Machine Learning-Based Multi-Objective Design Exploration Of Flexible Disc Elements

要約

タイトル：機械学習に基づく柔軟なディスク要素の多目的設計探索

要約：

– 設計探索は、エンジニアリング設計のプロセスにおいて重要なステップである。
– 最適なデザイン解を検索することで、指定された設計基準を満たし、事前定義された目的を達成することが求められる。
– 近年、機械学習に基づくアプローチが、エンジニアリング設計問題に広く使用されている。
– この論文では、人工ニューラルネットワーク（ANN）アーキテクチャが、改善されたデザイン解を探索・特定するためにエンジニアリング設計問題に適用されていることを示している。
– この研究のケース問題は、ディスクカップリングで使用される柔軟なディスク要素の設計である。
– マスと応力を低下させることなく、トルク伝達と不整合性能を下げることを求められる。
– この目的を達成するため、ANNと遺伝的アルゴリズムを組み合わせた設計探索ステップを使用して、指定された基準（トルクと不整合性）を満たし、最小のマスと応力を持つデザインを特定する。
– 結果は、従来の応答曲面法から最適化された結果と比較して、同等のものである。
– これは、複数の相反する要件に対して概念的な設計を評価する際に大きな利点を持つ可能性がある。

要約(オリジナル)

Design exploration is an important step in the engineering design process. This involves the search for design/s that meet the specified design criteria and accomplishes the predefined objective/s. In recent years, machine learning-based approaches have been widely used in engineering design problems. This paper showcases Artificial Neural Network (ANN) architecture applied to an engineering design problem to explore and identify improved design solutions. The case problem of this study is the design of flexible disc elements used in disc couplings. We are required to improve the design of the disc elements by lowering the mass and stress without lowering the torque transmission and misalignment capability. To accomplish this objective, we employ ANN coupled with genetic algorithm in the design exploration step to identify designs that meet the specified criteria (torque and misalignment) while having minimum mass and stress. The results are comparable to the optimized results obtained from the traditional response surface method. This can have huge advantage when we are evaluating conceptual designs against multiple conflicting requirements.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI