亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Fast approximation of fiber reinforced injection molding processes using eikonal equations and machine learning

人工神经网络 Eikonal方程 纤维 过程(计算) 迭代和增量开发 数学优化 克里金 材料科学 计算机科学 算法 应用数学 生物系统 人工智能 机器学习 数学 数学分析 复合材料 软件工程 操作系统 生物
作者
Julian Greif,Philipp Lechner,Nils Meyer
出处
期刊:Composites Part A-applied Science and Manufacturing [Elsevier BV]
卷期号:185: 108340-108340 被引量:2
标识
DOI:10.1016/j.compositesa.2024.108340
摘要

Injection molding is a popular production process for short fiber reinforced components. The mechanical properties of such components depend on process-induced fiber orientations which are commonly predicted via numerical simulations. However, high computational costs prevent process simulations from being used in iterative procedures, such as topology optimization or finding optimal injection locations. We propose a fast approximation method that extracts nodal features and train a regression model to predict fill states, cooling times, volumetric shrinkage, and fiber orientations. The features are determined by solving eikonal equations with a fast iterative method and computing spatial moments to characterize node-adjacent material distributions. Subsequently, we use these features to train feed forward neural networks and gradient boosted regression trees with simulation data of a large dataset of geometries. This approach is significantly faster than conventional methods, providing 20x speed-up for single simulations and more than 200x speed-up in gate location optimization. It generalizes to arbitrary geometries and injection locations.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
xiaoshulin完成签到,获得积分10
13秒前
勤劳的翩跹完成签到,获得积分10
25秒前
yc发布了新的文献求助10
42秒前
1分钟前
1分钟前
1分钟前
我是笨蛋完成签到 ,获得积分10
1分钟前
欣喜的人龙完成签到 ,获得积分10
1分钟前
无花果的应助被荷兰香猪采纳,获得10
1分钟前
炙热芒果完成签到 ,获得积分10
2分钟前
2分钟前
荷兰香猪发布了新的文献求助10
2分钟前
传奇3的应助被药石无医采纳,获得10
2分钟前
2分钟前
Hello的应助被或大或小采纳,获得10
2分钟前
药石无医发布了新的文献求助10
2分钟前
传统的艳完成签到,获得积分10
2分钟前
荷兰香猪发布了新的文献求助10
2分钟前
zhangnan完成签到 ,获得积分10
2分钟前
荷兰香猪完成签到,获得积分10
2分钟前
3分钟前
lay完成签到,获得积分10
3分钟前
amiee发布了新的文献求助10
3分钟前
3分钟前
Owen的应助被科研通管家采纳,获得10
3分钟前
mimi完成签到 ,获得积分10
3分钟前
故意的梦琪完成签到,获得积分10
4分钟前
4分钟前
hugeyoung完成签到,获得积分10
4分钟前
盼盼发布了新的文献求助10
4分钟前
盼盼完成签到,获得积分10
4分钟前
ramsey33完成签到 ,获得积分10
4分钟前
酷酷云朵完成签到,获得积分10
4分钟前
4分钟前
帅气忻完成签到 ,获得积分10
5分钟前
5分钟前
SCI的芷蝶完成签到 ,获得积分10
5分钟前
5分钟前
5分钟前
5分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Sex, Aging, and Death in a Medieval Medical Compendium: Trinity College Cambridge MS R.14.52, Its Texts, Language, and Scribe 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8190148
求助须知:如何正确求助?哪些是违规求助? 9577257
关于积分的说明 21852289
捐赠科研通 7788541
什么是DOI,文献DOI怎么找? 3436279
关于科研通互助平台的介绍 2560044
邀请新用户注册赠送积分活动 2482880