優化拓樸設計的模型降階方案
簡介
這項發明提出和開發以人工神經網絡 (ANN) 為基礎的模型降階方法，以大幅減低數值計算目標對象和限制的高昂運算成本，從而加快大規模設計的 拓樸優化過程。
商品化機會
技術授權協議／產業合作
解決方案
所提出的方法用粗尺度模擬代替了每次設計迭代中所需的耗時的全尺度模擬，以提高效率。 它使用人工神經網絡（ANN）從粗尺度場中獲得全尺度感興趣場，並利用域分解擴大了該方法的應用範圍。
創新技術
- 預先訓練的ANN模型
- ANN制訂由粗略以至精細的學習範圍
- 區域分解
主要成效
- 大幅減低大規模設計的運算成本
- 對於16比例的二維結構設計，計算時間能減少至少100 倍
應用範疇
- 多類飛機組件的設計
- 使用FEM計算的設計軟件
香港科技大學
香港科技大學（科大）（https://www.hkust.edu.hk/）是國際知名的研究型大學，其科學、工程、商業管理及人文社會科學領域，均臻達世界一流水準。科大校園國際化，提供全人教育及跨學科研究，培育具國際視野、創業精神及創新思維的優秀人才。逾八成的科大研究，於香港的大學教育資助委員會「2020研究評審工作」被評為「國際卓越」或「世界領先」水準。我們於最新的《泰晤士高等教育全球年輕大學排名榜2022》中排行第三，而科大的畢業生在2021年度的全球大學就業能力調查排名第23位，為亞洲院校前列。
查詢
