与股骨接触的假体柄是人工髋关节的主要部件,在全髋置换手术中起着重要作用。采用变密度固体各向同性材料惩罚(Solid Isotropic Material with Penalization,SIMP)拓扑优化方法和多尺度的并行拓扑优化方法,分别得到A型和B型两种股骨柄结...与股骨接触的假体柄是人工髋关节的主要部件,在全髋置换手术中起着重要作用。采用变密度固体各向同性材料惩罚(Solid Isotropic Material with Penalization,SIMP)拓扑优化方法和多尺度的并行拓扑优化方法,分别得到A型和B型两种股骨柄结构,并将股骨柄结构柔度变化幅度作为对比指标,比较了两种股骨柄对载荷方向变化的敏感度。利用有限元方法对A型股骨柄和B型股骨柄进行多工况下所对应股骨的应力分析。研究结果表明,在3种工况下,A型股骨柄和B型股骨柄对股骨的平均应力分别为14.80、22.55、16.94 MPa和10.89、20.92、16.50 MPa。对B型股骨柄进行压力加载试验,试验结果表明,在内侧测点,试验的应变值与仿真值的平均误差为-1682με,平均相对误差为20.3%;在外侧测点,试验的应变值与仿真值的平均误差为1281με,平均相对误差为19.5%。该方法为股骨假体柄结构的可靠性设计提供了有效参考。展开更多
传统的拓扑优化算法均基于灵敏度分析的方式求解,如渐进结构优化法(Evolutionary Structural Optimization, ESO)和变密度法(Solid Isotropic Material with Penalization, SIMP)等,灵敏度分析依赖于严谨的数学模型,结果可信度高,但面...传统的拓扑优化算法均基于灵敏度分析的方式求解,如渐进结构优化法(Evolutionary Structural Optimization, ESO)和变密度法(Solid Isotropic Material with Penalization, SIMP)等,灵敏度分析依赖于严谨的数学模型,结果可信度高,但面对不同的结构和约束条件都需要反复重新推导单元灵敏度,对使用人员的数学能力有较高要求,而且也导致了收敛速度慢、迭代步数多的问题。针对现有优化方法中存在的缺陷,结合强化学习Q学习理论和元胞自动机原理,提出一种新的拓扑优化方法:Q学习-元胞法(Q-learning-Cellular Automaton, QCA),尝试为工程构件的优化设计提供一种新思路。这种方法以有限元单元作为元胞,将所有元胞的智能行为集成为一个Q-learning智能体。训练过程中,各个元胞首先完成对自身环境的感知,然后调用智能体进行决策并通过环境交互得到反馈,智能体也借此得到大量数据来学习更新,整个过程不涉及数学模型推导,通过智能体和元胞的不断探索即可完成优化。在此基础上,探讨元胞的选择及其邻域和状态的描述方式,针对元胞的动作空间及收益函数进行比选,进而编制相关拓扑优化软件。优化算例表明,QCA方法优化后的拓扑构型与传统优化方法的构型基本一致,迭代步数较SIMP法降低了64%,且柔顺度更低。Q学习-元胞法在结构拓扑优化中具备良好的可行性,计算效率高且具有迁移优化能力,在结构拓扑优化领域极具潜力。展开更多
文摘与股骨接触的假体柄是人工髋关节的主要部件,在全髋置换手术中起着重要作用。采用变密度固体各向同性材料惩罚(Solid Isotropic Material with Penalization,SIMP)拓扑优化方法和多尺度的并行拓扑优化方法,分别得到A型和B型两种股骨柄结构,并将股骨柄结构柔度变化幅度作为对比指标,比较了两种股骨柄对载荷方向变化的敏感度。利用有限元方法对A型股骨柄和B型股骨柄进行多工况下所对应股骨的应力分析。研究结果表明,在3种工况下,A型股骨柄和B型股骨柄对股骨的平均应力分别为14.80、22.55、16.94 MPa和10.89、20.92、16.50 MPa。对B型股骨柄进行压力加载试验,试验结果表明,在内侧测点,试验的应变值与仿真值的平均误差为-1682με,平均相对误差为20.3%;在外侧测点,试验的应变值与仿真值的平均误差为1281με,平均相对误差为19.5%。该方法为股骨假体柄结构的可靠性设计提供了有效参考。
