Application of Topology Optimization and Artificial Intelligence based Evolutionary Algorithm to Minimize the Contribution of the Caliper in Brake Squeal Noise
Notice bibliographique
Résumé
The squeal noise is one of the critical factors to qualify a disc brake design from the Noise Vibration and Harshness (NVH) perspective. It is imperative to be watchful of the unstable natural modes of the brake assembly which trigger squeal. Any design modification for reducing a part’s contribution to targeted squeal mode can adversely affect and give rise to new squeal modes. Also, controlling conflicting requirements like mass, strength, and casting manufacturability, further adds up complexity, which increases design iterations and product cost. In view of these challenges, the application of the topological optimizations embedded under an artificial intelligence (AI) driven optimization workflow is explored. The scope of optimization is kept limited only to the caliper. Complex eigenvalue (EV) finite element analysis (FEA) of baseline design brake assembly is performed which predicts critical squeal mode having 34% strain energy contribution from caliper. To improve the squeal performance, surface morphing-based shape optimization with mode tracking is explored, which can be useful in the finetuning stages of the design. However, at the initial stages, topological optimizations play an important role in obtaining suitable concepts. Since commercial topological optimization tools do not support complex EV analysis, an integrated & automated workflow is developed. In this, the caliper geometry is first topologically optimized for mass, stiffness, casting manufacturing constraints, followed by complex EV analysis of the optimized geometry. A dummy thermal analysis is included in topology optimization, which equivalently simulates irrotational inviscid fluid flow to improve casting filling performance. Furthermore, a computational fluid dynamics (CFD) solver is added to the workflow to simulate the viscous flow effects during filling process. AI based evolutionary multi-objective optimization algorithm is used to perform multi-disciplinary optimization on the caliper geometry. The best candidate obtained from virtual design iterations exhibited significant reduction in caliper’s strain energy contribution to 9% or less in squeal all modes, reduction in number of squeal modes while having better strength as compared to baseline design with controlled weight addition.
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 | 0,001 |
| 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) | 0,002 | 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 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 ».