A parameterized level set method for structural topology optimization using the approximate re-initialization scheme
Notice bibliographique
Résumé
This article proposes an efficient parameterized level set method (PLSM) for structural topology optimization design with minimum compliance as the objective function and volume fraction as the constraint condition. In the stage of establishing the optimization model, the level set function (LSF) is interpolated using compactly-supported radial basis functions (CS-RBFs) to transform the Hamilton-Jacobi partial differential equation (PDE) into ordinary differential equations (ODEs), thereby making the evolution of the LSF more convenient and efficient, and ensuring the smoothness of the optimization result boundary. The method of moving asymptotes (MMA) is used for solving the established optimization model, and meanwhile the shape sensitivity constraint factor is added to improve computational efficiency. During the evolution of the LSF, an approximate re-initialization scheme is employed to prevent the gradient of the LSF boundary from being too large or too small, thereby improving the numerical stability and the convergence speed of structural topology optimization process. Furthermore, the proposed method is also extensible and applicable to topology optimization of multi-material structures. The feasibility and effectiveness of this method have been verified through several typical numerical examples involving topology optimization of single-material structures and multi-material structures within the framework of minimum compliance design. HIGHLIGHTSAn efficient parameterized level set method using the approximate re-initialization scheme is proposed for structural topology optimization.The approximate re-initialization scheme is employed when solving the parameterized level set function via the MMA algorithm.This scheme can prevents the gradient of the level set function boundary from being too large or too small, making the level set function update more stable and accelerating the convergence speed of structural topology optimization.The effectiveness and feasibility of the proposed method are demonstrated through examples of single-material and multi-material structural topology optimization.
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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».