Minimizing Structural Vibrations via Guided Flow Matching Design Optimization

要約

構造振動は、自動車、列車、飛行機などのエンジニアリングシステムにおける望ましくない騒音の源です。
これらの振動を最小限に抑えることは、乗客の快適さを改善するために重要です。
この作業は、プレートのような構造にビーズ（インデント）を配置することにより、振動を減らすためのガイド付きフローマッチングに基づいた新しい設計最適化アプローチを提示します。
私たちの方法は、構造振動を予測するために訓練された生成フローマッチングモデルと、代理モデルを統合します。
生成プロセス中、フローマッチングモデルは製造可能性に向かってプッシュし、代理モデルは低振動ソリューションにプッシュします。
フローマッチングモデルとそのトレーニングデータは、設計スペースを暗黙的に定義し、手動で定義された設計パラメーターの最適化が必要ないため、潜在的なソリューションのより広範な調査を可能にします。
目的関数を慎重に構築することによる特定の固有振動の直接最適化など、さまざまな微分可能な最適化目標にこの方法を適用します。
結果は、私たちの方法が、基準ベースの設計ヒューリスティックおよび遺伝的最適化であるランダム検索の設計と比較して、構造振動を減らした多様で製造可能なプレート設計を生成することを示しています。
コードとデータは、https：//github.com/ecker-lab/optimizing_vibrating_platesから入手できます。

要約(オリジナル)

Structural vibrations are a source of unwanted noise in engineering systems like cars, trains or airplanes. Minimizing these vibrations is crucial for improving passenger comfort. This work presents a novel design optimization approach based on guided flow matching for reducing vibrations by placing beadings (indentations) in plate-like structures. Our method integrates a generative flow matching model and a surrogate model trained to predict structural vibrations. During the generation process, the flow matching model pushes towards manufacturability while the surrogate model pushes to low-vibration solutions. The flow matching model and its training data implicitly define the design space, enabling a broader exploration of potential solutions as no optimization of manually-defined design parameters is required. We apply our method to a range of differentiable optimization objectives, including direct optimization of specific eigenfrequencies through careful construction of the objective function. Results demonstrate that our method generates diverse and manufacturable plate designs with reduced structural vibrations compared to designs from random search, a criterion-based design heuristic and genetic optimization. The code and data are available from https://github.com/ecker-lab/Optimizing_Vibrating_Plates.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google