[發明專利]基于機器學習聚類分析的構件性能優化設計方法及系統

在審

• 申請號: 202210231725.6
• 申請日: 2022-03-09
• 公開（公告）號: CN114580293A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 何霽;江晟達
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/17;G06K9/62;G06F111/06;G06F119/14;G06F119/18
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明提供了一種基于機器學習聚類分析的構件性能優化設計方法及系統，包括以下步驟：特征量獲取步驟：對目標進行處理，獲得目標的特征量；聚類分析步驟：針對特征量進行聚類分析，得到目標的多個聚類集群；優化步驟：選擇材料性能模型對聚類集群進行優化，得到目標的材料部署結果。本發明可以快速高效實現“正確的材料部署于構件正確的位置”，提出了一種構件性能優化設計新方法，進一步拓展了材料結構的可設計性。

技術領域

本發明涉及材料結構性能優化設計的技術領域，具體地，涉及一種基于機器學習聚類分析的構件性能優化設計方法及系統。

背景技術

將正確的材料部署于正確的位置，是高性能構件優化設計的基本原則，也是最終目標。隨著全球“碳達峰，碳中和”愿景的提出，各行各業都對結構輕量化、高性能提出了更高的要求，尤其是運載交通領域，如航空航天，車輛運載等產業。如何設計優化工程材料在高性能構件上的部署，快速、精確獲得滿足服役要求的高性能零件設計，甚至達到更優性能以勝任更嚴酷的服役環境是材料結構一體化設計制造實現的關鍵技術。拓撲優化在設計上是對結構幾何形狀進行減材的一種輕量化思路，但在很多情況下，結構幾何尺寸有著較多約束條件，難以充分實現優化，甚至難以實現最終性能指標。事實上，同一構件上不同位置在服役過程中需要的材料性能并不相同，因此，構件的高性能設計還需要考慮如何在確定的幾何形狀下，充分利用不同材料微觀組織及材料性能在構件上的部署，達到構件性能最優化，從而為制造工藝的設計和實施提供關鍵依據。

從理論上可以分析，當構件上每一處位置所部署的材料在該處服役時對整體性能貢獻都最高，那么零件的整體性能就會達到最佳，從而提高構件性能或滿足服役需求。眾所周知，每一種材料在不同的制造工藝下都有其獨特的微觀結構，決定了其綜合性能和用途。因此，如果可以根據構件服役要求，充分利用不同材料綜合性能特點實現最優部署，就能夠實現構件性能的最優化。目前纖維增強樹脂材料以及擴散連接等工藝已經可以完成聚合物，金屬，陶瓷等不同材料間的高質量接合，通過改變纖維角度或者局部壓力溫度也可以分別調控纖維增強樹脂材料和金屬陶瓷的微觀結構，從而實現對宏觀結構的細觀材料組織的調控成型。在塑性成型領域，不同的熱力加載會造成金屬材料不同的微觀結構和損傷特性，使成型后的金屬材料具有不同的綜合性能，通過熱力條件的調控，也可實現不同金屬組織結構的獲取。當構件承受復雜載荷時，有可能的情況是各個位置上每一個材料點所需性能是不一樣的，每一處都需要不同的材料性能和相應的微觀結構，需要合理且高效的優化方法實現構件內不同性能區域的劃分和材料性能匹配。

聚類分析是一種有效的無監督歸類機器學習算法，根據一定標準，通過將相似的對象分到同一個簇中，可以合并同類項以簡化分析，包括K-均值，均值漂移，凝聚層次等聚類算法。而對于受相同載荷的一定幾何結構，都存在著特征量，例如可以認為相近應變，位移分布趨勢的區域所承受的載荷是類似的，將其集群為一個區域，該區域可以賦予相同的材料性能模型，對應制造成型中相同的纖維角度或是金屬陶瓷組織。目前聚類分析機器學習算法已被廣泛應用于通信管理行業，并逐步開始應用于力學計算以及優化設計領域。

公開號為CN113168891A的中國發明專利文獻公開了一種用于材料系統的設計優化和/或性能預測的數據驅動的表示和聚類離散化方法及系統及其應用。所述方法包括：生成所述材料系統在多個尺度上的表示，其中，某一尺度上的所述表示包括在所述尺度上作為所述材料系統的構建塊的微觀結構體積單元(MVE)；向MVE提供輸入；收集根據預先定義的一組材料屬性和邊界條件由所述材料系統的材料模型計算出的所述MVE的響應場數據；將機器學習應用于所收集的數據，以生成聚類；計算每個聚類與每個其他聚類的相互作用張量；以及使用所生成的聚類和所計算的相互作用對控制偏微分方程進行求解，以得出可用于所述材料系統的多尺度模型中的迭代方案中的響應預測。將聚類分析應用于多尺度計算，有效降低了計算復雜性，提高了計算效率；