Predictive modeling of dynamic and nonlinear structural behavior by machine learning and its application to computational morphogenesis

通过机器学习对动态和非线性结构行为进行预测建模及其在计算形态发生中的应用

• 批准号: 22K04416
• 负责人: 藤田 慎之輔
• 金额: $ 2.41万
• 依托单位: The University of Kitakyushu
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K04416/
• 关键词: 最適化; 機械学習; 構造形態創生

シェル構造物を対象として，線形弾性範囲における応力予測モデルの構築と，同モデルを用いた形態創生，ならびに，幾何学的非線形性を考慮した場合におけるシェルの応力予測モデルの構築と，同モデルを用いた形態創生を行った。初年度に計算機を購入するなどの設備投資を行ったことで，大量の教師データ作成も滞りなく実施可能となり，線形弾性範囲においては，かなり高精度の応力予測モデルを構築できることが確認された。3～4年目に実施予定であった同モデルを用いた形態創生も先行して実施し，良好な結果が得られたことから，研究成果をコロキウム構造形態の解析と創生2022や，第62回日本建築学会九州支部研究発表会で報告した。一方，幾何学的非線形性を考慮した場合におけるシェルの応力予測は，予測精度の確保に苦労した。それでも，予測モデルを用いることで計算時間の大幅な削減には成功し，同予測モデルを用いた形態創生手法を構築し，いくつかの数値解析例を通じて有効性を検証した。研究成果は，IASS2023にフルペーパーとして投稿中であり，現在査読中である。いずれの形態創生においても，シェルの形状を入力変数として機械学習させ，構造最適化における設計変数についてもシェルの形状を扱っている。今後は，形状だけに留まらず，断面についても入力変数ならびに設計変数として扱う予定である。本アプローチは，1回の計算コストが大きい非線形解析を最適化の繰返し計算の中で行うことで生じる計算時間の肥大化を機械学習に置き換えることで解決するものであり，事前に予測モデルを構築する必要がある点はデメリットであるものの，一度予測モデルを構築してしまえば，最適化問題の制約条件などを様々に変更して繰り返し構造形態創生を行っても現実的な計算時間で最適解を得ることが可能となるため，トライアルアンドエラーの必要な構造設計実務において有効なアプローチとなると考えられる。

对于壳结构，我们在线性弹性范围内构建了应力预测模型，使用同一模型创建形态，并在考虑了几何非线性时为壳创建了一个应力预测模型，并使用相同的模型创建了形态。通过在第一年购买计算机之类的资本投资，可以确定可以在没有障碍的情况下创建大量的教师数据，并且可以在线性弹性范围内构建相当高精度的压力预测模型。还首先进行了使用相同模型的形态创建，该模型计划在第三和第四年内实施，并获得了良好的结果，并在第62 Kyushu分支研究所在日本建筑学院进行了座谈会结构形态和创建分析时，报告了研究结果。另一方面，在考虑几何非线性时，壳应力的预测很难确保预测准确性。但是，使用预测模型已用于显着减少计算时间，并使用预测模型构建了形态创建方法，并通过几个数值分析示例验证了其有效性。目前，研究结果正在IASS2023中作为完整论文提交，目前正在审查中。在这两种形式的创建中，壳形状都是机器学习作为输入变量，并且还处理了用于结构优化的设计变量的外壳形状。将来，我们不仅计划将形状视为输入变量和设计变量。这种方法解决了在用机器学习的重复优化计算中执行具有较大计算成本的非线性分析时发生的计算时间的膨胀，尽管缺点是有必要提前建立一个预测模型，一旦构建预测模型，一旦构建了预测模型，就可以使用多种方法来实现途径，并且有效的方法是在各种方法中获得的方法，并且结构的结构有效，并且结构的结构有效，并且结构的结构是在构建中，并且结构的结构是变化的。在需要反复试验的结构设计实践中。

项目成果

Development of a prediction model for collapse load factor by machine learning and its application to shape optimization problems

通过机器学习开发崩塌载荷系数预测模型及其在形状优化问题中的应用

• 发表时间: 2022
• 作者: S. Fujita;T. Nishie
• 通讯作者: T. Nishie

機械学習を用いたラチスシェルの線形弾性範囲内における応力予測および形状最適化

使用机器学习在晶格壳的线性弹性范围内进行应力预测和形状优化

• 发表时间: 2022
• 作者: 岩島良樹;深井宙気;鈴木裕介;谷口与史也;薮内佑馬，藤田慎之輔
• 通讯作者: 薮内佑馬，藤田慎之輔

Global topology optimization of frame structures considering the density of members

考虑构件密度的框架结构全局拓扑优化

• 发表时间: 2022
• 作者: N. Okuzono;S. Fujita
• 通讯作者: S. Fujita