Ograniczanie wyników
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
This article investigates design optimisation in the automotive field using machine learning (ML). A thin-walled crash box under axial impact is studied and the design parameters are optimised for front-impact crash tests. This study is based on geometrically and physically nonlinear shell theory, finite element analysis (FEA), dynamic buckling analysis and design optimisation using ML. An artificial neural network framework consisting of various ML methods is developed. A generative adversarial network is established for data generation and reinforcement learning is implemented to automate exploration of the design parameter. This ML framework is proven to determine optimal parameters under predefined crashworthiness constraints.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.