[논문 리뷰] Data-Driven Multiscale Design of Cellular Composites with Multiclass Microstructures for Natural Frequency Maximization

Liwei Wang, Anton van Beek외 4명|arXiv (Cornell University)|2021. 06. 11.

Topology Optimization in Engineering참고 문헌 40인용 수 4

한 줄 요약

이 논문은 자연 주파수를 최대화하기 위해 다중 미세구조 유형을 동시에 설계할 수 있는 데이터 기반 다스케일 구조 최적화 프레임워크를 제안한다. 다양한 미세구조를 연속적인 잠재 공간으로 매핑하기 위해 잠재변수 가우시안 프로세스(LVGP)를 도입함으로써, 미세구조 유형 간 전이에 대해 미분 가능하고 기울기 기반 최적화를 가능하게 하여 단일 유형 또는 단일 스케일 설계보다 높은 자연 주파수를 달성한다.

ABSTRACT

For natural frequency optimization of engineering structures, cellular composites have been shown to possess an edge over solid. However, existing multiscale design methods for cellular composites are either computationally exhaustive or confined to a single class of microstructures. In this paper, we propose a data-driven topology optimization (TO) approach to enable the multiscale design of cellular structures with various choices of microstructure classes. The key component is a newly proposed latent-variable Gaussian process (LVGP) model through which different classes of microstructures are mapped into a low-dimensional continuous latent space. It provides an interpretable distance metric between classes and captures their effects on the homogenized stiffness tensors. By introducing latent vectors as design variables, a differentiable transition of stiffness matrix between classes can be easily achieved with an analytical gradient. After integrating LVGP with the density-based TO, an efficient data-driven cellular composite optimization process is developed to enable concurrent exploration of microstructure concepts and the associated volume fractions for natural frequency optimization. Examples reveal that the proposed cellular designs with multiclass microstructures achieve higher natural frequencies than both single-scale and single-class designs. This framework can be easily extended to other multi-scale TO problems, such as thermal compliance and dynamic response optimization.

연구 동기 및 목표

• 기존의 다스케일 설계 방법이 계산 비용이 높거나 단일 미세구조 유형 클래스에 국한되어 있다는 한계를 극복하기 위해.
• 자연 주파수 최대화를 위한 미세구조 유형과 부피율을 효율적으로 동시 최적화하기 위해.
• 다양한 미세구조를 기울기 기반 최적화를 지원하는 연속적이고 미분 가능한 표현으로 표현하기 위해.
• 열적 유연성과 동적 반응과 같은 다른 다스케일 구조 최적화 문제에 적용 가능한 확장 가능한 프레임워크를 만들기 위해.

제안 방법

• 다양한 미세구조 유형을 저차원의 연속적인 잠재 공간으로 매핑하기 위해 잠재변수 가우시안 프로세스(LVGP) 모델을 개발하였다.
• LVGP는 미세구조 유형과 등效 강성 텐서 간의 관계를 포착하여 유형 간 보간을 가능하게 한다.
• 잠재 벡터를 설계 변수로 사용함으로써 최적화 중에 미세구조 유형 간의 매끄럽고 미분 가능한 전이가 가능해진다.
• LVGP는 밀도 기반 구조 최적화와 통합되어 미세구조 및 거시적 레이아웃을 동시에 최적화할 수 있도록 한다.
• 강성 행렬에 대한 잠재 변수에 대한 해석적 기울기를 유도하여 효율적인 최적화를 보장한다.
• 프레임워크는 단일 최적화 루프 내에서 미세구조 개념과 부피율을 동시에 탐색할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 데이터 기반 접근 방식이 다중 미세구조 유형을 가진 세포성 복합재료의 효율적인 다스케일 설계를 자연 주파수 최대화를 위해 가능하게 할 수 있는가?
• RQ2 다양한 미세구조 유형을 기울기 기반 최적화를 지원하는 연속적이고 미분 가능한 잠재 공간에 어떻게 표현할 수 있는가?
• RQ3 단일 유형 또는 단일 스케일 설계에 비해 다중 유형 미세구조를 사용할 경우 어떤 성능 향상이 달성될 수 있는가?
• RQ4 제안된 프레임워크는 자연 주파수를 초월한 다른 다스케일 최적화 목표로 확장될 수 있는가?

주요 결과

• 제안된 데이터 기반 프레임워크는 다양한 미세구조 유형 간에 효율적이고 미분 가능한 최적화를 가능하게 하여 기존 방법에 비해 계산 비용을 감소시킨다.
• LVGP 모델은 다양한 미세구조를 연속적인 잠재 공간으로 성공적으로 매핑하여 유형 간 해석 가능한 거리 척도를 제공한다.
• 다중 유형 미세구조를 가진 설계는 단일 미세구조 유형만을 사용한 설계보다 유의미하게 높은 자연 주파수를 달성한다.
• 예시에서 보고된 정량적 향상으로 볼 때, 프레임워크는 단일 스케일 및 단일 유형 설계에 비해 뛰어난 성능을 보이며 자연 주파수 향상이 확인된다.
• 일반화 가능한 아키텍처 덕분에 이 방법은 열적 유연성과 동적 반응과 같은 다른 다스케일 최적화 문제로도 확장 가능하다.