Multi-material topology optimization considering natural frequency constraint
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to propose an effective and efficient numerical method that can consider natural frequency in multi-material topology optimization (MMTO) and which is scalable for complex three-dimensional (3D) problems. Design/methodology/approach The optimization algorithm is developed by combining custom FORTRAN code for MMTO with the open-source software Mystran, which is used as a finite element analysis (FEA) solver. The proposed algorithm allows the designer to shift the fundamental frequency of the design beyond a defined frequency spectrum from the initial designing phase. The methodology is formulated in a smooth and differentiable manner, with the sensitivity expressions, required by gradient-based optimization solvers, presented. Findings Natural frequency constraint has been successfully implemented into MMTO. The use of open-source software Mystran as an FEA solver in the algorithm provides ability to solve complex problems. Mystran offers powerful built-in functions for eigenvalue extraction using methods like Givens, modified Givens, inverse power and the Lanczos method, which provide the ability to solve complex models. The algorithm is successfully able to solve both two- and three-material MMTO jobs for two-dimensional and 3D geometries. Originality/value Natural frequency constraint consideration into topology optimization is very challenging due to three common issues: localized eigenmodes, mode switching and high computational cost. The proposed algorithm addresses these inherent issues, implements natural frequency constraint to MMTO and solves for complex models, which is hardly possible using conventional methods.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle