相关实验视频
Updated: Jul 16, 2025
13:28
Introducing Shear Stress in the Study of Bacterial Adhesion
Published on: September 2, 2011
15.8K
基于机器学习的切割最佳粘合微结构与实验验证
Cem Balda Dayan1, Donghoon Son1, Amirreza Aghakhani1
1Physical Intelligence Department, Max Planck Institute for Intelligent Systems, 70569, Stuttgart, Germany.
Small (Weinheim an der Bergstrasse, Germany)
|September 10, 2023
概括
研究人员开发了新的机器学习优化纤维设计,用于增强干粘合剂. 这些生物灵感结构模仿脚,为抓和防滑应用提供卓越的剪切性能.
科学领域:
- 生物模拟学和材料科学 材料科学
- 机器人与机械工程 机器人与机械工程
背景情况:
- 脚的微/纳米纤维结构提供了强大的,可控制的,没有残留的粘附和剪切.
- 目前的合成干纤维状粘合剂受到人类直观,预定义的形状的限制,限制了性能优化.
研究的目的:
- 通过机器学习和有限元素方法模拟,自动发现剪切优化的纤维设计.
- 将制造限制纳入模拟中,以获得实验相关的结果.
- 通过实验验证计算发现的设计.
主要方法:
- 基于机器学习的优化加上有限元素方法切割力学模拟.
- 将制造约束集成到计算设计过程中.
- 优化纤维结构的实验制造和验证.
主要成果:
- 通过计算发现的剪切优化纤维设计优于预定义的标准形状.
- 实验验证证证实了与模拟相比,优化结构的优越性能.
- 开发的方法可实现纤维设计的自动优化,以提高剪切性能.
结论:
- 这项研究提出了一种新的计算方法,用于设计高性能干粘合剂.
- 优化的生物启发纤维状结构显示了剪切粘附的显著改善.
- 这种方法在机器人,电子和可穿戴设备中具有潜在的应用,这些设备需要先进的抓地和防滑功能.
