論文の概要: Multi Objective Design Optimization of Non Pneumatic Passenger Car Tires Using Finite Element Modeling, Machine Learning, and Particle swarm Optimization and Bayesian Optimization Algorithms

• arxiv url: http://arxiv.org/abs/2602.04277v1
• Date: Wed, 04 Feb 2026 07:15:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.417353
• Title: Multi Objective Design Optimization of Non Pneumatic Passenger Car Tires Using Finite Element Modeling, Machine Learning, and Particle swarm Optimization and Bayesian Optimization Algorithms
• Title（参考訳）: 有限要素モデリング、機械学習、粒子群最適化およびベイズ最適化を用いた非空気圧旅客車タイヤの多目的設計最適化
• Authors: Priyankkumar Dhrangdhariya, Soumyadipta Maiti, Venkataramana Runkana,
• Abstract要約: 非空気圧タイヤは空気圧タイヤに代わる有望な代替手段を提供する。 彼らの不連続な話構造は、剛性、耐久性、高速振動の課題を提示する。 本研究は,UPTIS型スポーク旅客車両を最適化するための統合生成設計と機械学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non Pneumatic tires offer a promising alternative to pneumatic tires. However, their discontinuous spoke structures present challenges in stiffness tuning, durability, and high speed vibration. This study introduces an integrated generative design and machine learning driven framework to optimize UPTIS type spoke geometries for passenger vehicles. Upper and lower spoke profiles were parameterized using high order polynomial representations, enabling the creation of approximately 250 generative designs through PCHIP based geometric variation. Machine learning models like KRR for stiffness and XGBoost for durability and vibration achieved strong predictive accuracy, reducing the reliance on computationally intensive FEM simulations. Optimization using Particle Swarm Optimization and Bayesian Optimization further enabled extensive performance refinement. The resulting designs demonstrate 53% stiffness tunability, up to 50% durability improvement, and 43% reduction in vibration compared to the baseline. PSO provided fast, targeted convergence, while Bayesian Optimization effectively explored multi objective tradeoffs. Overall, the proposed framework enables systematic development of high performance, next generation UPTIS spoke structures.
• Abstract（参考訳）: 非空気圧タイヤは空気圧タイヤに代わる有望な代替手段を提供する。 しかし、その不連続な話構造は剛性チューニング、耐久性、高速振動の課題を呈している。 本研究では,客車用UPTIS型スポークジオメトリを最適化するための統合生成設計と機械学習駆動フレームワークを提案する。 上位および下位の音声プロファイルは高次多項式表現を用いてパラメータ化され、PCHIPに基づく幾何変化による約250の生成設計が作成可能となった。 KRRのような剛性のための機械学習モデルと、耐久性と振動のためのXGBoostは強力な予測精度を達成し、計算集約的なFEMシミュレーションへの依存を減らすことができた。 Particle Swarm Optimization と Bayesian Optimization を用いた最適化により、さらなる性能向上が可能となった。 その結果,53%の剛性調整,50%の耐久性向上,43%の振動低減が得られた。 PSOは高速で目標とする収束を提供し、ベイズ最適化は効果的に多目的トレードオフを探索した。 提案したフレームワークは,高性能な次世代UPTIS音声構造を体系的に開発することを可能にする。

関連論文リスト

• A Neural Surrogate-Enhanced Multi-Method Framework for Robust Wing Design Optimization [0.0]
  本稿では,ウィング設計プロセスのためのモジュラーでスケーラブルな設計最適化フレームワークを提案する。 パイプラインは初期翼のジオメトリーの生成から始まり、その後いくつかのアルゴリズムを用いて翼を最適化する。 その結果, 空力特性と安定性が向上し, 翼設計の高速化と高精度化が図られた。
  論文  参考訳（メタデータ） (2025-09-29T17:26:37Z)
• HiLAB: A Hybrid Inverse-Design Framework [0.0]
  HiLABはナノフォトニック構造の逆設計のための新しいパラダイムである。 シミュレーションコストを削減した多様なフリーフォーム構成を生成することで、多機能デバイス設計に対処する。
  論文  参考訳（メタデータ） (2025-05-23T05:34:56Z)
• Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
  そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。 キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
  論文  参考訳（メタデータ） (2025-04-23T06:29:10Z)
• Dynamic Noise Preference Optimization for LLM Self-Improvement via Synthetic Data [51.62162460809116]
  我々は、イテレーション間で一貫した改善を保証するために、動的ノイズ優先最適化(DNPO)を導入します。 Zephyr-7Bでの実験では、DNPOは既存の手法を一貫して上回り、平均性能は2.6%向上した。 DNPOは、GPT-4評価のベースラインに比べて29.4%のウィンロス率差で、モデル生成データの品質が大幅に向上したことを示している。
  論文  参考訳（メタデータ） (2025-02-08T01:20:09Z)
• Training Deep Neural Networks with Adaptive Momentum Inspired by the Quadratic Optimization [20.782428252187024]
  重球運動量の最適選択に着想を得た新しい適応運動量を提案する。 提案した適応重球運動量は勾配降下(SGD)とアダムを改善することができる。 我々は、画像分類、言語モデリング、機械翻訳を含む幅広い機械学習ベンチマークにおいて、SGDとAdamの効率を新しい適応運動量で検証する。
  論文  参考訳（メタデータ） (2021-10-18T07:03:48Z)
• DEBOSH: Deep Bayesian Shape Optimization [48.80431740983095]
  形状最適化に適した不確実性に基づく新しい手法を提案する。 効果的なBOを可能にし、その結果の形状の質を最先端のアプローチを超えて向上させる。
  論文  参考訳（メタデータ） (2021-09-28T11:01:42Z)
• Bayesian Optimization for Selecting Efficient Machine Learning Models [53.202224677485525]
  本稿では,予測効率とトレーニング効率の両面において,モデルを協調最適化するための統一ベイズ最適化フレームワークを提案する。 レコメンデーションタスクのためのモデル選択の実験は、この方法で選択されたモデルがモデルのトレーニング効率を大幅に改善することを示している。
  論文  参考訳（メタデータ） (2020-08-02T02:56:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。