بهینه سازی توپولوژی سازه های مکانیکی با یادگیری عمیق و شبکه های مولد

چکیده مقاله

بهینه سازی توپولوژی سازه های مکانیکی یکی از مهم ترین حوزه های تحقیقاتی در مهندسی مکانیک و طراحی سازه به شمار می رود که هدف آن دستیابی به بیشترین کارایی مکانیکی با کمترین مصرف ماده است روش های کلاسیک بهینه سازی توپولوژی، مانند روش چگالی و روش های مبتنی بر المان محدود، اگرچه از دقت بالایی برخوردارند، اما با چالش هایی نظیر هزینه محاسباتی بالا، وابستگی شدید به شرایط اولیه و محدودیت در جست وجوی فضای طراحی مواجه هستند با پیشرفت هوش مصنوعی، به ویژه یادگیری عمیق و شبکه های مولد، رویکردهای نوینی برای حل این مسئله ارائه شده است که امکان تولید، ارزیابی و بهینه سازی هم زمان توپولوژی های پیچیده را فراهم می کنند این مقاله به بررسی نقش یادگیری عمیق و شبکه های مولد در بهینه سازی توپولوژی سازه های مکانیکی می پردازد و نشان می دهد چگونه این روش ها می توانند فرآیند طراحی سازه را از یک مسئله تکرارشونده و محاسبات محور به یک فرآیند هوشمند، سریع و خلاقانه تبدیل کنند

کلیدواژه‌ها

نویسندگان

عرفان حیدری

۱ دانشجوی کارشناسی ارشد، مهندسی مکانیک، دانشگاه صنعتی اراک، اراک

�یدری، عرفان،1404،بهینه سازی توپولوژی سازه های مکانیکی با یادگیری عمیق و شبکه های مولد،بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان

ارائه‌شده در

مجموعه مقالات بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک28 بهمن 1404 · شیروان