用遗传算法优化分级变材料以控制能量传输
摘要：通过机器学习工具以及优化函数的渐变材料阵列的空间，可以加快优化的进程。函数梯度材料可以通过在其固有频率附近引入大的分散和衰减效应来操纵声学或超声波。本工作通过设计和优化渐变结构，将多个单元格的能量衰减性能与频率响应进行组合，以减少层间不匹配效应。通过遗传算法进行优化，避免与设计空间高维度相关的众多局部最小值问题，但需要许多迭代。应用降阶模型（ROM），可以在较短时间内重现传统上使用有限元计算的传输响应。将遗传算法和ROM结合在一起，可以优化一个包含6个单元格的阵列（总共18个独立几何设计变量），使其具有带宽扩展和更尖锐边界的止带。对称的函数梯度结构被确定为最优的几何配置。将测量的3D打印特征投影到ROM解决方案中，以量化打印不确定性对阵列性能的影响。由于重复性误差为$pm~20$ $mu$m，导致传输截止带的平均深度降低了$10^2$倍，并且引入了中心频率和带宽的小偏移。提出了一些改进ROM空间中可访问点的分辨率、降低几何不确定性的敏感度以及增加设计自由度的方法，包括引入平面外的穿孔和使用可调填料树脂系统来改变组分材料。
作者：Joshua Morris, Weidi Wang, Thomas Plaisted, Christopher J. Hansen, and Alireza V. Amirkhizi
论文ID：2306.10628
分类：Applied Physics
分类简称：physics.app-ph
提交时间：2023-06-21