Details

В данной работе предложены два подхода, на основе машинного обучения, к одновременной оптимизации топологии и направлений осей ортотропии в деформируемом теле. Первый подход заключается в предсказании результатов оптимизации по данным о начальном напряжено деформированном состоянии тела, что, согласно проведенному обзору литературы, является актуальной и уникальной задачей. Второй подход — это получение непрерывной топологии и направлений анизотропии с помощью нейронных сетей. Полученная непрерывная топология сравнивается с результатами, полученными с помощью совместного алгоритма оптимизации топологии и углов направлений ортотропии на тестовых задачах .

In this paper, we propose two approaches, based on machine learning, to the simultaneous optimisation of topology and directions of fiber axes in a deformable body. The first approach consists in predicting the results of optimisation from the data on the initial stress-strain state of the body, which, according to the literature review, this is an actual and unique problem. The second approach is to obtain continuous topology and fiber directions using neural networks. The obtained continuous topology is compared with the results obtained using a joint algorithm for optimising the topology and angles of orthotropy directions on test problems.