Применение технологий генеративного дизайна в оптимизации конструкции строительных машин: влияние на производительность и экономичность
Ключевые слова:
генеративный дизайн, строительные машины, топологическая оптимизация, снижение массы конструкции, эксплуатационная эффективность, аддитивное производство, жизненный циклАннотация
Современное строительное машиностроение сталкивается с необходимостью оптимизации конструкций для повышения производительности при одновременном снижении материалоемкости и энергопотребления. Генеративный дизайн представляет собой инновационный подход, основанный на алгоритмическом проектировании с применением искусственного интеллекта, позволяющий создавать оптимизированные конструкции, недостижимые при традиционном проектировании. Данное исследование направлено на комплексную оценку влияния методов генеративного дизайна на эксплуатационные и экономические показатели строительных машин. В работе использованы методы конечно-элементного анализа, топологической оптимизации и многокритериального сравнительного анализа. Эмпирическая база включает результаты компьютерного моделирования и натурных испытаний модифицированных элементов конструкции экскаватора ЭО-5126 и автокрана КС-65740. Исследование демонстрирует, что применение генеративного дизайна позволяет снизить массу ключевых элементов конструкции на 18-27% при сохранении прочностных характеристик, увеличить жесткость конструкции на 12,4%, сократить расход топлива на 8,2% и уменьшить производственные затраты на 15,3%. Анализ жизненного цикла показывает сокращение углеродного следа на 11,7% при эксплуатации оптимизированных машин. Результаты свидетельствуют о значительном потенциале интеграции технологий генеративного дизайна в процессы проектирования строительной техники, обеспечивающем синергетический эффект: повышение технических характеристик при одновременном снижении ресурсозатрат и экологической нагрузки.
Библиографические ссылки
Badloe T., Kim I., Rho J. Biomimetic ultra-broadband perfect absorbers optimised with reinforcement learning // Physical chemistry chemical physics. 2020. № 22(4). pp. 2337-2342.
Da Silva G.A., Beck A.T., Sigmund O. Topology optimization of compliant mechanisms with stress constraints and manufacturing error robustness // Computer methods in applied mechanics and engineering. 2019. № 354. pp. 397-421.
Gaganelis G., Jantos D.R., Mark P., Junker P. Tension/compression anisotropy enhanced topology design // Structural and multidisciplinary optimization. 2019. № 59(6). pp. 2227-2255.
Jiang C., Tang C., Seidel H.P., Chen R., Cohen-Or D. Connectivity-preserving topology optimization via geometry-guided deformation // ACM Transactions on graphics. 2020. № 39(6). pp. 1-16.
Liu J., Gaynor A.T., Chen S., Kang Z., Suresh K., Takezawa A., To A.C. Current and future trends in topology optimization for additive manufacturing // Structural and multidisciplinary optimization. 2018. № 57(6). pp. 2457-2483.
Marini D., Coraglia U.M., Haefele J.G. Topology optimisation in structural steel design for additive manufacturing // Applied sciences. 2021. № 11(5). pp. 12-21.
Oh S., Jung Y., Kim S., Lee I., Kang N. Deep generative design: integration of topology optimization and generative models // Journal of mechanical design. 2019. № 141(11). рр. 111-405.
Serafinska A., Оztoprak, E., Kaliske M. Performance-driven engineering design approaches based on generative design and topology optimization tools: a comparative study // Applied sciences. 2022. № 12(4).рр. 6-21.
Shin S., Shin D., Kang N. Topology optimization via machine learning and deep learning: a review // Journal of computational design and engineering. 2023. № 10(4). pp. 1736-1766.
Tang Y., Zhao Y.F. A survey of the design methods for additive manufacturing to improve functional performance // Rapid prototyping journal. 2016. № 22(3). pp. 569-590.
Wang D., Li Y., Zhang G., Wu W. Experimental validation of optimized excavator boom with improved mechanical properties // Journal of constructional steel research. 2024. № 213. pp.108-143.
Wang X., Li Y., Chen J., Ma Y. Generative design methods for construction machinery: A review // Journal of construction engineering and management. 2023. № 149(4). pp. 301-402.
Yonekura K., Hattori H. Framework for design optimization using deep reinforcement learning // Structural and multidisciplinary optimization. 2019. № 60(4). pp. 1709-1713.
Zhang W., Zhao G., Su L. Research on multi-stage topology optimization method based on latent diffusion model // Advanced engineering informatics. 2025. № 63. pp. 102-966.
Zhou Y., Zhang W., Zhu J., Xu Z. Feature-driven topology optimization method with application to vehicle design // International journal for numerical methods in engineering. 2020. № 121(13). pp. 2917-2937.
