論文の概要: Topology-Optimized Pneumatic Soft Actuator: Design and Experimental Validation
- arxiv url: http://arxiv.org/abs/2605.20101v1
- Date: Tue, 19 May 2026 16:52:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:09.53758
- Title: Topology-Optimized Pneumatic Soft Actuator: Design and Experimental Validation
- Title（参考訳）: トポロジー最適化空気圧式ソフトアクチュエータの設計と実験検証
- Authors: Sumit Mehta, Konstantinos Poulios,
- Abstract要約: 既存の密度とポロハイパー弾性に基づくトポロジー最適化フレームワークを2次元から3次元に拡張した。
本研究の目的は, 所定作動圧の曲げ応答を2つの異なるひずみ条件下で最大化することである。
2つの最適化された3Dデザインはステレオリソグラフィーを用いて製造され、その性能を検証するために実験的に試験された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper demonstrates the computational design of soft elastomeric pneumatic actuators using nonlinear topology optimization. An existing density- and porohyperelasticity-based topology optimization framework was extended from 2D to 3D and used to generate two manufacturable actuator designs, which were then studied numerically and experimentally. For both designs, the objective was to maximize the bending response for a prescribed actuation pressure under two different allowable strain limits. A key advantage of the employed topology optimization framework is that it can consistently, during the optimization, account for the very large deformations induced upon pressurization. The two optimized 3D designs were fabricated using stereolithography and experimentally tested to validate their performance.
- Abstract（参考訳）: 本稿では,非線形トポロジー最適化を用いたソフトエラストマー空気圧アクチュエータの計算設計について述べる。
2次元から3次元に拡張された既存の密度とポロハイパー弾性に基づくトポロジー最適化フレームワークは、2つのマニファクチャブルアクチュエータの設計を生成し、数値的および実験的に研究した。
両設計は、2つの異なる許容ひずみ制限の下で所定の作動圧に対する曲げ応答を最大化することを目的としていた。
採用されたトポロジ最適化フレームワークの重要な利点は、最適化の間、加圧によって引き起こされる非常に大きな変形を一貫して考慮できることである。
2つの最適化された3Dデザインはステレオリソグラフィーを用いて製造され、その性能を検証するために実験的に試験された。
関連論文リスト
- Diff3R: Feed-forward 3D Gaussian Splatting with Uncertainty-aware Differentiable Optimization [76.38917994186733]
Diff3Rはフィードフォワード予測とテストタイム最適化をブリッジする新しいフレームワークである。
フィードフォワード3DGSアーキテクチャにシームレスに統合でき、ポーズギヴン法とポーズフリー法の両方に対応できることを示す。
論文 参考訳（メタデータ） (2026-04-01T15:40:20Z) - Optimization and Generation in Aerodynamics Inverse Design [41.756961128464816]
物理に基づく目的を持つ逆設計は、高次元幾何学と高価なシミュレーションを兼ね備えているため、難しい。
最適設計点と最適設計分布の2つの正準解を用いて逆設計を再検討する。
本稿では,コスト予測器の新たなトレーニング損失と,可塑性形状を保ちながら目的を向上する密度勾配最適化手法を提案する。
論文 参考訳（メタデータ） (2026-02-03T14:32:26Z) - Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。
提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
論文 参考訳（メタデータ） (2025-12-20T04:46:25Z) - 3DID: Direct 3D Inverse Design for Aerodynamics with Physics-Aware Optimization [53.40777496077015]
逆設計は、特定の目的関数を最適化するために物理系の入力変数を設計することを目的としている。
3Dドメインでは、デザイン空間は指数関数的に増加し、網羅的なグリッドベースの検索は実現不可能である。
本稿では,連続的な潜在表現と物理認識の最適化戦略を結合することにより,3次元設計空間を直接ナビゲートする3次元逆設計フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-06T13:09:03Z) - ShapeGen3DCP: A Deep Learning Framework for Layer Shape Prediction in 3D Concrete Printing [0.4666493857924357]
本研究は3次元コンクリート印刷におけるフィラメント断面形状予測のための深層学習フレームワークであるShapeGen3DCPを紹介する(3DCP)。
このフレームワークは、流体状態(密度、降伏応力、塑性粘度)の材料特性とプロセスパラメータ(ノズル径、ノズル高さ、印刷速度、流れ速度)の両方を入力として、押出層形状を直接予測するニューラルネットワークアーキテクチャに基づいている。
トレーニングデータセットは、3DCPの確立されたパーティクル有限要素(PFEM)モデルを用いて合成され、実験データの不足を克服した。
論文 参考訳（メタデータ） (2025-10-02T13:30:20Z) - 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) - Free-form Grid Structure Form Finding based on Machine Learning and Multi-objective Optimisation [5.381203326687129]
現在の自由形造形法は, 材料特性, 構造条件, 施工条件を十分に満たすことができない。
本稿では, 材料の特性と制約に則って, 複数の目的を考慮した自由形形態の合理性向上を図ることを目的とする。
論文 参考訳（メタデータ） (2024-07-13T11:22:12Z) - Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。
我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
論文 参考訳（メタデータ） (2023-08-10T06:40:19Z) - 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)
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。