Multi-material topology optimization considering natural frequency constraint
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,004 | 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 ».