优化拓朴设计的模型降阶方案
简介
这项发明提出和开发以人工神经网络 （ANN） 为基础的模型降阶方法，以大幅减低数值计算目标对象和限制的高昂运算成本，从而加快大规模设计的拓朴优化过程。
商品化机会
技术授权协议／产业合作
解决方案
所提出的方法用粗尺度模拟代替了每次设计迭代中所需的耗时的全尺度模拟，以提高效率。 它使用人工神经网络（ANN）从粗尺度场中获得全尺度感兴趣场，并利用域分解扩大了该方法的应用范围。
创新技术
- 预先训练的ANN模型
- ANN制订由粗略以至精细的学习范围
- 区域分解
主要成效
- 大幅减低大规模设计的运算成本
- 對於16 比例的二維結構設計，計算時間能減少至少100 倍
应用范畴
- 多类飞机组件的设计
- 使用FEM计算的设计软件
香港科技大学
香港科技大学（科大）（https://www.hkust.edu.hk/）是国际知名的研究型大学，其科学、工程、商业管理及人文社会科学领域，均臻达世界一流水准。科大校园国际化，提供全人教育及跨学科研究，培育具国际视野、创业精神及创新思维的优秀人才。逾八成的科大研究，于香港的大学教育资助委员会「2020研究评审工作」被评为「国际卓越」或「世界领先」水平。我们于最新的《泰晤士高等教育全球年轻大学排名榜2022》中排行第三，而科大的毕业生在2021年度的全球大学就业能力调查排名第23位，为亚洲院校前列。
查询
