundary element method (IGBEM), which was developed in our previous work. With using the IGBEM, we can design the shape of surfaces through control points of the NURBS surfaces of the target object. We integrate the IGBEM with the nonlinear programming software through the adjoint variable method (AVM), where the resulting adjoint boundary value problem can be also solved by the IGBEM with a slight modification. The numerical verification and demonstration validate our shape optimisation framework.


翻译:本文展示了一个形状优化系统, 用于设计三维开放空间中声硬物体的形状。 边界元素方法( BEM) 适合分析这样的外部场。 然而, 常规的 BEM 以小巧多角度形状和内插功能为基础, 可能需要许多设计变量, 因为通常选择这些变量作为底部边界元素网格节点的一部分。 此外, 常规方法不容易计算表面声音压力的梯度, 这对于计算我们感兴趣的某个对象的形状衍生物是必要的。 为了克服这些问题, 我们采用了我们先前工作中开发的异形边界元素方法( IGBEM ) 。 使用 IGBEM, 我们可以通过目标对象的 NURBS 表面控制点来设计表面的形状。 我们通过连接变量法( 反车辆地雷) 将 IGBEM 与非线性编程软件整合在一起, 由此产生的连接边界值问题也可以通过 IGBEM 略修改加以解决 。 数字核查和演示我们的形状选择框架 。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
开发者应当了解的18套机器学习平台
深度学习世界
5+阅读 · 2018年8月14日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
VIP会员
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
开发者应当了解的18套机器学习平台
深度学习世界
5+阅读 · 2018年8月14日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员