用于生成三维对象的设计的机器学习技术制造技术

在各种实施方案中，拓扑优化应用程序解决与设计三维(“3D”)对象相关联的拓扑优化问题。所述拓扑优化应用程序将具有第一分辨率且表示所述3D对象的第一形状转换为具有第二分辨率的粗形状，所述第二分辨率低于所述第一分辨率。随后，所述拓扑优化应用程序基于所述粗形状来计算粗结构分析数据。然后，所述拓扑优化应用程序使用经训练的机器学习模型以基于所述第一形状和所述粗结构分析数据来生成具有所述第一分辨率且表示所述3D对象的第二形状。所述经训练的机器学习模型基于具有所述第二分辨率的结构分析数据来修改具有所述第一分辨率的形状的一部分。有利地，相对于现有技术，基于具有较低分辨率的结构分析数据来生成所述第二形状降低计算复杂性。述第二形状降低计算复杂性。述第二形状降低计算复杂性。

【技术实现步骤摘要】
用于生成三维对象的设计的机器学习技术

技术介绍


[0001]各种实施方案总体上涉及计算机科学和计算机辅助设计，并且更具体地涉及用于生成三维对象的设计的机器学习技术。
[0002]相关技术的描述
[0003]三维(“3D”)对象的生成式设计是自动地生成3D对象的满足用户指定的任何数量和类型的设计目标和设计约束的设计的计算机辅助的设计过程。在一些实现方式中，生成式设计应用程序基于设计目标和设计约束来指定任何数量的拓扑优化问题。每个问题规范包括形状边界以及与拓扑优化问题相关的任何数量的参数的值。参数的一些示例包括但不限于材料类型、制造方法、制造约束、负载用例、设计约束、设计目标以及完成标准。生成式设计应用程序然后配置拓扑优化应用程序，以独立地解决每个拓扑优化问题。为了解决给定的拓扑优化问题，典型的拓扑优化应用程序基于形状边界来生成形状，并且然后基于不同参数的值迭代地优化形状。生成式设计应用程序将得到的优化形状作为设计空间中的设计呈现给用户。最后，用户探索“生成式”设计空间来选择设计空间中包括的设计中的一者或多者来进行附加的设计和/或制造活动。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于在设计三维(“3D”)对象时解决拓扑优化问题的计算机实现的方法，所述方法包括：将具有第一分辨率且表示所述3D对象的第一形状转换为具有第二分辨率的粗形状，所述第二分辨率低于所述第一分辨率；基于所述粗形状来计算粗结构分析数据；以及经由经训练的机器学习模型基于所述第一形状和所述粗结构分析数据来生成具有所述第一分辨率且表示所述3D对象的第二形状，其中所述经训练的机器学习模型基于具有所述第二分辨率的结构分析数据来修改具有所述第一分辨率的形状的一部分。2.如权利要求1所述的计算机实现的方法，其中所述第二形状比所述第一形状更收敛于与所述拓扑优化问题相关联的设计目标。3.如权利要求1所述的计算机实现的方法，其中将所述第一形状转换为所述粗形状包括对所述第一形状执行一个或多个下采样操作。4.如权利要求1所述的计算机实现的方法，其中所述第一形状包括形状元素的3D网格，并且其中每个形状元素与具有所述第一分辨率的3D栅格的不同体素相关联。5.如权利要求4所述的计算机实现的方法，其中每个形状元素包括有向距离场或保留项标签中的至少一者。6.如权利要求1所述的计算机实现的方法，其中所述粗结构分析数据包括多个应变能值、多个位移或多个旋转中的至少一者。7.如权利要求1所述的计算机实现的方法，其中计算所述粗结构分析数据包括：对所述粗形状执行一个或多个结构分析操作，以生成未归一化粗结构分析数据；以及对所述未归一化粗结构分析数据的至少一部分执行一个或多个归一化操作，以生成所述粗结构分析数据。8.如权利要求1所述的计算机实现的方法，其中生成所述第二形状包括：对所述粗结构分析数据以及所述第一形状或所述粗形状中的至少一者执行一个或多个划分操作，以生成多个推理集；将所述推理集输入到所述经训练的机器学习模型中，作为响应，所述经训练的机器学习模型输出所述第一形状的多个修改的部分；以及聚合所述第一形状的所述多个修改的部分，以生成所述第二形状。9.如权利要求1所述的计算机实现的方法，其中所述经训练的机器学习模型包括经训练的神经网络。10.如权利要求1所述的计算机实现的方法，其中经由涉及所述拓扑优化问题的生成式设计过程来设计所述3D对象，并且基于所述拓扑优化问题的规范来生成所述第一形状。11.一种或多种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器通过执行以下步骤来在设计三维(“3D”)对象时解决拓扑优化问题：将具有第一分辨率且表示所述3D对象的第一形状转换为具有第二分辨率的粗形状，所述第二分辨率低于所述第一分辨率；基于所述粗形状来计算粗结构分析数据；以及经由经训练的机器学习模型基于所述第一形状和所述粗结构分析数据来生成具有所
述第一分辨率且表示所述3D对象的第二形状，其中所述经训练的机器学习模型基于具有所述第二分辨率的结构分析数...

【专利技术属性】
技术研发人员：张然，M，
申请(专利权)人：欧特克公司，
类型：发明
国别省市：