Multi-Material Topology Optimization as a Concept Generation and Design Tool
Notice bibliographique
Résumé
Conventional vehicle design is continually being pushed by consumers and regulations to reach higher level of fuel efficiency and system performance. New methods such as use of alternative structural materials and structural optimization are being utilized heavily in the automotive industry. Currently, materials such as advanced composites, polymers, aluminum and magnesium are all being considered as candidates for alternatives to conventional steel parts to help meet lightweight performance targets. While topology optimization has proven to be a powerful in many case studies for automotive light weighting studies, it is currently constrained for use with one material in the optimization algorithm. Multi-material topology optimization (MMTO) methods presented in this paper demonstrate the tools capability to optimize material selection simultaneously alongside material layout for a given design space and desired weight target. Extensions to MMTO methodology demonstrate the ability to manipulate the mathematical problem statement for optimization in order to achieve a desired amount of each material in the final solution. Discussed in this paper is the application of MMTO to an automotive case study and the examination of the computational solutions obtained from 2-material optimization. First, the optimal material selection and layout is presented and analyzed as the multi-material optimum for the given weight target. Next, the optimization problem statement is manipulated to predetermine the amount of steel and aluminum by volume in the final computational solution. The results are compared quantitatively for stiffness performance against the true optimal solution. Last, material existence and placement trends are discussed for the set of optimization results as well as the varying levels of performance for different abstract cost levels in each solution.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».