Developement of Reinforcement Learning based Optimisation Method for Side-Sill Design

要約

衝突安全性の最適化は、車両開発プロセスの重要な部分です。
厳しい規制と市場の需要の増大により、限られた時間枠内で複数の要因を考慮する必要があります。
ただし、最適な衝突安全設計には多目的の最適化が必要であり、複雑な部品の場合は複数の設計パラメータを評価する必要があります。
この衝突安全性解析には、大量の計算を必要とする有限要素シミュレーションが必要です。
この課題により、逆マルチパラメータ多目的最適化の必要性が生じます。
この課題により、複数パラメータ、複数目的の逆最適化が必要になります。
この記事では、衝突安全性の結果を向上させるためのマルチセル サイド シルの設計最適化に焦点を当て、このタイプの最適化のための機械学習ベースの方法を調査します。
さらに、オプティマイザーは FE ソルバーと結合されており、結果が向上します。

要約(オリジナル)

Optimisation for crashworthiness is a critical part of the vehicle development process. Due to stringent regulations and increasing market demands, multiple factors must be considered within a limited timeframe. However, for optimal crashworthiness design, multiobjective optimisation is necessary, and for complex parts, multiple design parameters must be evaluated. This crashworthiness analysis requires computationally intensive finite element simulations. This challenge leads to the need for inverse multi-parameter multi-objective optimisation. This challenge leads to the need for multi-parameter, multi-objective inverse optimisation. This article investigates a machine learning-based method for this type of optimisation, focusing on the design optimisation of a multi-cell side sill to improve crashworthiness results. Furthermore, the optimiser is coupled with an FE solver to achieve improved results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google