Multiscale Design Optimization with Integrating Overhang Constraints for Additively Manufactured Lattice Structures
Notice bibliographique
Résumé
View Video Presentation: https://doi.org/10.2514/6.2022-1139.vid Topology optimization determines the optimal placement of material within a specified design space to maximize structural performance including its specific stiffness. Such design often results in geometrically complex structures that can be built employing additive manufacturing. To further increase the specific stiffness of structures, mesoscale periodic lattice structures can be implemented into intermediate density regions. Self-supporting structures are often desired to reduce sacrificial support material during additive manufacturing processes and are usually enforced by using an overhang constraint. However, as the overhang inclination angle is restricted during the optimization process, the design freedom and the specific stiffness of the components are often consequently lowered. This study explores the amalgamation of overhang constraints employing lattice structures. It is found that lattice structures could act as a support for more structurally dense material that lies above. This results in regaining some of the design freedom typically compromised when applying an overhang constraint in a typical topology optimization process. The benefit of lattice structure supporting overlying solid material is found to be optimal in a volume fraction range of 0.3-0.7; where volume fractions below or above this range often result in, respectively, lattice structure or solid material dominant designs. A case study is presented to demonstrate the proposed approach. In this case study, it is found that applying an overhang constraint to a traditional topology optimization problem increases the maximum deflection by 58.8% when compared to the topology optimization free of an overhang constraint. On the other hand, implementing lattice structures into the overhang constrained optimization problem results in only a 34.2% increase in the maximum deflection, displaying a recovery of 24.6% of the maximum deflection.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».