在这项工作中,我们对生成和非生成模型的有效性和效率进行了系统的比较,以构建新颖有效的设计探索和形状优化的设计空间。我们在机翼/水电设计的情况下应用了这些模型,并对所得的设计空间进行了比较。传统的生成对抗网络(GAN)和最先进的生成模型,即性能增强的多样化生成的对手网络(PADGAN),基于基于karhunen-love扩展的耦合的线性非生成模型并置与线性非生成模型并列。比较示例表明,具有适当的形状编码和物理增强的设计空间,非生成模型具有成本效益的高性能有效设计,并具有增强的设计空间覆盖范围。在这项工作中,这两种方法都应用于两个大型箔概况数据集,其中包括通过配置文件生成的参数模型或深度学习方法生成的现实世界和人工设计。这些数据集进一步丰富了其成员形状和物理信息参数的整体属性。我们的结果表明,非生成模型构建的设计空间在设计有效性方面优于生成模型,与生成模型相比,生成了强大的潜在空间,或者无无效的设计。我们还比较了生成的设计的性能和多样性,以提供有关所得空间质量的进一步见解。我们渴望这些发现将帮助工程设计社区在构建设计空间以进行形状优化时做出明智的决定,因为我们已经证明,在某些条件下,计算廉价的方法可以紧密匹配甚至超过表现最好的生成模型。
主要关键词
![arxiv:2402.08540v1 [cs.lg] 2024年2月13日PDF文件第1页](/bimg/d/d782c7874192d4a77069b7f68abf0614c2e42a67.webp)
![arxiv:2402.08540v1 [cs.lg] 2024年2月13日PDF文件第2页](/bimg/7/74927e0eae4522b7c1c9e461506639bb337674e5.webp)
![arxiv:2402.08540v1 [cs.lg] 2024年2月13日PDF文件第3页](/bimg/4/4d8c6d1b00fa97b9da16e16ef7dc41ac4bfb6b58.webp)
![arxiv:2402.08540v1 [cs.lg] 2024年2月13日PDF文件第4页](/bimg/3/32532864132213eeaba979834c2c9a537e8f9be7.webp)
![arxiv:2402.08540v1 [cs.lg] 2024年2月13日PDF文件第5页](/bimg/7/7ce73449090e9994a71f47feeb89713732443510.webp)
