Akademik tədqiqatlar, aydın dil

Verianla | Akademik Araştırmalardan Türkçe Ekonomi ve Bilim İçerikleri

27 sentyabr 2026, bazar
VERİANLAMüstəqil elmi yayımçılıq
Menyunu açın və ya bağlayın
Menyunu bağlayın
...
×
Home / Tətbiqi Elmlər / MATLAB / STORX: MATLAB-da forma və topologiya optimallaşdırmasını birləşdirən açıq mənbəli obyekt-yönlü çərçivə
MATLAB

STORX: MATLAB-da forma və topologiya optimallaşdırmasını birləşdirən açıq mənbəli obyekt-yönlü çərçivə

STORX — Shape and Topology Optimization for Research and Experimentation — parametrik forma optimallaşdırmasını, level-set əsaslı forma optimallaşdırmasını və bir neçə topologiya optimallaşdırma ailəsini eyni MATLAB əsaslı obyekt-yönlü proqram memarlığında birləşdirmək üçün hazırlanmış açıq mənbəli hesablama dizayn çərçivəsidir.

26/08/2026  Veri Anla 46 baxış
STORX: MATLAB-da forma və topologiya optimallaşdırmasını birləşdirən açıq mənbəli obyekt-yönlü çərçivə

STORX — Shape and Topology Optimization for Research and Experimentation — parametrik forma optimallaşdırmasını, level-set əsaslı forma optimallaşdırmasını və bir neçə topologiya optimallaşdırma ailəsini eyni MATLAB əsaslı obyekt-yönlü proqram memarlığında birləşdirmək üçün hazırlanmış açıq mənbəli hesablama dizayn çərçivəsidir. Tədqiqatın əsas yeniliyi təkcə yeni optimallaşdırma alqoritmi deyil; geometriya, sonlu elementlər analizi, vəziyyət tənliyi, məqsəd və məhdudiyyət funksionalları, həssaslıq analizi, dizayn yenilənməsi və istehsal məhdudiyyətlərini ortaq interfeyslər vasitəsilə əlaqələndirən modul memarlıqdır. Bu struktur parametrik forma optimallaşdırması, Hamilton–Jacobi level-set üsulları, SIMP və RAMP sıxlıq interpolasiyası, ESO, BESO və Pareto-izləmə üsullarını eyni fiziki və ədədi infrastruktur üzərində müqayisə etməyə imkan verir.

Əsas yoxlamalar ikiölçülü xətti elastiklik problemləri üzərində aparılsa da, çərçivə çoxsaylı yük ssenariləri, öz çəkisi, stasionar istilik keçiriciliyi, gərginlik minimallaşdırması, lokal həcm payı məhdudiyyəti və Brinkman cəza modeli ilə maye topologiya optimallaşdırmasını da nümayiş etdirir. Məqsəd qısa tədris kodlarının şəffaflığını qorumaqla “geometriya → diskretləşdirmə → vəziyyətin həlli → həssaslıq → məhdudiyyət və filtr → dizayn yenilənməsi” ardıcıllığını bütün üsullar üçün açıq göstərməkdir.

Nəticələr STORX-un xüsusi məqsədli kompakt kodlardan həmişə daha sürətli olduğunu göstərmir. top88 ilə müqayisədə orta həll ölçülərində iterasiya müddəti təxminən 65–68% daha uzundur; 320×160 həllində fərq təxminən 60%-ə enir. Təxminən 50.000 elementli problem üçün vizuallaşdırma xaric bir iterasiya təxminən 0,4 saniyə çəkir. Buna görə tədqiqatın əsas iddiası sürət üstünlüyü deyil, vahid və genişləndirilə bilən MATLAB infrastrukturu daxilində müxtəlif optimallaşdırma üsullarını və fizikanı dəyişdirə bilməkdir.

Hansı elmi və proqramlaşdırma boşluğu hədəflənir?

Forma optimallaşdırmasında dizayn dəyişəni dəlik radiusu, kəsik dərinliyi, sərhəd mövqeyi və ya digər geometrik parametr ola bilər. Topologiya optimallaşdırmasında isə hər elementin sıxlığı, level-set sahəsi və ya topoloji həssaslıq materialın harada qalacağını və əlaqəliliyin dəyişib-dəyişməyəcəyini müəyyən edir. Bu üsulların riyazi təqdimatı fərqli olsa da, onların FEA, məqsəd qiymətləndirilməsi, həssaslıq hesabı, regularizasiya və optimallaşdırma yenilənməsi kimi ümumi addımları var.

STORX həmin ümumi quruluşu proqram memarlığında açıq şəkildə ifadə edir. Framework general 2D B-Rep geometriyalarını dəstəkləyir və boundary condition təyinini mesh tipindən ayırır. Buna görə eyni fiziki problem müxtəlif forma və topologiya optimallaşdırma metodları ilə işlədilə bilər.

Obyekt-yönlü sinif strukturu

  • Solver: B-Rep, grid/triangular mesh, FEA və fiziki vəziyyət həllini idarə edir.
  • Optimizer: parametrik, level-set, density, evolutionary və PareTO dizayn yenilənmələrini həyata keçirir.
  • functional: compliance, volume, stress, lift, drag və başqa məqsəd/məhdudiyyətləri eyni API ilə təqdim edir.
  • mfgConstraints: minimum feature size, retain, physical density və symmetry kimi istehsal operatorlarını birləşdirir.

Yeni funksional əsasən evaluate və gradient; yeni istehsal məhdudiyyəti isə filterDesign və filterSensitivity metodları ilə əlavə edilir. Məqsəd əsas solver və optimizer dövrəsini dəyişdirmədən yeni tədqiqat ideyalarını daxil etməkdir.

B-Rep və sonlu elementlər analizi

2D B-Rep təpə koordinatlarını və həmin təpələri birləşdirən xətt/qövs seqmentlərini saxlayır. Daxili dəliklər üçün construction segmentlərdən istifadə edilir. Kənarların gediş istiqamətində materialın solda qalması geometriya konvensiyasının əsas şərtlərindən biridir.

\[ R_{\mathrm{el}}(d):=K_{\mathrm{el}}d-f_{\mathrm{el}}=0. \tag{1} \]

Gripper nümunəsində təxminən 4.000 element, \(E=2\) GPa, \(\nu=0.35\) və 10 N üfüqi qüvvə istifadə edilir. Üçbucaqlı FEA maksimum \(1.00\times10^{-6}\) m yerdəyişmə və 6,87 MPa von Mises gərginliyi, grid əsaslı FEA isə \(1.05\times10^{-6}\) m və 6,31 MPa verir.

Parametrik forma optimallaşdırması

\[ \begin{aligned} \underset{p=[a,b,c,r]^\top}{\operatorname{minimize}}\quad & C(d;p) \tag{2a}\\ \text{s.t.}\quad & K_{\mathrm{el}}(p)d-f_{\mathrm{el}}=0 \tag{2b}\\ & A-A_{\max}\le0 \tag{2c}\\ & a_{\min}\le a\le a_{\max} \tag{2d}\\ & b_{\min}\le b\le b_{\max} \tag{2e}\\ & c_{\min}\le c\le c_{\max} \tag{2f}\\ & r_{\min}\le r\le r_{\max}. \tag{2g} \end{aligned} \]
\[ C_i'=f^\top u_i', \tag{3} \]
\[ K^{(k)}u_i'=-K_i'u^{(k)}, \tag{4} \]
\[ K_i'= \frac{K^{(k)}_{i,\mathrm{pert}}-K^{(k)}}{\Delta p_i}. \tag{5} \]

Başlanğıc \(p_0=(0.20,0.15,1.20,0.10)\) üçün yarı-analitik FD 118 iterasiya və 1.070 FEA-dan sonra \(p_{\mathrm{FD}}=(0.363,0.224,1.500,0.076)\) verir. Sahə 1,906 m²-dən 1,7995 m²-ə enir, compliance 3,91-dən 3,95 N·m-ə yüksəlir və maksimum yerdəyişmə təxminən 0,04 mm olur.

GlobalSearch: \(p_{\mathrm{GS}}=(0.310,0.226,1.248,0.141)\), 1,79 m², 4,022 N·m, 305 FEA, 62 sınaqdan 39-u feasible. MultiStart: \(p_{\mathrm{MS}}=(0.327,0.138,1.466,0.155)\), 1,798 m², 4,001 N·m və 2.545 FEA. Random Search: \(p_{\mathrm{RS}}=(0.359,0.150,1.337,0.150)\), 1,779 m², 4,021 N·m və 22 FEA.

Level-set forma optimallaşdırması

\[ \psi(x) \begin{cases} <0,&x\in\Omega\\ =0,&x\in\partial\Omega\\ >0,&x\notin\Omega\cup\partial\Omega \end{cases} \tag{6} \]
\[ \begin{aligned} \underset{\psi}{\operatorname{minimize}}\quad&\phi(\psi)\\ \text{s.t.}\quad&|\Omega(\psi)|-V^*\le0,\\ &R_{\mathrm{el}}(d)=0. \end{aligned} \tag{7} \]
\[ \frac{\partial\psi}{\partial t} +\operatorname{sign}(\psi_0)(|\nabla\psi|-1)=0 \tag{8} \]
\[ \operatorname{sign}(\psi)= \frac{\psi}{\sqrt{\psi^2+|\nabla\psi|^2\epsilon^2}}. \tag{9} \]

Reinitialization level-set funksiyasını sıfır konturunu dəyişmədən signed-distance formaya yaxınlaşdırır və \(|\nabla\psi|\approx1\) saxlayır.

Density əsaslı topologiya optimallaşdırması

\[ \begin{aligned} \underset{\rho}{\operatorname{minimize}}\quad&\phi(d;\rho) \tag{10a}\\ \text{s.t.}\quad&\sum_e\rho_ev_e-V^*\le0 \tag{10b}\\ &K_{\mathrm{el}}(\rho)d-f_{\mathrm{el}}=0 \tag{10c}\\ &0<\rho_{\min}\le\rho_e\le1. \tag{10d} \end{aligned} \]
\[ K=\sum_{\mathrm{assemble}}k_e(\rho_e) \tag{11} \]
\[ C=d^\top Kd =\sum_e\rho_e^p d_e^\top K_0d_e \tag{12} \]
\[ D_\rho C=-d^\top K'd \tag{13} \]
\[ E(\rho_e)=\rho_e^pE_0 \tag{14} \]
\[ \frac{\partial k_e}{\partial\rho_e} =p\rho_e^{p-1}k_0 \tag{15} \]
\[ E(\rho_e)= \frac{\rho_e}{1+q(1-\rho_e)}E_0 \tag{16} \]
\[ \frac{\partial k_e}{\partial\rho_e} = \frac{1+q}{[1+q(1-\rho_e)]^2}k_0. \tag{17} \]

SIMP, RAMP, OC, MMA və GCMMA eyni framework daxilində dəyişdirilə bilir. SIMP penalty continuation üsulu ara sıxlıqları tədricən cəzalandırmaq üçün istifadə edilə bilər.

Level-set TO və topoloji həssaslıq

\[ \psi(x,y)=\mathbf{1}_D(x,y) \cos\left(\frac{n_x\pi x}{l_x}\right) \cos\left(\frac{n_y\pi y}{l_y}\right) \tag{18} \]
\[ T(p)= \lim_{\epsilon\to0^+} \frac{\phi(\Omega_\epsilon)-\phi(\Omega)} {\pi\epsilon^2} \tag{19} \]
\[ \Omega_\tau= \{p_\tau\in\mathbb R^2\mid p_\tau=p+\tau n,\ p\in\Omega_\epsilon\} \tag{20} \]
\[ T(p)= \frac{4}{1+\nu}\sigma:\epsilon - \frac{1-3\nu}{1-\nu^2} \operatorname{tr}(\sigma)\operatorname{tr}(\epsilon). \tag{21} \]

Modified-HJE mətnində forcing term \(g=-sign(\psi)T\) kimi yazılıb. Həmin cümlədə müsbət \(w\) çəkisindən danışılır, lakin göstərilən ifadədə \(w\) yoxdur; bu redaksiya uyğunsuzluğu olduğu kimi saxlanılır.

ESO, BESO və PareTO

\[ \Omega_\tau=\{p\mid D\phi(p)>\tau\} \tag{22} \]
\[ \Omega_{\tau^-}^{\mathrm{keep}} =\{p\in\Omega\mid\alpha(p)>\tau^-\} \tag{23} \]
\[ \Omega_{\tau^+}^{\mathrm{add}} =\{p\in\Omega\mid\alpha(p)>\tau^+\} \tag{24} \]
\[ \begin{aligned} \underset{\Omega(x)\subseteq D}{\operatorname{minimize}}\quad&\{V,\phi(d)\}\\ \text{s.t.}\quad&V(x)\le V^*,\\ &R_{\mathrm{el}}(d)=0. \end{aligned} \tag{25} \]
\[ \Delta V(\Omega_1,\Omega_2) = V(\Omega_1\setminus\Omega_2) + V(\Omega_2\setminus\Omega_1) \le\delta. \tag{26} \]

ESO yalnız silir, BESO silinən materialı geri əlavə edə bilər, PareTO isə hər həcm addımında yaxın topologiyalar arasında lokal Pareto optimality-ni fixed-point iterasiya ilə izləməyə çalışır.

Minimum feature size və physical density

\[ \chi_e= \begin{cases} 1,&e\in\Omega_{\mathrm{design}},\\ 0,&\text{əks halda} \end{cases} \tag{27} \]
\[ \tilde\rho_e= \frac{\sum_iH_{ei}\chi_i\rho_i} {\sum_iH_{ei}\chi_i} \tag{28} \]
\[ H_{ei}= \begin{cases} r_{\min}-dist(e,i),&dist(e,i)\le r_{\min},\\ 0,&\text{əks halda} \end{cases} \tag{29} \]
\[ \frac{\partial\phi}{\partial\rho_i} = \sum_e \frac{\partial\phi}{\partial\tilde\rho_e} \frac{\partial\tilde\rho_e}{\partial\rho_i} \tag{30} \]
\[ \frac{\partial\tilde\rho_e}{\partial\rho_i} = \frac{H_{ei}\chi_i}{\sum_jH_{ej}\chi_j} \tag{31} \]
\[ \widehat{\left(\frac{\partial\phi}{\partial\rho_i}\right)} = \frac{1}{\max(\rho_i,\epsilon)} \sum_eH_{ei}\rho_i \frac{\partial\phi}{\partial\tilde\rho_e}, \qquad\epsilon=10^{-3}. \tag{32} \]
\[ \hat\rho_e= \frac{\tanh(\beta\eta)+\tanh[\beta(\rho_e-\eta)]} {\tanh(\beta\eta)+\tanh[\beta(1-\eta)]} \tag{33} \]
\[ \frac{\partial\hat\rho_e}{\partial\rho_e} = \frac{\beta[1-\tanh^2(\beta(\rho_e-\eta))]} {\tanh(\beta\eta)+\tanh[\beta(1-\eta)]} \tag{34} \]
\[ \frac{\partial\phi}{\partial\rho_e} = \frac{\partial\phi}{\partial\hat\rho_e} \frac{\partial\hat\rho_e}{\partial\rho_e} \tag{35} \]
\[ \frac{\partial\phi}{\partial\rho_i} = \sum_e \frac{\partial\phi}{\partial\hat\rho_e} \frac{\partial\hat\rho_e}{\partial\tilde\rho_e} \frac{\partial\tilde\rho_e}{\partial\rho_i}. \tag{36} \]

Retain bölgələri

\[ \rho_e^{\mathrm{filtered}}=1 \quad\text{əgər}\quad\chi_e^{\mathrm{ret}}=1 \tag{37} \]
\[ \left.\frac{\partial\phi}{\partial\rho_e}\right|_{\chi_e^{ret}=1} = \min_i\left(\frac{\partial\phi}{\partial\rho_i}\right) \tag{38} \]
\[ \left.\frac{\partial\phi}{\partial\phi_e}\right|_{\chi_e^{ret}=1}=0 \tag{39} \]
\[ \left.\frac{\partial\phi}{\partial\rho_e}\right|_{\chi_e^{ret}=1} = \max_i\left(\frac{\partial\phi}{\partial\rho_i}\right). \tag{40} \]

10.000 elementli PETG gripper nümunəsində \(E=2\) GPa, \(\nu=0.35\), qüvvə 10 N və həcm payı 0,65-dir. Retain olmadan \(C/C_0=0.32\), dairəvi bağlantı zonaları saxlananda \(C/C_0=0.33\).

Çoxsaylı yük, öz çəkisi və istilik

\[ C_{\mathrm{avg}} = \frac{1}{N_L} \sum_{\ell=1}^{N_L}F^{(\ell)T}d^{(\ell)} \tag{41} \]

3.200 elementli multi-load cantilever üçün \(F_1=+200\) kN, \(F_2=-100\) kN, həcm payı 0,5-dir. Orta compliance: LSSO 2,11; standard HJE 1,84; modified HJE 1,68; SIMP 1,89; PareTO 1,70 N·m.

\[ \begin{aligned} \underset{\rho}{\operatorname{minimize}}\quad&\phi(d;\rho) \tag{42a}\\ \text{s.t.}\quad&\sum_e\rho_ev_e-V^*\le0 \tag{42b}\\ &K_{\mathrm{el}}(\rho)d-f_{\mathrm{el}}-b(\rho)=0 \tag{42c}\\ &0<\rho_{\min}\le\rho_e\le1. \tag{42d} \end{aligned} \]
\[ \rho_e^{eff}=\rho_e\rho_e^{mat} \tag{43} \]
\[ b=\sum_e\rho_e^{eff}a_ev_e \tag{44} \]
\[ b'=\rho_e^{mat}a_ev_e. \tag{45} \]

Öz-çəki körpü nümunəsində 3.000 element, \(E=100\) GPa, \(\nu=0.3\), material sıxlığı 1000 kg/m³ və \(g=[0,-10]\) m/s² istifadə olunur.

\[ \begin{aligned} \nabla\cdot(\kappa\nabla T)+f&=0 \tag{46a}\\ T-T_0&=0 \tag{46b}\\ (\kappa\nabla T)\cdot n-q_n(x)&=0 \tag{46c} \end{aligned} \]
\[ \begin{aligned} \underset{\rho}{\operatorname{minimize}}\quad& T^\top K_{th}(\rho)T \tag{47a}\\ \text{s.t.}\quad& \sum_e\rho_ev_e-V^*\le0 \tag{47b}\\ &K_{th}(\rho)T-f_{th}=0 \tag{47c}\\ &0<\rho_{\min}\le\rho_e\le1. \tag{47d} \end{aligned} \]

İstilik nümunələri 10.000 element və 0,5 həcm payı ilə həll edilir. Boundary-flux halında \(\kappa=1\), \(q_n=1\) W/m², \(T=0\) K, \(f=0\), SIMP \(p=3\) və OC; daxili istilik mənbəyində \(f=0.01\) W/m³, RAMP \(q=5\) və OC istifadə edilir.

Stress, lokal həcm və fluid genişlənmələri

\[ \tilde\sigma_{vm,e} = \rho_e^{q_{vm}}\sigma_{vm,e} \tag{48} \]
\[ \sigma_{PN} = \left( \sum_e\tilde\sigma_{vm,e}^{p_{vm}} \right)^{1/p_{vm}} \tag{49} \]
\[ \begin{aligned} \underset{\rho}{\operatorname{minimize}}\quad&\sigma_{PN}(d;\rho) \tag{50a}\\ \text{s.t.}\quad&\sum_e\rho_ev_e-V^*\le0 \tag{50b}\\ &R_{el}(d;\rho)=0 \tag{50c}\\ &0<\rho_{\min}\le\rho_e\le1. \tag{50d} \end{aligned} \]
\[ \frac{d\sigma_{PN}}{d\rho_e} = \frac{\partial\sigma_{PN}}{\partial\hat\rho_e} \frac{\partial\hat\rho_e}{\partial\bar\rho_e} \frac{\partial\bar\rho_e}{\partial\rho_e} \tag{51} \]
\[ \frac{d\sigma_{PN}}{d\rho} = \frac{\partial\sigma_{PN}}{\partial\rho} + \lambda^\top\frac{\partial F}{\partial\rho} \tag{52} \]
\[ K(\rho)^\top\lambda = \frac{\partial\sigma_{PN}}{\partial d}. \tag{53} \]

6.000 elementli stress nümunəsində peak von Mises gərginliyi 60,6 MPa-dan 23,0 MPa-a enir. Lokal həcm beam nümunəsində mətn p=6, kod isə localPNorm=16 verir; uyğunsuzluq dəyişdirilmir. Gripper lokal həcm nümunəsi 80.000 aktiv element, 0,65 həcm payı, radius 10 və mətndə p=6 istifadə edir.

Fluid wrapper kararlı laminar incompressible Navier–Stokes + Brinkman penalty istifadə edir. Pipe bend/double-pipe: 2.000 element, SIMP p=3, MMA, \(V_f=0.3\), \(U_{in}=1\) m/s, \(\rho=1\) kg/m³, \(\mu=1\) kg/(m·s). Wind-tunnel: 40.000 element, Re=10, aktiv dizayn mərkəzi [1.35,0.5] m, eni 1,5 m, hündürlüyü 0,5 m; enerji dissipasiya, drag və lift məqsədləri ayrıca sınaqdan keçirilir.

Azərbaycan kontekstində mümkün əhəmiyyət

Tədqiqat Azərbaycan məlumatı ilə aparılmayıb və nəticələrin Azərbaycanın sənaye və təhsil sistemində avtomatik etibarlı olduğunu göstərmir. Bununla belə açıq MATLAB framework, general 2D geometriya, FEA, additive-manufacturing üçün retain/minimum-feature məhdudiyyətləri və termal/fluid uzantıları Azərbaycanda mühəndislik təhsili, hesablama mexanikası və prototipləmə üçün uyğunlaşdırıla bilən platforma ola bilər. Yerli tətbiq üçün istifadə olunan material modelləri, istehsal toleransları, proqram lisenziyası və real eksperimental doğrulama ayrıca qiymətləndirilməlidir.

Tədqiqat nəyi göstərir və nəyi göstərmir?

Tədqiqat framework-un genişləndirilə bildiyini və müxtəlif SO/TO metodlarını eyni API-də işlətməyin mümkün olduğunu göstərir. O, STORX-un bütün problemlərdə top88-dən sürətli olduğunu, PareTO-nun bütün topologiya optimallaşdırma üsullarından universal şəkildə üstün olduğunu və ya verilən dizaynların qlobal optimum olduğunu sübut etmir. 3D çap edilmiş gripper nümunəsi konkret istehsal qabiliyyətini göstərir, lakin bütün sənaye prosesləri üçün istehsal sertifikasiyası deyil.

Tədqiqatın Metodu və Nəticələri

Level-set forma optimallaşdırması

NümunəC (N·m)δmax (m)σvm,max (MPa)
Cantilever — aşağı yük7.859.37e-0510.5
Cantilever — orta yük12.59.99e-054.93
L-bracket — yuxarı yük25.82.76e-0437.8
L-bracket — orta yük25.72.89e-0454.3
MBB — simmetriya22.72.48e-046.18

SIMP + OC density TO

NümunəC (N·m)δmax (m)σvm,max (MPa)
Cantilever — aşağı6.987.46e-056.94
Cantilever — orta10.68.50e-058.83
L-bracket — yuxarı22.92.46e-0421.0
L-bracket — orta21.72.42e-0423.0
MBB15.01.64e-046.98

Standard HJE TO

NümunəC (N·m)δmax (m)σvm,max (MPa)
Cantilever — aşağı6.386.85e-052.34
Cantilever — orta9.687.84e-052.83
L-bracket — yuxarı21.22.27e-0425.2
L-bracket — orta19.72.21e-0436.1
MBB14.01.53e-043.98

Modified HJE TO

NümunəC (N·m)δmax (m)σvm,max (MPa)
Cantilever — aşağı6.316.70e-052.59
Cantilever — orta9.657.76e-053.06
L-bracket — yuxarı20.12.20e-049.49
L-bracket — orta19.32.19e-0429.5
MBB13.71.50e-044.74

Verianla Live: ESO, BESO və PareTO

Cədvəl mənbə Table 6-dakı son nəticələri saxlayır.

Nümunə / üsulCompliance C (N·m)δmax (m)σvm,max (MPa)Source
Cantilever aşağı — ESO6.486.89e-054.52Table 6
Cantilever aşağı — BESO6.436.86e-055.79Table 6
Cantilever aşağı — PareTO6.326.74e-053.24Table 6
Cantilever orta — ESO9.767.83e-056.69Table 6
Cantilever orta — BESO9.767.83e-056.69Table 6
Cantilever orta — PareTO9.597.69e-053.28Table 6
L-bracket yuxarı — ESO20.42.23e-047.99Table 6
L-bracket yuxarı — BESO20.42.23e-047.99Table 6
L-bracket yuxarı — PareTO20.32.21e-048.01Table 6
L-bracket orta — ESO21.23.20e-04490Table 6
L-bracket orta — BESO21.23.20e-04490Table 6
L-bracket orta — PareTO19.22.16e-0419.6Table 6
MBB — ESO14.21.55e-0419.4Table 6
MBB — BESO14.21.55e-0419.4Table 6
MBB — PareTO13.41.46e-045.39Table 6
 

3D çap edilmiş gripper-lərdə compliance nəticələri: LSSO \(1.04\times10^{-5}\), standard HJE \(8.49\times10^{-6}\), modified HJE \(8.33\times10^{-6}\), SIMP \(8.66\times10^{-6}\), PareTO \(8.29\times10^{-6}\) N·m. Müəlliflər bu rəqəmlərin ümumi metod sıralaması olmadığını açıq şəkildə bildirirlər.

Runtime müqayisəsində STORX orta mesh ölçülərində top88-dən iterasiya başına təxminən 65–68% daha yavaşdır; 320×160 ölçüdə fərq təxminən 60%-dir. Təxminən 50.000 elementdə bir iterasiya vizuallaşdırma xaric təxminən 0,4 saniyə çəkir.

Mənbə və Metod Qeydi

Orijinal başlıq: STORX: An Open-Source Object-Oriented Framework for Shape and Topology Optimization in MATLAB.

Müəlliflər: Amir M. Mirzendehdel; Krishnan Suresh.

Qurumlar: University of Kansas; University of Wisconsin–Madison.

Mənbə növü: Açıq mənbəli hesablama mühəndisliyi proqram framework-u barədə akademik preprint.

arXiv: 2606.17291v2, cs.CE.

PDF tarixi: 25 iyul 2026.

DOI: 10.48550/arXiv.2606.17291.

Lisenziya: CC BY 4.0.

Rəyçilik statusu: Bu iş rəyçi qiymətləndirməsindən keçməmiş preprintdir; nəticələr həmin nəşr mərhələsi nəzərə alınaraq qiymətləndirilməlidir.

Kod: Məqalə MATLAB kod deposunu https://github.com/DEL-KU/storx kimi göstərir.

Maraqların toqquşması: Müəlliflər maraqların toqquşması olmadığını bəyan edirlər.

Generativ AI: Mətnin bəzi hissələrinin aydınlığını və oxunaqlılığını yaxşılaşdırmaq üçün istifadə olunub; texniki nəticə və şərhlərin müəlliflər tərəfindən hazırlanıb yoxlandığı bildirilib.

Məhdudiyyətlər: Əsas framework 2D problemlərə yönəlib; bir çox nümunə benchmark və hesablamalı sınaqlardır; parametrə bağlı müqayisələr universal metod üstünlüyü demək deyil; ümumi OOP strukturu xüsusi optimallaşdırılmış kompakt kodlara nisbətən əlavə runtime yaradır.

Mənbə daxilində uyğunsuzluqlar: Lokal həcm nümunəsində p=6 ilə localPNorm=16 arasında fərq, modified-HJE forcing term-də w çəkisinin mətndə olub düsturda olmaması və wind-tunnel aktiv sahə ifadəsinin tipografik problemi olduğu kimi saxlanılıb.


Paylaşın:

Etiketlər: MATLAB topoloji optimizasyonuSTORX açık kaynakşekil optimizasyonusonlu eleman analiziüretilebilir tasarım optimizasyonu
Şərhlər yoxlandıqdan sonra yayımlanır.Şərhiniz təsdiq prosesinə daxil ediləcək və uyğun hesab olunduqda görünəcək.

Şərh yazın

E-poçt ünvanınız yayımlanmayacaq. Məcburi sahələr * ilə işarələnib

Əlaqəli yazılar
Your experience on this site will be improved by allowing cookies Cookie Policy

Bu çerezler web sitesinin düzgün çalışması için gereklidir.

Bu çerezler, ziyaretçilerin web sitesiyle nasıl etkileşim kurduğunu anlamamıza yardımcı olur.

Bu çerezler kişiselleştirilmiş reklamları sunmak için kullanılır.