[论文解读] Shape optimization to decrease failure probability

Matthias Bolten, Hanno Gottschalk+2 more|arXiv (Cornell University)|May 16, 2017

Topology Optimization in Engineering参考文献 15被引用 3

一句话总结

本文提出了一种基于梯度的新型形状优化框架，利用威布尔分布作为概率强度模型，最小化陶瓷部件的失效概率。通过将失效概率表述为PDE约束的优化目标，并在有限元网格上使用伴随法计算形状梯度，该方法实现了向最优几何形状的稳定收敛——在弯曲梁和S形接头上的数值实验中已得到验证——无需人工平滑处理，显著降低了失效概率。

ABSTRACT

Ceramic is a material frequently used in industry because of its favorable properties. Common approaches in shape optimization for ceramic structures aim to minimize the tensile stress acting on the component, as it is the main driver for failure. In contrast to this, we follow a more natural approach by minimizing the component's probability of failure under a given tensile load. Since the fundamental work of Weibull, the probabilistic description of the strength of ceramics is standard and has been widely applied. Here, for the first time, the resulting failure probabilities are used as objective functions in PDE constrained shape optimization. To minimize the probability of failure, we choose a gradient based method combined with a first discretize then optimize approach. For discretization finite elements are used. Using the Lagrangian formalism, the shape gradient via the adjoint equation is calculated at low computational cost. The implementation is verified by comparison of it with a finite difference method applied to a minimal 2d example. Furthermore, we construct shape flows towards an optimal / improved shape in the case of a simple beam and a bended joint.

研究动机与目标

• 开发一种直接最小化陶瓷部件失效概率的形状优化方法，而非依赖于峰值应力准则。
• 将概率断裂力学，特别是威布尔模型，作为形状优化中的目标泛函。
• 通过先离散化后优化的方法，在有限元框架下实现失效概率的基于梯度的优化。
• 通过与有限差分法比较，验证所计算形状梯度的准确性和稳定性。
• 在体积约束下，展示向改进几何形状（如直线化梁和优化的S形接头）的收敛性。

提出的方法

• 使用威布尔分布对失效概率进行建模，其中尺度参数依赖于部件几何形状和载荷，形状参数（威布尔模量）为材料特异性。
• 目标泛函为给定拉伸载荷下的失效概率，其推导基于弹性断裂力学和初始缺陷的点过程模型。
• 采用有限元方法对线性弹性PDE进行离散化，并在多边形网格上计算位移和应力。
• 通过伴随法计算形状梯度，实现高效计算失效概率关于边界变化的导数。
• 通过将形状梯度投影到体积梯度的零空间，实现体积约束，确保优化过程中体积保持恒定。
• 通过使用形状梯度更新边界节点生成几何流，并迭代应用网格变形以保持网格质量。

实验结果

研究问题

• RQ1 能否通过基于梯度的形状优化框架有效最小化陶瓷部件的失效概率？
• RQ2 在离散有限元网格上，使用伴随法计算失效概率的形状梯度的精度如何？
• RQ3 在缺乏直观最优几何形状的情况下，优化过程是否能在无需人工平滑处理的前提下收敛至数值最优形状？
• RQ4 失效概率在优化过程中如何演变？能否实现显著降低？
• RQ5 在非光滑或内凹几何形状下，确保优化过程收敛性和稳定性的数学与数值挑战是什么？

主要发现

• 该优化算法成功降低了弯曲梁的失效概率，在体积约束下收敛至理论上预期的最优形状——即直杆。
• 对于S形接头，该方法生成了稳定的几何流，并实现了显著的失效概率降低，尽管其最优构型并不明显。
• 通过在最小2D示例中与有限差分法比较，验证了伴随法计算的形状梯度具有高数值精度。
• 即使在大几何变形下，优化过程仍保持稳定且收敛，无需对形状梯度进行人工平滑处理。
• 随迭代过程可视化失效概率分布，显示出一致且单调的降低失效风险的趋势。
• 该方法证明了将概率机械完整性作为形状优化的直接目标的可行性，克服了峰值应力准则的非可微性问题。