자가 조각 피스톤 — 생성적 설계

생성적 설계 · 2020년경

전시 소개

로그인

자가 조각 피스톤 — 생성적 설계

전시 준비 중…

조작

단계는 최적화기의 반복 한 번을 계산합니다 — 전체 유한요소 해석이며 수십 초가 걸릴 수 있습니다. 초기화는 균일한 필드에서 새 실행을 시작하고 기록을 지우며, 목표 부피는 유지됩니다.

목표 무게 / 재료 예산

목표값은 다음 반복부터 적용됩니다. 목표값이 낮을수록 더 많은 재료가 제거되어 부품의 강성이 낮아지며, 최대 응력 경고 임계값은 예시입니다.

점검

훈련 기록

블록 → 바이오닉을 스크럽. 드래그하여 구조 진화를 재생하세요.

작동 원리

위상 최적화는 응력이 낮은 모든 곳에서 재료를 제거하여 하중을 지지하는 뼈대만 남깁니다 — 3D 프린팅 바이오닉 피스톤을 만들어낸 바로 그 과정입니다. 금속이 학습하는 과정을 지켜보세요.

SIMP 단계	머신러닝 비유
밀도 x[e]	가중치
FEA 응력 해석	순전파
민감도 dc/dx	그래디언트 / 역전파
OC 밀도 갱신	경사하강 단계
과도한 제거(vol↓)	과적합

최적화기 상태

반복 횟수 / 에포크부피 / 재료컴플라이언스 / 손실최대 폰 미제스 응력 (모델 단위)

수렴

컴플라이언스 (로그 축척)부피 분율, 점선은 목표값

무게 ⇄ 강도

재료(부피 분율)와 상대 강성(처음 해석한 컴플라이언스를 현재 컴플라이언스로 나눈 값)의 비교입니다.

상태

.museum-body--immersive { overflow: auto !important; } .museum-main--fill, .museum-runtime { height: auto !important; min-height: 100vh; overflow: visible !important; } .museum-runtime > .exhibit-root, .museum-runtime > :not(#mw-about):not(noscript):not(script) { display: none !important; } .museum-runtime #mw-about { display: block !important; position: static; width: min(100%, 800px); margin: 24px auto; padding: 24px; box-sizing: border-box; } .museum-runtime [data-about-close], .museum-runtime #mw-about > h2 { display: none !important; }

2020년경 · 생성적 설계

자가 조각 피스톤 — 생성적 설계

SIMP 토폴로지 최적화기가 모델링된 하중과 지지 조건 아래 피스톤 형태의 설계 영역에서 재료를 재분배합니다.

토폴로지 최적화는 제약 조건을 만족하면서 주어진 목적 함수를 개선하는 재료 분포를 찾는 기법입니다. 이 전시물은 지정된 지지 조건과 단위 하중 조건 아래, 피스톤 형태의 설계 영역에서 선택한 재료 부피 비율에 대해 구조적 컴플라이언스(변형 정도)를 최소화합니다.

각 반복은 유한 요소 모델을 풀고, 컴플라이언스 민감도를 계산해 필터링한 뒤 최적성 기준(optimality-criteria) SIMP 업데이트를 적용합니다. 폰 미제스 색상 필드는 현재의 수치 해를 후처리한 것입니다. 이 과정은 머신러닝의 반복적 최적화와 유사하지만 신경망은 아니며, 응력 경고는 파괴 예측이 아니라 설명을 위한 임계값입니다.

'개념 형상 보기'를 누르면 시각적 비교를 위해 별도로 제작한, 매끄럽게 다듬은 피스톤 개념 형상이 나타납니다. 이는 실시간 복셀 필드에서 재구성된 것이 아니며, 제조 가능한 형상도, 실제 엔진에 검증된 형상도 아닙니다. 실시간 결과는 어디까지나 교육용 수치 모델이며, 그 해석은 메시, 경계 조건, 재료 가정, 목적 함수, 제약 조건에 따라 달라집니다.

사양

방법: SIMP 밀도 기반 토폴로지 최적화
물리학: 최적화 루프 내 유한 요소 변위 해석
업데이트: 필터링한 민감도와 최적성 기준 SIMP 업데이트
표시: 밀도 필드와 후처리한 폰 미제스 응력

전체 전시물

조작

점검

이번 호 전시물