生物灵感层复合结构的机器学习支持的反向设计,具有最大的辅助性能
1School of Aeronautics and Astronautics, Shanghai Jiao Tong University, Shanghai, China.
Communications engineering
|November 25, 2025
概括
研究人员开发了一个新的反向设计框架,以找到具有辅助性质的最佳分层复合结构. 这种方法有效地识别了尽量减少Poisson积分的铺设.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 计算设计的计算设计.
背景情况:
- 生物组织激发了具有辅助性质 (负波桑比率) 的分层复合材料.
- 在高维层设计中优化辅助性能是复杂的.
- 为了确定所需辅助性反应的特定置,需要先进的方法.
研究的目的:
- 引入一个反向设计框架,用于识别具有最小Poisson比率的层状布置.
- 为了高效地搜索高维设计空间的辅助性复合结构.
- 为工程辅助性材料提供基于物理和数据的高效路线.
主要方法:
- 结合了多重启动重抽样和机器学习引导的集群.
- 采用层层机械,将层层角度与有效性质联系起来.
- 通过计算机模拟和实验室测量验证预测.
主要成果:
- 解决了三种不同的铺设类别,推动了辅助性扩张.
- 解释了剪切-应变不匹配在通过厚度辅助性行为中的作用.
- 在实际约束下识别接近较低Poisson比率的铺设.
结论:
- 该框架为辅助性复合材料设计提供了一种基于物理的,数据效率高的方法.
- 为减轻冲击和控制振动等应用提供简洁的设计规则.
- 成功复制已知的最小值,并发现新的辅助性叠加.
