CN116761724A - 预测堆叠颗粒垫的机械属性的方法 - Google Patents
预测堆叠颗粒垫的机械属性的方法 Download PDFInfo
- Publication number
- CN116761724A CN116761724A CN202180084196.5A CN202180084196A CN116761724A CN 116761724 A CN116761724 A CN 116761724A CN 202180084196 A CN202180084196 A CN 202180084196A CN 116761724 A CN116761724 A CN 116761724A
- Authority
- CN
- China
- Prior art keywords
- composite element
- target
- layer
- parameter set
- properties
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 215
- 239000002245 particle Substances 0.000 title description 5
- 239000002131 composite material Substances 0.000 claims abstract description 259
- 239000000463 material Substances 0.000 claims abstract description 71
- 238000013461 design Methods 0.000 claims abstract description 66
- 238000004088 simulation Methods 0.000 claims abstract description 57
- 239000010410 layer Substances 0.000 claims description 249
- 238000010801 machine learning Methods 0.000 claims description 43
- 238000013016 damping Methods 0.000 claims description 39
- 238000004891 communication Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 21
- 239000007790 solid phase Substances 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000011960 computer-aided design Methods 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 9
- 230000001681 protective effect Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 210000003127 knee Anatomy 0.000 claims description 8
- 230000001012 protector Effects 0.000 claims description 8
- 239000002356 single layer Substances 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000007477 logistic regression Methods 0.000 claims description 6
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 4
- 239000006260 foam Substances 0.000 description 26
- 229920005830 Polyurethane Foam Polymers 0.000 description 21
- 239000011496 polyurethane foam Substances 0.000 description 21
- 229920002635 polyurethane Polymers 0.000 description 18
- 239000004814 polyurethane Substances 0.000 description 18
- 238000003860 storage Methods 0.000 description 12
- 230000005484 gravity Effects 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000013135 deep learning Methods 0.000 description 9
- 210000004027 cell Anatomy 0.000 description 7
- 229920001228 polyisocyanate Polymers 0.000 description 7
- 239000005056 polyisocyanate Substances 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 239000011148 porous material Substances 0.000 description 6
- 238000005187 foaming Methods 0.000 description 5
- 239000007858 starting material Substances 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000000704 physical effect Effects 0.000 description 4
- 239000004604 Blowing Agent Substances 0.000 description 3
- 238000004026 adhesive bonding Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 3
- 239000012948 isocyanate Substances 0.000 description 3
- 150000002513 isocyanates Chemical class 0.000 description 3
- 239000012071 phase Substances 0.000 description 3
- 229920003023 plastic Polymers 0.000 description 3
- 239000004033 plastic Substances 0.000 description 3
- 229920005862 polyol Polymers 0.000 description 3
- 150000003077 polyols Chemical class 0.000 description 3
- -1 volume 7 Polymers 0.000 description 3
- 229920002943 EPDM rubber Polymers 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000012644 addition polymerization Methods 0.000 description 2
- 239000012790 adhesive layer Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000005038 ethylene vinyl acetate Substances 0.000 description 2
- 239000006261 foam material Substances 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- ZFSLODLOARCGLH-UHFFFAOYSA-N isocyanuric acid Chemical group OC1=NC(O)=NC(O)=N1 ZFSLODLOARCGLH-UHFFFAOYSA-N 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 229920001200 poly(ethylene-vinyl acetate) Polymers 0.000 description 2
- 229920002959 polymer blend Polymers 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 239000004970 Chain extender Substances 0.000 description 1
- 244000043261 Hevea brasiliensis Species 0.000 description 1
- 239000005062 Polybutadiene Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000002671 adjuvant Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- OHJMTUPIZMNBFR-UHFFFAOYSA-N biuret Chemical group NC(=O)NC(N)=O OHJMTUPIZMNBFR-UHFFFAOYSA-N 0.000 description 1
- 150000001718 carbodiimides Chemical group 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000003431 cross linking reagent Substances 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000012761 high-performance material Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920003052 natural elastomer Polymers 0.000 description 1
- 229920001194 natural rubber Polymers 0.000 description 1
- 229920000162 poly(ureaurethane) Polymers 0.000 description 1
- 229920002857 polybutadiene Polymers 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229920003048 styrene butadiene rubber Polymers 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 229920003051 synthetic elastomer Polymers 0.000 description 1
- 239000005061 synthetic rubber Substances 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N urea group Chemical group NC(=O)N XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- AVWRKZWQTYIKIY-UHFFFAOYSA-N urea-1-carboxylic acid Chemical group NC(=O)NC(O)=O AVWRKZWQTYIKIY-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/10—Additive manufacturing, e.g. 3D printing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/24—Sheet material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/26—Composites
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Laminated Bodies (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Mattresses And Other Support Structures For Chairs And Beds (AREA)
Abstract
公开了用于预测至少一个复合元件(110)的至少一个机械属性的计算机实施的方法，所述复合元件(110)包括至少两个层(112)。每个层(112)包括具有重复单元(120)的网络(120)，所述重复单元(120)包括节点(116)和边缘(118)。每个层(112)具有体积、纵向延伸部及垂直于纵向延伸部的最大高度h且包括具有蜂窝结构的材料。层(112)被堆叠。所述方法包括以下步骤：a)提供至少一个输入参数集，其中输入参数集包括限定单个层(112)中的每个的属性的多个参数；b)使用至少一个设计工具(126)，基于输入参数集来确定复合元件的至少一个几何模型；c)通过使用至少一个数值仿真(130)，确定复合元件的几何模型的至少一个机械属性，其中机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。
Description
技术领域
本发明涉及一种用于预测至少一个复合元件的至少一个机械属性的计算机实施的方法、一种用于确定至少一个复合元件的布局的计算机实施的方法、计算机程序、计算机可读存储介质、自动控制系统以及自动布局设计系统。本发明具体地可被用于复合元件的化学制造以及工业生产。
背景技术
在许多应用领域(例如，在诸如鞋类的体育物品领域)，对高性能材料存在着很强的需求，所述高性能材料在其机械属性上应更为优越。特别地，要求鞋类材料具有低密度，导致轻量结合高弹性以及进一步改善的机械属性。一个重要的方面是阻尼(即，材料降低冲击力以及回弹性的能力)。当前，弹性泡沫被用于生产高性能鞋底。然而，已知的泡沫材料通常在有益的性能(例如，能量回馈)方面具有上限，因为泡沫密度的持续下降通常会导致能量回馈的不利下降。因此，持续增强由弹性泡沫材料所制成的低密度最终物品的能量回馈是一个重要挑战。
WO 2018/172287描述了一种复合元件用于鞋底的用途，其中所述复合元件包括至少两个元件，其中每个元件具有主体、纵向延伸部以及与所述纵向延伸部垂直的高度h，且包括具有蜂窝状结构的聚合材料，其中所述元件是平行于所述纵向延伸部的至少一部分接触件，且至少在所述接触区域中具有一个闭合表面(表皮)。
WO 2015/105859 A1描述了一种单元孔，所述单元孔具有蜂窝状几何结构，所述蜂窝几何结构包括孔壁和孔边缘，所述孔壁和孔边缘被布置成立方体孔几何结构以及四面体孔几何结构的组合，以及包括多个单元孔的装配结构。由多种几何结构组合所产生的单元孔的孔隙包括规则四面体、不规则四面体以及八面体。WO 2019/068032 A1描述了具有适应性蜂窝状材料和结构的口腔内用具。
然而，颗粒垫的最佳设计取决于多种因素和应用。通常而言，开发新设计需要针对设计的每次适配或修改设计提供新的模具嵌体，这导致了高成本。因此，需要一种工具，所述工具被配置为用于预测颗粒垫的属性，以便为给定的应用找到最佳设计。
待解决的问题
因此，期望的是提供解决上面所提及的技术挑战的方法和装置。具体地，应提供用于预测至少一个复合元件的至少一个机械属性的装置和方法，以允许找到复合元件的最佳设计。
发明内容
此问题通过具有独立权利要求的特征的一种用于预测至少一个复合元件的至少一个机械属性的计算机实施的方法、一种用于确定至少一个复合元件的布局的计算机实施的方法、计算机程序、计算机可读存储介质、自动控制系统以及自动布局设计系统来解决。在从属权利要求中列出了能以孤立方式或以任何任意组合来实现的有利实施方案。
在本发明的第一方面，提出了一种用于预测至少一个复合元件的至少一个机械属性的计算机实施的方法，所述至少一个复合元件包括至少两个层。
如本文所使用的术语“计算机实施的”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。所述术语具体可以指且不限于通过使用数据处理装置(诸如，包括至少一个处理器的数据处理装置)来完全地或部分地实施的过程。因此，术语“计算机”通常可以指具有至少一个数据处理装置(诸如，至少一个处理器)的设备或设备网络的组合。计算机附加地可包括一个或多个另外的部件，诸如包括数据存储设备、电子接口或人机接口中的至少一个。
如本文所使用的术语“处理器”(还表示为“处理单元”)是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。所述术语具体可以指且不限于：被配置用于执行计算机或系统的基本操作的任意逻辑电路；和/或，通常而言，被配置用于执行计算或逻辑操作的设备。特别地，处理器可被配置用于处理驱动计算机或系统的基本指令。作为一个实施例，处理器可包括：至少一个算术逻辑单元(ALU)；至少一个浮点单元(FPU)，诸如数学协处理器或数字协处理器；多个寄存器，特别是被配置用于向ALU提供操作数且存储操作结果的寄存器；以及，存储器，诸如L1高速缓存存储器和L2高速缓存存储器。特别地，处理器可以是多核处理器。具体地，处理器可以是或可包括中央处理单元(CPU)。附加地或替代地，所述处理器可以是或可包括微处理器，因此具体地，处理器的元件可被包含在单个集成电路(IC)芯片中。附加地或替代地，处理器可以是或可包括一个或多个专用集成电路(ASIC)和/或一个或多个现场可编程门阵列(FPGA)等。
如本文所使用的术语“复合元件”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。所述术语具体可以指且不限于包括两个或多个子元件的元件。原则上，只要存在至少两个元件，则关于一个复合元件所包含的子元件的数目不存在限制。优选地，复合元件包括至少三个元件，更优选地包括3至10个元件。
原则上，关于复合元件的尺寸不存在限制，特别是关于复合元件垂直于每个元件的纵向延伸部的高度H不存在限制。优选地，复合元件具有垂直于每个元件的纵向延伸部的高度H，所述高度H在1mm至10000mm的范围内，更优选地在5mm至1000mm的范围内，更优选地在5mm至100mm的范围内。
所述复合元件包括至少两个层。本文所使用的术语“层”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。所述术语具体地可以指且不限于复合元件的个体元件。术语“单个层”和“个体层”在下文中是同义词。具体地，层可以是或可包括垫。每个层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h。原则上，只要复合元件的尺寸由个体层的尺寸进行限定，同样关于每个层的尺寸不存在限制。例如，每个层的个体尺寸之和可等于复合元件的尺寸。然而，在互锁层或啮合层的情况下，复合元件的高度可低于个体层的高度之和。这些层可具有相等的尺寸或不同的尺寸。例如，复合元件可具有锥体状的层结构，其中层的纵向延伸部从上到下增大。优选地，每个层的高度h在0.25mm至2500mm的范围内，更优选地在0.5mm至250mm的范围内，更优选地在0.75mm至250mm的范围内，更优选地在1mm至25mm的范围内。
所述层被堆叠。具体地，在垂直于纵向延伸部的方向上，所述层可被布置为一个层在另一层之上。所述层可例如平行于纵向延伸部至少部分地接触。原则上，只要个体层被固定在一起，则关于个体层之间的粘合就不存在限制。因此，个体层之间的粘合可简单地基于机械粘合或静电粘合。优选地，复合元件的这些层在接触区域(优选地，通过选自拼接、蒸汽汽箱成型、胶合等的方法)中被粘接。
所述层至少在接触区域中具有闭合表面(表皮)。“至少在接触区域中具有闭合表面”是指每个层至少在与其相邻元件的接触区域中具有表皮，然而，在非接触区域中，每个层的表面可以是闭合的或者开放的，例如，在较大表面上进行接触的板状层的情况下，侧部(即，较小的表面，其中与相邻元件没有接触)可显示开放的孔隙或者可等同地显示闭合表面。
每个层包括具有重复单元的网络，所述重复单元包括节点和边缘。本文所使用的术语“网络”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。所述术语具体地可以指且不限于具有链接的子单元的系统。特别是，术语网络可以指结构层。每个完整的个体层可被视为包括节点和边缘的网络。每个层可包括多个节点。每个层的节点可被布置在同一平面内。每个层可在节点之间的层的平面中包括孔或薄膜，其中节点经由边缘被连接。所述网络可以是或包括布置有节点和边缘的图案，特别是规则图案。
本文所使用的术语“节点”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于与孔、膜或边缘的区域相比，层中具有增大厚度的体积范围。术语节点可以指颗粒和/或顶点。与节点相比，边缘可具有较低的厚度。孔的厚度可以为零。每个节点可具有诸如球形、双锥体形、立方体形或3D多边形的形状。至少两个层的节点和/或个体层的节点可以是相同的或不同的。每个节点可相对于层的平面具有对称的形状。然而，非对称设计也是可能的。例如，节点和边缘可被布置在不同的对称平面中。因此，相比于在边缘的对称平面以上的节点部分，在边缘的对称平面以下的个体节点部分可能更少，反之亦然。边缘的对称平面以下的个体节点部分相比于边缘的对称平面以上的节点部分更少的实施方案，可能对于较低密度的发泡工艺而言是有利的。原则上，关于节点的尺寸未给予限制。例如，节点可具有0.002m至0.1m的有效直径。节点可具有长度(即，在层的纵向延伸部上的延伸)和厚度(即，垂直于层的纵向延伸部的延伸)。网络的结构可由网络中的节点的位置来限定。节点和边缘的数目关系可以是从1:1至1:3。边缘和节点的高度比例可以是从1:2至1:10。边缘和节点的长度比例可以是任意的，优选地从1:10至5:1，更优选地从1:10至3:1。
本文所使用的术语“边缘”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于被配置用于连接节点的网络的至少一个元件。边缘可具有长度(即，在层的纵向延伸部中上的延伸)和厚度(即，在垂直于层的纵向延伸部的延伸)。边缘可具有不同的形状，诸如管状、棱柱状，所述棱柱状具体地为立方体、圆柱体等。
本文所使用的术语“重复单元”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语可以指且不限于网络包括多个单元，其中网络的至少两个单元是相同的。特别地，网络的所有单元都是相同的，使得网络具有规则结构。
通过改变层中的节点的形状和图案，可以在不改变单个层的材料的情况下适配和/或选择复合元件的属性。这尤其适用于有效密度(具体作为适配和/或选择单个层的堆积的结果)以及机械属性(具体作为改变单个层之间的接触区域的结果)。
每个层都包括具有蜂窝结构的材料。“具有蜂窝结构的材料”是指在其结构中分布有孔(同义词为孔隙)的材料。在根据本发明的复合元件的一个优选实施方案中，每个层都由具有蜂窝结构的聚合材料组成。“具有蜂窝结构的聚合材料”是指在其结构中分布有孔(同义词为孔隙)的聚合材料。优选地，具有蜂窝结构的聚合材料是由聚合材料制成的泡沫。
复合元件的每个层的具有蜂窝结构的聚合材料可以彼此独立地相同或不同。在一个优选实施方案中，每个层的具有蜂窝结构的聚合材料是相同的。在另一优选实施方案中，复合元件的至少一个层的具有蜂窝结构的聚合材料不同于其他层的具有蜂窝结构的聚合材料。在另一优选实施方案中，复合元件的至少一个层的具有蜂窝结构的聚合材料被连接至不同结构的非蜂窝材料。例如，这种聚合材料可被用作地板覆盖物的组成层。复合元件的每个层的硬度可彼此独立地相同或不同。复合元件的每个层的刚度可彼此独立地相同或不同。复合元件的每个层的密度可彼此独立地相同或不同。复合元件的每个层的回弹性可彼此独立地相同或不同。
具有蜂窝结构的聚合材料优选地是泡沫，更优选地是根据DIN 7726的泡沫。原则上，关于泡沫制备的方式不存在限制。优选地，每个层的具有蜂窝结构的聚合材料是通过一种工艺制备的，所述工艺选自：反应性发泡(优选地，注射模塑或铸造)以及挤压发泡，其中所述工艺被连续地或不连续地执行。根据一个优选实施方案，合适的模具被用于对泡沫进行成形。原则上，只要聚合材料能够形成蜂窝结构，关于聚合材料不存在限制。本发明的优选实施方案涉及复合元件，其中每个层的具有蜂窝结构的聚合材料独立地选自聚氨酯，优选地聚氨酯泡沫。
出于本发明的目的，“聚氨酯”包括所有已知的聚异氰酸酯加成聚合产品。这些产品包括异氰酸酯和乙醇的加合物，且它们还包括改性聚氨酯，所述改性聚氨酯可以包括异氰脲酸酯结构、脲基甲酸酯结构、脲结构、碳化二亚胺结构、脲酮亚胺结构以及缩二脲结构，且还可包括异氰酸酯加合物。本发明的这些聚氨酯特别地包括基于聚异氰酸酯加成聚合产品的泡沫，例如弹性泡沫、柔性泡沫、半刚性泡沫和刚性泡沫。出于本发明的目的，术语聚氨酯还包含包括聚氨酯和其他聚合物的共混聚合物，以及由所述共混聚合物所制成的泡沫。优选地，每个元件的具有蜂窝状结构的聚合材料独立地选自弹性泡沫组，其中所述聚合材料优选地选自乙烯醋酸乙烯酯共聚物(EVA)、聚丁二烯、三元乙丙橡胶(EPDM)、丁苯橡胶(SBR)、合成橡胶、天然橡胶、聚脲和聚氨酯。
来自聚合材料的层可包括例如聚氨酯，特别是包括由聚异氰酸酯成分、多元醇成分和发泡剂成分反应所制备的聚氨酯泡沫。所述方法可包括从具有蜂窝结构的聚合材料中(优选地在模具中)制备一个层，其中所述层由包括节点和边缘的网络组成，其中复合元件具有垂直于每个元件的纵向延伸部的高度H，所述高度H在1mm至10000mm的范围内，其中所述节点经由所述边缘连接，且所述层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h。优选地，所述层的制备包括：
(1)在模具中引入至少以下组分：
(a)聚异氰酸酯成分；
(b)多元醇成分；
(c)发泡剂成分；
(2)通过发泡使组分(a)和组分(b)反应，
从具有蜂窝结构的聚合材料产生一个层，其中所述层由包括节点和边缘的网络组成，其中复合元件具有垂直于每个元件的纵向延伸部的高度H，所述高度H在1mm至10000mm的范围内，其中所述节点经由所述边缘连接，且所述层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h。
关于组分(a)、(b)以及(c)，本领域技术人员已知合适的成分。此外，优选地还添加选自如下项的至少一种组分(d)：扩链剂(d1)、交联剂(d2)和催化剂(d3)。此外，还可以添加其他辅助剂和添加剂(e)，以得到反应混合物且使得反应得以完成。对于组分(d)，(即(d1)、(d2)以及(d3))以及组分(e)，本领域技术人员已知合适的成分。
聚异氰酸酯成分(a)、多元醇成分(b)以及发泡剂成分(c)的反应量通常为使得(a)中的聚异氰酸酯的NCO基团与组分(b)和(c)中的活性氢原子的总数的当量比为0.75-1.5:1，优选地为0.80-1.25:1。如果具有蜂窝结构的聚合材料包括至少一些异氰脲酸酯基团，则所使用的(a)中的聚异氰酸酯的NCO基团与组分(b)和(c)以及(如果合适)组分(d)和(e)中的活性氢原子的总数的比率通常为1.5-20:1，优选地为1.5-8:1。在此，1:1的比率对应于100的异氰酸酯指数。
当本发明待生产的聚氨酯是弹性泡沫、柔性泡沫、半刚性泡沫、刚性泡沫或整体泡沫时，用于生产聚氨酯的具体起始材料(a)至(e)相应地在数量上和质量上存在非常小的差异。举例而言，在WO2006/034800A1和EP1529792A1中描述了用于生产柔性泡沫的起始材料，在“Kunststoffhandbuch，Band 7，Polyurethane”(塑料手册，第7卷，聚氨酯)，Carl HanserVerlag，第三版，1993，第5.4章中描述了用于生产半刚性泡沫的起始材料，在WO2006/042674A1中描述了用于生产刚性泡沫的起始材料，而在EP0364854A1、US5,506,275或EP0897402A1中描述了用于生产整体泡沫的起始原料。
根据本发明的工艺还可包括另外的步骤。如上文所述，可从具有蜂窝结构的聚合材料获得第一层。可将所述第一层与一个或多个附加层结合。另外的层可来自具有蜂窝结构的聚合材料，或者还可来自非蜂窝材料。在本发明的上下文中，另外的层可包括节点和边缘，或者还可以是平面的。
这些层可以个体层至少部分地堆叠的方式来叠加。所叠加的层还可例如在限定的接触区域至少部分地结合。
根据本发明的另一方面，所述工艺进一步包括以下的步骤(II)和(III)：
(II)将所述第一层与至少一个另外的层叠加，使得这些层至少部分地被堆叠；
(III)结合这些层。
根据另一方面，本发明还涉及一种用于制备如上文所述的复合元件的方法，其中还包括非蜂窝材料。
根据另一方面，本发明还涉及一种用于制备如上文所述的复合元件的方法，其中所述另外的层包括具有重复单元的网络，所述重复单元包括节点和边缘，所述另外的层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h，且包括具有蜂窝结构的聚合材料。
适当的附加层例如还可以是粘合层。根据另一方面，本发明还涉及用于制备如上文所公开的复合元件的方法，其中在一个或多个层之间放置粘合层。
根据步骤(III)的结合可通过本领域技术人员已知的任何合适方法来实现。原则上，只要元件被粘在一起，则关于个体元件之间的粘合就不存在限制。因此，个体元件之间的粘合可简单地基于机械粘合或静电粘合。优选地，复合元件的这些元件在接触区域(优选地，通过选自拼接、蒸汽汽箱成型、胶合等的方法)中被粘接。
根据另一方面，本发明还涉及用于制备如上所述的复合元件的方法，其中在步骤(III)中使用热键合和/或粘合剂。
出于本发明的目的，弹性聚氨酯泡沫是指根据DIN 7726的聚氨酯泡沫，其中这些泡沫根据DIN 53 577在经过等于它们厚度的50％的短暂变形之后的10分钟，不会表现出超过其初始厚度2％的残余变形。
本发明的柔性聚氨酯泡沫在10％的压缩率下的抗压应力值，或者这些泡沫根据DIN 53 421/DIN EN ISO 604的抗压强度是15kPa或更少，优选地1kPa至14kPa，特别地4kPa至14kPa。本发明的半刚性聚氨酯泡沫根据DIN 53 421/DIN EN ISO 604在10％的压缩率下的抗压应力值大于15kPa且小于80kPa。本发明的半刚性聚氨酯泡沫以及本发明的柔性聚氨酯泡沫根据DIN ISO 4590的开孔因子优选地大于85％，特别优选地大于90％。关于本发明的柔性聚氨酯泡沫以及半刚性聚氨酯泡沫的进一步详情可在“Kunststoffhandbuch，Band7，Polyurethane”(塑料手册，第7卷，聚氨酯)，Carl Hanser Verlag，第三版，1993，第5章中找到。
本发明的刚性聚氨酯泡沫在10％的压缩率下的抗压应力值大于或等于80kPa，优选地大于或等于120kPa，特别优选地大于或等于150kPa。此外，刚性聚氨酯泡沫根据DINISO 4590的闭孔因子大于80％，优选地大于90％。关于本发明的刚性聚氨酯泡沫的进一步详情可在“Kunststoffhandbuch，Band 7，Polyurethane”(塑料手册，第7卷，聚氨酯)，CarlHanser Verlag，第三版，1993，第6章中找到。
整体聚氨酯泡沫是根据DIN 7726的具有边际区的聚氨酯泡沫，其中由于塑形工艺，边际区的密度高于核心处。在此，核心区和边际区总体的平均总密度优选地高于100g/L。出于本发明的目的，整体聚氨酯泡沫再次可以是刚性聚氨酯泡沫、半刚性聚氨酯泡沫、柔性聚氨酯泡沫或弹性聚氨酯泡沫。关于本发明的整体聚氨酯泡沫的进一步详情可在“Kunststoffhandbuch，Band 7，Polyurethane”(塑料手册，第7卷，聚氨酯)，Carl HanserVerlag，第三版，1993，第7章中找到。
复合元件的最佳设计可取决于多种因素，且可以在各个应用之间不同。如本文所使用的术语“设计”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限制于配置复合元件，诸如配置个体层，特别是配置：单个节点的形状、单个层内的节点的位置；边缘在层内的位置和/或边缘相对于节点的位置、节点的厚度、边缘的长度和边缘的厚度。如本文所使用的术语“设计”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体可指且不限于计划和/或指定复合元件的程序。
本发明提出了一种用于预测复合元件的至少一个机械属性的方法。如本文所使用的术语“预测至少一个机械属性”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于确定理论的或实际的复合元件的预期机械属性的过程，特别是基于至少一个仿真。所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。具体地，所述机械属性可以是选自如下项的至少一个属性：固相体积分数(solid volume fraction)；相对刚度；阻尼属性；应力应变曲线特性；硬度；能量耗散；拉伸属性；处于压缩状态的属性；处于剪切状态的属性；处于复杂变形状态的属性；各向异性；热伸长性。如本文所使用的术语“固相体积分数”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于层内具有蜂窝结构的材料体积除以整个复合元件的体积所得的分数。如本文所使用的术语“相对刚度”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且但不限于与蜂窝材料本身相比，特别是与非结构化的蜂窝材料本身相比，复合材料的刚度。如本文所使用的术语“阻尼属性”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于循环变形期间的能量耗散。
所述方法包括以下方法步骤，所述方法步骤具体地可按照给定的次序来执行。同样，不同的次序也是可能的。还可完全地或部分地同时执行方法步骤中的两个或多个。此外，一个或多个或甚至所有的方法步骤可被执行一次，或者可被重复地执行，诸如重复一次或若干次。此外，所述方法可包括未列出的附加方法步骤。
所述方法包括以下步骤：
a)提供至少一个输入参数集，其中所述输入参数集包括限定单个层中的每个的属性的多个参数；
b)使用至少一个设计工具，基于所述输入参数集来确定所述复合元件的至少一个几何模型；
c)通过使用至少一个数值仿真，确定所述复合元件的几何模型的至少一个机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。
如本文所使用的术语“输入参数集”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语可以指且不限于多个任意参数，预测是基于所述多个任意参数的和/或预测是针对所述多个任意参数执行的。如下文将详细概述的，几何模型可由多个参数来限定。所述参数中的至少一些可根据输入参数集的参数来设置。所述输入参数集可包括至少一个参数，所述至少一个参数选自：单个节点的形状；单个层内的节点的位置；层内的边缘的位置和/或边缘相对于节点的位置；节点的厚度；边缘的长度；边缘的厚度；单个层之间的接触区域。输入参数集可包括限定复合元件的层的堆叠的至少一个参数。
如本文所使用的术语“提供输入参数集”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于经由至少一个通信接口输入和/或选择输入参数集。如本文所使用的术语“通信接口”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于形成被配置用于传输信息的边界的项或元件。特别地，通信接口可被配置用于从计算设备(例如，计算机)传输信息(诸如，发送或输出信息)例如至另一设备上。附加地或额外地，通信接口可被配置用于将信息传输至诸如用于接收信息的计算设备(例如，计算机)上。通信接口可具体地提供用于传输或交换信息的装置。特别地，通信接口可提供数据传输连接，例如，蓝牙、NFC、电感耦合等连接。作为一个实施例，通信接口可以是或可包括至少一个端口，所述至少一个端口包括网络或互联网端口、USB端口以及磁盘驱动器中的一个或多个。通信接口可以是至少一个网络接口。
如本文所使用的术语“复合元件的几何模型”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于关于复合元件或复合元件的至少一部分(诸如，复合元件的体积元件)的数学(特别是，三维)表示的信息。具体地，复合元件的几何模型可以计算机可读形式(例如以计算机兼容数据集，特别是数字数据集)存在。作为一个实施例，复合元件的几何模型可以是或可包括计算机辅助设计数据(CAD数据)。具体地，复合元件的几何模型可以是或可包括描述复合元件的形态或形状和/或描述单个层的结构的CAD数据。
如本文所使用的术语“设计工具”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于被配置用于生成复合元件的几何模型的工具(特别是软件)。设计工具可被配置用于对形成复合元件的单个层中的每个以及单个层的组合进行建模。设计工具可包括计算机辅助设计(CAD)工具。例如，软件可被用作设计工具。
设计工具可被配置用于几何建模，特别是用于为复合元件的几何属性生成至少一个3D模型。几何属性可包括关于单个层内的堆叠密度和/或层距的信息。步骤b)可包括至少一个几何分析，其中所述几何分析包括确定堆叠密度和/或层距。设计工具可被配置用于规定几何模型处于静态、准静态、动态或循环载荷(包括拉伸、压缩、剪切、温度以及它们的(多轴)组合)下的行为。
设计工具可包括机器学习、深度学习、神经网络或其他形式的人工智能中的一个或多个。复合元件的几何模型可通过使用机器学习，特别是通过使用至少一个人工神经网络来生成。如本文所使用的术语“机器学习”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于使用人工智能(AI)自动地建立模型特别是建立预测模型的方法。对设计工具的训练可通过使用至少一个机器学习系统来执行。如本文使用的，术语“机器学习系统”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于包括至少一个处理单元(诸如，处理器、微处理器)的系统或单元，或者被配置用于机器学习特别是用于执行给定算法中的逻辑的计算机系统。机器学习系统可被配置为执行和/或实施至少一个机器学习算法，其中所述机器学习算法被配置用于建立至少一个机器学习模型。机器学习模型可包括至少一个机器学习架构以及模型参数。例如机器学习架构可以是或可包括以下项中的一个或多个：线性回归、逻辑回归、随机森林、朴素贝叶斯分类、最近邻、神经网络、卷积神经网络、生成对抗网络、支持向量机或梯度提升算法等。
如本文所使用的术语“训练”(还表示为“学习”)是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于建立机器学习模型的过程，特别是确定和/或更新机器学习模型的参数的过程。机器学习模型可至少部分地是数据驱动的。例如，机器学习模型可基于实验数据(诸如，通过制造具有预定参数的多个复合元件所确定的数据)。
对复合元件的几何模型的机械属性的确定是通过使用至少一个数值仿真来执行的。具体地，所述数值仿真是有限元方法(FEM)仿真。所述FEM可被配置用于在考虑边界条件下，对两个或三个空间变量的偏微分方程进行求解。例如，FEM仿真可以是基于体素的FEM仿真。例如，软件可被用作FEM仿真。FEM仿真可包括机器学习、深度学习、神经网络或其他形式的人工智能中的一个或多个。例如，可包括在实验数据(诸如，通过测量多个复合元件的机械属性所确定的数据)上进行训练的至少一个神经网络。
对机械属性的确定可使用建模方法来执行。所述建模方法可包括使用基于物理效应知识的至少一个物理模型。除了如以上所描述的数值解(诸如，FEM仿真)，物理效应可通过使用解析解来建模。建模方法可以进一步包括使用至少一个统计模型，特别得基于实验数据。统计模型可以基于机器学习、深度学习等。
使用设计工具确定复合元件的几何模型，且利用数值仿真确定复合元件的几何模型的机械属性，可允许对机械属性进行可靠和鲁棒的预测。具体地，所述方法允许对机械属性进行可靠和鲁棒的预测。这允许在开发阶段使用真实样品和测量中避免试错循环。
本发明可允许经由仿真代替试验来优化期望的参数且限定范围和可能性。具体地，本发明可允许对阻尼进行可靠的预测，且允许设计在声学、防护装备、鞋类的缓冲和/或舒适性中具有应用的阻尼元件。
所述方法可包括提供所确定的机械属性。所述提供可包括显示、存储、向接口提供以及向另一设备传输中的一个或多个。如本文所使用的术语“提供所确定的机械属性”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于将所确定的机械属性呈现和/或显示和/或传达例如至用户。所述提供可使用至少一个输出单元来执行。如本文所使用的术语“输出单元”是广义术语，对于本领域的普通技术人员来说，应赋予其普通和惯常的含义，而不应限于特定或定制的含义。该术语具体地可以指且不限于被配置用于将所确定的机械属性提供例如至至少一个用户的至少一个接口。输出单元可包括至少一个显示装置。
所述方法可以是一种自学方法。如本文所使用的术语“自学方法”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于随着所述方法的每次重复进行学习的能力，特别是在提供尽可能可靠的机械属性的意义上，随时间推移进行改进的能力。所述方法可包括使用至少一个人工智能(AI-)系统。所述方法可包括使用至少一个机器学习工具，特别是深度学习架构。所述方法可完全自动地执行。所述方法的完全自动化可允许AI-系统自身找到最佳参数和模型。具体地，所述方法可在不与人交互的情况下，通过迭代地设置它的参数来实现预限定的最终目标进行自我优化。为此，使用机器学习模型。基于观测，所述机器学习模型便于对机械属性进行预测。
在本发明的另一方面，一种用于预测至少一个复合元件的至少一个机械属性的计算机程序，所述计算机程序被配置为当在计算机或计算机网络上被执行时，导致所述计算机或所述计算机网络完全地或部分地执行根据本发明的方法。所述计算机程序被配置为执行根据本发明的预测至少一个机械属性的方法的步骤a)至步骤c)中的至少一个。
具体地，计算机程序可被存储在计算机可读数据载体和/或计算机可读存储介质上。如本文中所使用的，术语“计算机可读数据载体”和“计算机可读存储介质”具体地可以指非暂时性数据存储装置，诸如其上存储有计算机可执行指令的硬件存储介质。计算机可读数据载体或计算机可读存储介质具体地可以是或可包括存储介质，诸如随机存取存储器(RAM)和/或只读存储器(ROM)。
本文进一步公开和提出的是一种计算机程序产品，所述计算机程序产品具有程序代码装置，从而当所述程序在计算机或计算机网络上被执行时，在本文所包含的一个或多个实施方案中执行根据本发明的用于预测至少一个机械属性的方法。具体地，所述程序代码装置可被存储在计算机可读数据载体和/或计算机可读存储介质上。
本文进一步公开和提出的是一种数据载体，在所述数据载体上存储数据结构，当将所述数据结构被加载到计算机或计算机网络中之后，例如加载到计算机或计算机网络的工作存储器或主存储器中之后，可在本文所公开的一个或多个实施方案中执行根据本发明的用于预测至少一个机械属性的方法。
本文进一步公开和提出的是一种计算机程序产品，所述计算机程序产品具有程序代码装置，所述程序代码装置被存储在机器可读载体上，从而当所述程序在计算机或计算机网络上执行时，在本文所公开的一个或多个实施方案中执行根据本发明的用于预测至少一个机械属性的方法。如本文所使用的计算机程序产品指的是作为可交易产品的程序。所述产品通常以任意格式(诸如，以纸质形式)存在，或者存在于计算机可读数据载体上。具体地，计算机程序产品可分布在数据网络上。
在另一方面，公开了一种用于确定至少一个复合元件的布局的计算机实施的方法，所述至少一个复合元件包括至少两个层。每个层包括具有重复单元的网络，所述重复单元包括节点和边缘。每个层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料。所述层被堆叠。
所述方法包括以下方法步骤，所述方法步骤具体地可按照给定的次序来执行。同样，不同的次序也是可能的。还可完全地或部分地同时执行方法步骤中的两个或多个。此外，一个或多个或甚至所有的方法步骤可被执行一次，或者可被重复地执行，诸如重复一次或若干次。此外，所述方法可包括未列出的附加方法步骤。所述方法包括以下步骤：
i)检索目标复合元件的至少一个目标标准；
ii)使用根据本发明的用于预测至少一个机械属性的方法来预测起始复合元件的至少一个机械属性，其中所述起始复合元件的单个层中的每个的属性由输入参数集限定；
iii)至少一个优化步骤，其中所述优化步骤包括通过比较所确定的机械属性与所述目标标准来确定所述目标复合元件的目标参数集，其中在未满足所述目标标准的情况下，所述目标参数是依赖于所述比较来适配所述输入参数集而设置的，或者在满足所述目标标准的情况下，所述目标参数是通过将所述输入参数集设置为目标参数集而设置的；
iv)提供所确定的目标参数集作为所述复合元件的布局。
对于本文所使用的大多数术语的可能限定，可以参考上文所述的用于预测至少一个机械属性的计算机实施的方法的描述，或者参考下文所描述的进一步细节。
如本文所使用的术语“布局”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于复合元件的元件的配置和/或属性，诸如单个节点的形状、单个层内的节点的位置、层内的边缘的位置和/或边缘相对于节点的位置、节点的厚度、边缘的长度、边缘的厚度、单个层之间的接触区域。
如本文所使用的术语“检索目标标准”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于系统(特别是计算机系统)生成目标标准的过程和/或从任意数据源(诸如，从数据存储器、从网络或从另外的计算机或计算机系统)获得目标标准的过程。检索具体地可经由至少一个计算机接口(诸如，经由串行端口或并行端口的端口)进行。检索可包括若干子步骤，诸如获得一个或多个主要信息项以及通过利用所述主要信息(诸如，例如通过使用处理器对所述主要信息应用一个或多个算法)来生成次要信息的子步骤。
如本文所使用的术语“优化”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于从可能参数的参数空间中选择关于目标标准的最佳参数集(表示为目标参数集)的过程。
如本文所使用的术语“目标标准”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于复合元件的期望和/或要求的物理属性，特别是机械属性。目标标准可指用于执行优化的至少一个标准。目标标准可包括至少一个优化目标以及精确度和/或准确度。目标标准可以是诸如通过至少一个客户要求而预先指定的。目标标准可以是至少一个用户规范。用户可选择优化目标和/或期望的精确度和/或准确度。目标标准可包括物理属性的至少一个值，所述物理属性选自：固相体积分数；相对刚度；阻尼属性；应力应变曲线特性；硬度；能量耗散；拉伸属性；处于压缩状态的属性；处于剪切状态的属性；处于复杂变形状态的属性；各向异性；热伸长性。如本文所使用的术语“目标复合元件”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指且不限于至少在容差范围内具有期望和/或要求的属性的复合元件。
优化步骤可包括通过在经训练的机器学习模型上应用目标标准方面的优化算法来确定目标参数集。机器学习模型可包括线性回归、逻辑回归、随机森林、朴素贝叶斯分类、最近邻、神经网络、卷积神经网络、生成对抗网络、支持向量机或梯度提升算法等中的一个或多个。
所述方法包括提供所确定的目标参数集作为复合元件的布局。所述提供可包括显示、存储、向接口提供以及向另一设备传输中的一个或多个。所述提供可使用至少一个输出单元来执行。输出单元可包括至少一个显示设备。
所述方法可包括重复步骤i)至步骤iv)，其中所确定的目标参数集被用作输入参数集。所述方法可以是一种自学方法。所述方法可包括使用至少一个人工智能(AI-)系统。所述方法可包括使用至少一个机器学习工具，特别是深度学习架构。所述方法可完全自动地执行。所述方法的完全自动化可允许AI-系统自身找到最佳布局。具体地，所述方法可在不与人交互的情况下，通过迭代地设置它的参数来实现预限定的最终目标进行自我优化。为此，使用机器学习模型。基于观测，所述机器学习模型便于寻找最好或最佳布局。
所述方法还可包括对具有步骤iv)中所确定的布局的目标复合元件进行原型制作。如本文所使用的术语“原型制作”是广义术语，且被赋予对于本领域普通技术人员而言其普通和惯常的含义，且不限于特定或定制的含义。该术语具体地可以指但不限于制造任意元件或对象的全尺寸和功能性的模型或形态的过程。特别地，所述原型可以是元件或对象的第一模型，且可被用于测试和/或验证所述元件或对象的至少一个特性或规范。具体地，可在大规模生产过程或量产过程之前制造所述原型。原型可例如作为元件或对象(诸如，复合元件)的开发阶段的一部分而被生产或制造。因此，在开始大规模生产复合元件的过程之前或在开始制造复合元件之前，可具体地执行所述复合元件的原型制作。
在本发明的另一方面，一种用于确定至少一个复合元件的布局的计算机程序，所述计算机程序被配置用于当在计算机或计算机网络上被执行时，导致所述计算机或所述计算机网络完全地或部分地执行根据本发明的用于确定布局的方法。所述计算机程序被配置为执行用于确定布局的方法的至少步骤i)至步骤iv)。
本文进一步公开和提出的是一种计算机可读存储介质，所述计算机可读存储介质包括指令，当所述指令由计算机或计算机网络执行时，导致执行根据本发明的用于确定布局的方法的至少步骤i)至步骤iv)。
本文进一步公开和提出的是一种计算机程序产品，所述计算机程序产品具有程序代码装置，从而当所述程序在计算机或计算机网络上被执行时，在本文所包含的一个或多个实施方案中执行根据本发明的用于确定布局的方法。具体地，所述程序代码装置可被存储在计算机可读数据载体和/或计算机可读存储介质上。
本文进一步公开和提出的是一种数据载体，在所述数据载体上存储数据结构，当将所述数据结构被加载到计算机或计算机网络中之后，例如加载到计算机或计算机网络的工作存储器或主存储器中之后，可在本文所公开的一个或多个实施方案中执行根据本发明的用于确定布局的方法。
本文进一步公开和提出的是一种计算机程序产品，所述计算机程序产品具有程序代码装置，所述程序代码装置被存储在机器可读载体上，从而当所述程序在计算机或计算机网络上执行时，在本文所公开的一个或多个实施方案中执行根据本发明的用于确定布局的方法。如本文所使用的计算机程序产品指的是作为可交易产品的程序。所述产品通常以任意格式(诸如，以纸质形式)存在，或者存在于计算机可读数据载体上。具体地，计算机程序产品可分布在数据网络上。
在本发明的另一方面，提出了一种用于预测至少一个复合元件的至少一个机械属性的自动控制系统，所述至少一个复合元件包括至少两个层。每个层包括具有重复单元的网络，所述重复单元包括节点和边缘。每个层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料。所述层被堆叠。所述控制系统包括：
-至少一个通信接口，所述至少一个通信接口被配置用于接收至少一个输入参数集，所述至少一个输入参数集包括限定单个层中的每个的属性的多个参数；
-至少一个设计工具，所述至少一个设计工具被配置用于基于所述输入参数集来确定所述复合元件的至少一个几何模型；
-至少一个数值仿真，所述至少一个数值仿真被配置用于确定所述复合元件的几何模型的机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。
所述控制系统可被配置用于执行预测至少一个复合元件的至少一个机械属性的方法。对于本文所使用的大多数术语的可能限定，可以参考上文对计算机实施的方法的描述或参考下文的进一步详细描述。
如本文所使用的术语“控制系统”可以指被配置用于控制至少一个复合元件的至少一个机械属性的至少一个系统。控制系统可被配置用于设置制造复合元件的至少一个过程参数，所述复合元件具有所确定的机械属性和/或依赖于所确定的机械属性。
在本发明的另一方面，提出了用于确定至少一个复合元件的布局的自动布局设计系统，所述复合元件包括至少两个层。每个层包括具有重复单元的网络，所述重复单元包括节点和边缘。每个层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料。所述层被堆叠。所述布局设计系统包括：
-至少一个通信接口，所述至少一个通信接口被配置用于检索目标复合元件的至少一个目标标准以及用于接收至少一个输入参数集，所述输入参数集包括限定单个层中的每个的属性的多个参数；
-至少一个材料建模工具，所述至少一个材料建模工具被配置用于从所述输入参数集确定所述复合元件的至少一个几何模型；
-至少一个数值仿真，所述至少一个数值仿真被配置用于确定所述复合元件的几何模型的至少一个机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个；
-至少一个处理单元，所述至少一个处理单元被配置用于执行至少一个优化步骤，其中所述优化步骤包括通过将所确定的机械属性与所述目标标准进行比较来确定所述目标复合元件的目标参数集，其中在未满足所述目标标准的情况下，所述目标参数是依赖于所述比较来适配所述输入参数集而设置的，或者在满足所述目标标准的情况下，所述目标参数是通过将所述输入参数集设置为目标参数集而设置的；
-至少一个输出单元，所述至少一个输出单元被配置用于提供所确定的目标参数集作为所述复合元件的布局。
所述布局设计系统可被配置用于执行根据本发明的用于确定布局的方法。对于本文所使用的大多数术语的可能限定，可以参考上文对计算机实施的方法的描述或参考下文的进一步详细描述。
在本发明的另一方面，公开了根据本发明的控制系统用于控制复合元件的机械属性的用途，所述复合元件选自：阻尼元件，优选地作为用于优选为建筑物或桥梁的构造的减振控制的阻尼器；声音阻尼元件；垫或垫的一部分、家具或地板元件、汽车工业的元件，优选为仪表盘、轴承、轮胎、鞋，所述鞋优选为鞋底、更优选为鞋底的一部分；身体保护器，诸如用于运动设备的身体保护器，优选用于膝盖保护、肘部保护、肩部保护、保护性头盔的身体保护器。
在本发明的另一方面，提出了使用根据本发明的布局设计系统用于设计复合元件的布局的用途，所述复合元件选自：阻尼元件，优选地作为用于优选为建筑物或桥梁的构造的减振控制的阻尼器；声音阻尼元件；垫或垫的一部分、家具或地板元件、汽车工业的元件，优选为仪表盘、轴承、轮胎、鞋，所述鞋优选为鞋底、更优选为鞋底的一部分；身体保护器，诸如用于运动设备的身体保护器，优选用于膝盖保护、肘部保护、肩部保护、保护性头盔的身体保护器。此外，对布局的设计可包括对另外的设计元件(诸如装饰、饰品等)的设计。本发明允许强阻尼性能。此结构的强阻尼材料表示甚至更大的阻尼系统的应用是可能的。
如本文所使用的术语“具有”、“包括”或“包含”或它们的任何任意语法变化以非排他性的方式使用。因此，这些术语既可指除了由这些术语所引入的特征之外，在此上下文所描述的实体中不存在另外特征的情况，也可指存在一个或多个另外特征的情况。作为一个实施例，表达“A具有B”、“A包括B”和“A包含B”既可指除了B之外，A中不存在另外元件的情况(即，A仅仅且排他地由B构成的情况)，也可指除了B之外，实体A中存在一个或多个另外元件(诸如，元件C、元件C和元件D或甚至另外的元件)的情况。
此外，应注意，术语“至少一个”、“一个或多个”或类似表达指示特征或元件可能存在一次或存在一次以上，典型地仅在引入对应的特征或元件时使用一次。在大多数情况下，当提及对应的特征或元件时，表达“至少一个”或“一个或多个”不被重复，尽管对应的特征或元件可能存在一次或存在多次。
此外，如本文所使用的术语“优选地”、“更优选地”、“特别地”、“更特别地”、“具体地”、“更具体地”或类似的术语结合可选特征使用，但不会限制替代的可能性。因此，由这些术语所引入的特征是可选特征，不旨在以任何方式限制权利要求的范围。如技术人员所认识到的，本发明可通过使用替代特征来执行。类似地，由“在本发明的一个实施方案中”或类似表达所引入的特征旨在是可选特征，对本发明的替代实施方案没有任何限制，对本发明的范围没有任何限制，且对以这种方式所引入的特征与本发明的其他可选或非可选特征的结合的可能性没有任何限制。
在不排除另外可能实施方案的情况下，可以设想以下的实施方案概述：
实施方案1：用于预测至少一个复合元件的至少一个机械属性的计算机实施的方法，所述至少一个复合元件包括至少两个层，其中每个层包括具有重复单元的网络，所述重复单元包括节点和边缘，其中每个层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料，其中所述层被堆叠，其中所述方法包括以下步骤：
a)提供至少一个输入参数集，其中所述输入参数集包括限定单个层中的每个的属性的多个参数；
b)使用至少一个设计工具，基于所述输入参数集来确定所述复合元件的至少一个几何模型；
c)通过使用至少一个数值仿真，确定所述复合元件的几何模型的至少一个机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。
实施方案2：根据前一实施方案所述的方法，其中所述机械属性是选自如下项的至少一个属性：固相体积分数；相对刚度；阻尼属性；应力应变曲线特性；硬度；能量耗散；拉伸属性；处于压缩状态的属性；处于剪切状态的属性；处于复杂变形状态的属性；各向异性；热伸长性。
实施方案3：根据前述实施方案中的任一项所述的方法，其中步骤b)包括至少一个几何分析，其中所述几何分析包括确定堆叠密度和/或层距。
实施方案4：根据前述实施方案中的任一项所述的方法，其中所述输入参数集包括至少一个参数，所述至少一个参数选自：单个节点的形状；单个层内的节点的位置；层内的边缘的位置和/或边缘相对于节点的位置；节点的厚度；边缘的长度；边缘的厚度；单个层之间的接触区域。
实施方案5：根据前述实施方案中的任一项所述的方法，所述输入参数集包括限定所述复合元件的层的堆叠的至少一个参数。
实施方案6：根据前述实施方案中的任一项所述的方法，其中所述设计工具包括计算机辅助设计(CAD)工具。
实施方案7：根据前述实施方案中的任一项所述的方法，其中所述数值仿真是有限元方法(FEM)仿真，其中所述FEM仿真是基于体素的FEM仿真。
实施方案8：根据前述实施方案中的任一项所述的方法，其中所述方法包括提供所确定的机械属性，其中所述提供包括显示、存储、向接口提供以及向另一设备传输中的一个或多个。
实施方案9：用于预测至少一个复合元件的至少一个机械属性的计算机程序，所述计算机程序被配置为当在计算机或计算机网络上被执行时，导致所述计算机或所述计算机网络完全地或部分地执行根据前述实施方案中的任一项所述的方法，其中所述计算机程序被配置为执行根据前述实施方案中的任一项所述的方法的步骤a)至步骤c)中的至少一个。
实施方案10：一种计算机可读存储介质，所述计算机可读存储介质包括指令，当所述指令由计算机或计算机网络执行时，导致执行根据前述实施方案中的任一项所述的方法的步骤a)至c)中的至少一个。
实施方案11：用于确定至少一个复合元件的布局的计算机实施的方法，所述至少一个复合元件包括至少两个层，其中每个层包括具有重复单元的网络，所述重复单元包括节点和边缘，其中每个层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料，其中所述层被堆叠，其中所述方法包括以下步骤：
i)检索目标复合元件的至少一个目标标准；
ii)使用根据前述引用方法的实施方案中的任一项所述的方法来预测起始复合元件的至少一个机械属性，其中所述起始复合元件的单个层中的每个的属性由输入参数集限定；
iii)至少一个优化步骤，其中所述优化步骤包括通过比较所确定的机械属性与所述目标标准来确定所述目标复合元件的目标参数集，其中在未满足所述目标标准的情况下，所述目标参数是依赖于所述比较来适配所述输入参数集而设置的，或者在满足所述目标标准的情况下，所述目标参数是通过将所述输入参数集设置为目标参数集而设置的；
iv)提供所确定的目标参数集作为所述复合元件的布局。
实施方案12：根据前述实施方案中的任一项所述的方法，其中所述方法包括重复步骤i)至步骤iv)，其中所确定的目标参数集被用作输入参数集。
实施方案13：根据前述引用用于确定布局的方法的实施方案中的任一项所述的方法，其中所述目标标准包括物理属性的至少一个值，所述物理属性选自：固相体积分数；相对刚度；阻尼属性；应力应变曲线特性；硬度；能量耗散；拉伸属性；处于压缩状态的属性；处于剪切状态的属性；处于复杂变形状态的属性；各向异性；热伸长性。
实施方案14：根据前述引用用于确定布局的方法的实施方案中的任一项所述的方法，其中所述优化步骤包括通过在经训练的机器学习模型上应用所述目标标准方面的优化算法来确定所述目标参数集。
实施方案15：根据前一实施方案所述的方法，其中所述机器学习模型包括线性回归、逻辑回归、随机森林、朴素贝叶斯分类、最近邻、神经网络、卷积神经网络、生成对抗网络、支持向量机或梯度提升算法等中的一个或多个。
实施方案16：根据前述引用用于确定布局的方法的实施方案中的任一项所述的方法，其中所述提供包括显示、存储、向接口提供以及向另一设备传输中的一个或多个。
实施方案17：根据前述引用用于确定布局的方法的实施方案中的任一项所述的方法，其中所述方法还包括对具有步骤iv)中所确定的布局的所述目标复合元件进行原型制作。
实施方案18：用于确定至少一个复合元件的布局的计算机程序，所述计算机程序被配置为当在计算机或计算机网络上被执行时，导致所述计算机或所述计算机网络完全地或部分地执行根据前述引用用于确定布局的方法的实施方案中的任一项所述的方法，其中所述计算机程序被配置为执行根据前述引用用于确定布局的方法的实施方案中的任一项所述的方法的至少步骤i)至步骤iv)。
实施方案19：一种计算机可读存储介质，所述计算机可读存储介质包括指令，当所述指令由计算机或计算机网络执行时，导致执行根据前述引用用于确定布局的方法的实施方案中的任一项所述的方法的至少步骤i)至步骤iv)。
实施方案20：用于预测至少一个复合元件的至少一个机械属性的自动控制系统，所述至少一个复合元件包括至少两个层，其中每个层包括具有重复单元的网络，所述重复单元包括节点和边缘，其中每个层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料，其中所述层被堆叠，其中所述控制系统包括：
-至少一个通信接口，所述至少一个通信接口被配置用于接收至少一个输入参数集，所述至少一个输入参数集包括限定单个层中的每个的属性的多个参数；
-至少一个设计工具，所述至少一个设计工具被配置用于基于所述输入参数集来确定所述复合元件的至少一个几何模型；
-至少一个数值仿真，所述至少一个数值仿真被配置用于确定所述复合元件的几何模型的机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。
实施方案21：根据前一实施方案所述的控制系统，其中所述控制系统被配置用于执行根据前述引用用于预测至少一个复合元件的至少一个机械属性的方法的实施方案中的任一项所述的方法。
实施方案22：用于确定至少一个复合元件的布局的自动布局设计系统，所述复合元件包括至少两个层，其中每个层包括具有重复单元的网络，所述重复单元包括节点和边缘，其中所述每个层具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料，其中所述层被堆叠，其中所述布局设计系统包括：
-至少一个通信接口，所述至少一个通信接口被配置用于检索目标复合元件的至少一个目标标准以及用于接收至少一个输入参数集，所述输入参数集包括限定单个层中的每个的属性的多个参数；
-至少一个材料建模工具，所述至少一个材料建模工具被配置用于从所述输入参数集确定所述复合元件的至少一个几何模型；
-至少一个数值仿真工具，所述至少一个数值仿真工具被配置用于确定所述复合元件的几何模型的至少一个机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个；
-至少一个处理单元，所述至少一个处理单元被配置用于执行至少一个优化步骤，其中所述优化步骤包括通过将所确定的机械属性与所述目标标准进行比较来确定所述目标复合元件的目标参数集，其中在未满足所述目标标准的情况下，所述目标参数是依赖于所述比较来适配所述输入参数集而设置的，或者在满足所述目标标准的情况下，所述目标参数是通过将所述输入参数集设置为目标参数集而设置的；
-至少一个输出单元，所述至少一个输出单元被配置用于提供所确定的目标参数集作为所述复合元件的布局。
实施方案23：根据前一实施方案所述的布局设计系统，其中所述布局设计系统被配置用于执行根据前述引用用于确定布局的方法的实施方案中的任一项所述的方法。
实施方案24：根据实施方案20或21中的任一项所述的控制系统用于控制复合元件的机械属性的用途，所述复合元件选自：阻尼元件，优选地作为用于优选为建筑物或桥梁的构造的减振控制的阻尼器；声音阻尼元件；垫或垫的一部分、家具或地板元件、汽车工业的元件，优选为仪表盘、轴承、轮胎、鞋，所述鞋优选为鞋底、更优选为鞋底的一部分；身体保护器，诸如用于运动设备的身体保护器，优选用于膝盖保护、肘部保护、肩部保护、保护性头盔的身体保护器。
实施方案25：根据实施方案22或23中的任一项所述的系统用于设计复合元件的布局的用途，所述复合元件选自：阻尼元件，优选地作为用于优选为建筑物或桥梁的构造的减振控制的阻尼器；声音阻尼元件；垫或垫的一部分、家具或地板元件、汽车工业的元件，优选为仪表盘、轴承、轮胎、鞋，所述鞋优选为鞋底、更优选为鞋底的一部分；身体保护器，诸如用于运动设备的身体保护器，优选用于膝盖保护、肘部保护、肩部保护、保护性头盔的身体保护器。
附图说明
进一步可选的特征和实施方案将在实施方案的随后描述中(优选地结合从属权利要求)被更详细地公开。在此，如技术人员将意识到的，对应的可选特征可以孤立的方式以及任何任意可行的组合来实现。本发明的范围不受优选实施方案的限制。实施方案在附图中被示意性地描绘。在此，在这些附图中，相同的参考数字指代相同或功能类似的元件。
图1示出了根据本发明的用于预测至少一个复合元件的至少一个机械属性的计算机实施的方法的实施方案的流程图；
图2示出了根据本发明的用于确定至少一个复合元件的布局的计算机实施的方法的实施方案的流程图；
图3示出了根据本发明的自动控制系统和自动布局设计系统的实施方案；
图4A至图4T示出了复合元件的几何模型的实施方案；
图5示出了不同布局的比较；以及
图6示出了复合元件的实施方案。
具体实施方式
图1示出了根据本发明的用于预测至少一个复合元件110的至少一个机械属性的计算机实施的方法的实施方案的流程图
图6以高度示意的方式示出了复合元件110的实施方案。复合元件110可包括两个或多个子元件。原则上，只要存在至少两个元件，则关于一个复合元件110所包括的子元件的数目就不存在限制。优选地，复合元件包括至少三个元件，更优选地包括3至10个元件。
原则上，关于复合元件110的尺寸不存在限制，特别是关于复合元件的垂直于每个元件的纵向延伸部的高度H不存在限制。优选地，复合元件110具有垂直于每个元件的纵向延伸部的高度H，所述高度H在1mm至10000mm的范围内，更优选地在5mm至1000mm的范围内，更优选地在5mm至100mm的范围内。
复合元件110包括至少两层112。具体地，层112可以是或可以包括垫。每个层112具有体积、纵向延伸部以及垂直于纵向延伸部的最大高度h。原则上，只要复合元件110的尺寸由个体层112的尺寸来限定，则关于每个层112的尺寸就不存在限制。例如，每个层112的个体尺寸之和等于复合元件112的尺寸。然而，在互锁层或啮合层112的情况下，复合元件的高度可能低于个体层的高度。层112可具有相等的尺寸或不同的尺寸。例如，复合元件110可具有锥体状的层结构，其中层112的纵向延伸部从上到下增大。优选地，每个层112的高度h在0.25mm至2500mm的范围内，更优选地在0.5mm至250mm的范围内，更优选地在0.75mm至250mm的范围内，更优选地在1mm至25mm的范围内。
层112被堆叠。具体地，在垂直于纵向延伸部的方向上，层112可被布置为一个在另一个之上。层112可以平行于纵向延伸部至少部分地接触。原则上，只要个体层被固定在一起，则关于个体层112之间的粘合就不存在限制。因此，个体层112之间的粘合可简单地基于机械粘合或静电粘合。优选地，复合元件110的层112在接触区域(优选地，通过选自拼接、蒸汽汽箱成型、胶合等的方法)中被粘接。
层112至少在接触区域113具有闭合表面(表皮)。每个层112可至少在与其相邻元件的接触区域113中具有表皮，然而，在非接触区域中，每个层112的表面可以是闭合的或开放的，例如，在较大表面上进行接触的板状层的情况下，侧部(即，较小的表面，其中与相邻元件没有接触)可显示开放的孔隙或者可等同地显示闭合表面。
每个层112包括具有重复单元120的网络114，所述重复单元包括节点116和边缘118。网络114可以是或可包括结构层。每个完整的个体层112可被视为包括节点116和边缘118的网络114。每个层112可包括多个节点116。每个层112的节点116可被布置在同一平面内。每个层112可在节点116之间的层平面中包括孔或薄膜，其中节点116经由边缘118被连接。网络114可以是或包括布置有节点116和边缘118的图案，特别是规则图案。
每个节点116可具有诸如球形、双锥体形、立方体形或3D多边形的形状。至少两个层112的节点116和/或个体层112的节点116可以是相同的或不同的。每个节点116可以相对于层112的平面具有对称的形状。然而，非对称设计也是可能的。例如，节点116和边缘118可被布置在不同的对称平面中。因此，相比于在边缘118的对称平面以上的节点116部分，在边缘118的对称平面以下的个体节点116部分可能更少，反之亦然。边缘118的对称平面以下的个体节点116部分相比于边缘118的对称平面以上的节点116部分更少的实施方案，可能对于较低密度的发泡工艺而言是有利的。原则上，关于节点116的尺寸未给予限制。例如，节点116可具有0.002m至0.1m的有效直径。节点116可具有长度(即，在层112的纵向延伸部上的延伸)和厚度(即，垂直于层112的纵向延伸部的延伸)。网络114的结构可由网络中的节点116的位置来限定。节点和边缘的数目关系可以是从1:1至1:3。边缘和节点的高度比例可以是从1:2至1:10。边缘和节点的长度比例可以是任意的，优选地从1:10至5:1，更优选地从1:10至3:1。边缘118可具有长度(即，在层的纵向延伸部上的延伸)和厚度(即，在垂直于层112的纵向延伸部上的延伸)。
通过改变层112中的节点116的形状和图案，可以在不改变单个层112中的材料的情况下适配和/或选择复合元件110的属性。这尤其适用于有效密度(具体作为适配和/或选择单个层的堆积的结果)以及机械属性(具体作为改变单个层之间的接触区域113的结果)。
每个层112都包括具有蜂窝结构的材料。在根据本发明的复合元件112的优选实施方案中，每个层都由具有蜂窝结构的聚合材料组成。优选地，具有蜂窝结构的聚合材料是由聚合材料制成的泡沫。
复合元件110的每个层112的具有蜂窝结构的聚合材料可彼此独立地相同或不同。在一个优选实施方案中，每个层112的具有蜂窝结构的聚合材料是相同的。在另一优选实施方案中，复合元件110的至少一个层112的具有蜂窝结构的聚合材料不同于其他层112的具有蜂窝结构的聚合材料。在另一优选实施方案中，复合元件110的至少一个层112的具有蜂窝结构的聚合材料被连接至不同结构的非蜂窝材料。例如，这样的聚合材料可被用作地板覆盖物的复合层。复合元件110的每个层112的硬度可彼此独立地相同或不同。复合元件110的每个层112的刚度可彼此独立地相同或不同。复合元件110的每个层112的密度可彼此独立地相同或不同。复合元件110的每个层112的回弹性可彼此独立地相同或不同。
复合元件110的最佳设计可取决于多种因素，且可根据应用而不同。所述设计可以是或可包括：个体层112的配置，特别是单个层112内的单个节点116的形状、节点116的位置的配置；层112内的边缘118的位置和/或边缘118相对于节点116的位置、节点116的厚度、边缘118的长度以及边缘118的厚度。
本发明提出一种用于预测复合元件110的至少一个机械属性的方法。预测至少一个机械属性包括确定理论的或实际的复合元件110的预期机械属性的过程，特别是基于至少一个仿真。所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。具体地，所述机械属性可以是选自如下项的至少一个属性：固相体积分数；相对刚度；阻尼属性；应力应变曲线特性；硬度；能量耗散；拉伸属性；处于压缩状态的属性；处于剪切状态的属性；处于复杂变形状态的属性；各向异性；热伸长性。
所述方法包括以下方法步骤，所述方法步骤具体地可按照给定的次序来执行。同样，不同的次序也是可能的。还可完全地或部分地同时执行方法步骤中的两个或多个。此外，一个或多个或甚至所有的方法步骤可被执行一次，或者可被重复地执行，诸如重复一次或若干次。此外，所述方法可包括未列出的附加方法步骤。
所述方法包括以下步骤：
a)(参考数字122)提供至少一个输入参数集，其中所述输入参数集包括限定单个层112中的每个的属性的多个参数；
b)(参考数字124)使用至少一个设计工具126，基于所述输入参数集来确定所述复合元件的至少一个几何模型；
c)(参考数字128)通过使用至少一个数值仿真130，确定所述复合元件的几何模型的至少一个机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。
所述输入参数集可包括多个任意参数，预测是基于所述多个任意参数的和/或预测是针对所述多个任意参数执行的。所述几何模型可由多个参数来限定。所述参数中的至少一些可根据所述输入参数集的参数来设置。所述输入参数集可包括至少一个参数，所述至少一个参数选自：单个节点116的形状；单个层112内的节点116的位置；层112内的边缘118的位置和/或边缘118相对于节点116的位置；节点116的厚度；边缘118的长度；边缘118的厚度；单个层112之间的接触区域113。所述输入参数集可包括限定复合元件110的层112的堆叠的至少一个参数。
提供所述输入参数集可包括经由至少一个通信接口132输入和/或选择输入参数集。特别地，通信接口132可被配置用于从计算设备(例如，计算机)传输信息(诸如，发送或输出信息)例如至另一设备上。附加地或替代地，通信接口132可被配置用于将信息传输至诸如用于接收信息的计算设备(例如，计算机)上。通信接口132可具体地提供用于传输或交换信息的装置。特别地，通信接口132可提供数据传输连接，例如，蓝牙、NFC、电感耦合或等连接。作为一个实施例，通信接口132可以是或可包括至少一个端口，所述至少一个端口包括网络或互联网端口、USB端口以及磁盘驱动器中的一个或多个。通信接口132可以是至少一个网络接口。
复合元件的几何模型可以是或可包括关于复合元件110或复合元件110的至少一部分(诸如，复合元件110的体积元件)的数学(特别是，三维)表示的信息。具体地，复合元件的几何模型可以计算机可读形式(例如以计算机兼容数据集，特别是数字数据集)存在。作为一个实施例，复合元件的几何模型可以是或可包括计算机辅助设计数据(CAD数据)。具体地，复合元件的几何模型可以是或可包括描述复合元件110的形态或形状和/或描述单个层112的结构的CAD数据。
材料建模可以是或可包括为复合元件110的几何属性生成至少一个3D模型的过程。几何属性可包括关于单个层112内的堆叠密度和/或层距的信息。步骤b)可包括至少一个几何分析，其中所述几何分析包括确定堆叠密度和/或层距。设计工具126可以是或可包括被配置用于生成复合元件的几何模型的工具(特别是软件)。设计工具126可被配置用于对形成复合元件110的单个层112中的每个以及单个层112的组合进行建模。设计工具126可包括计算机辅助设计(CAD)工具。例如，软件可被用作设计工具126。
设计工具126可被配置用于几何建模，特别是用于为复合元件的几何属性生成至少一个3D模型。几何属性可包括关于单个层内的堆叠密度和/或层距的信息。步骤b)可包括至少一个几何分析，其中所述几何分析包括确定堆叠密度和/或层距。设计工具126可被配置用于规定几何模型处于静态、准静态、动态或循环载荷(包括拉伸、压缩、剪切、温度以及它们的(多轴)组合)下的行为。
设计工具126可包括机器学习、深度学习、神经网络或其他形式的人工智能中的一个或多个。复合元件的几何模型可通过使用机器学习，特别是通过使用至少一个人工神经网络来生成。例如，机器学习可基于线性回归、逻辑回归、随机森林、朴素贝叶斯分类、最近邻、神经网络、卷积神经网络、生成对抗网络、支持向量机或梯度提升算法等中的一个或多个。设计工具126可基于实验数据(诸如，通过制造具有预定参数的多个复合元件110所确定的数据)进行训练。
对复合元件的几何模型的机械属性的确定是通过使用至少一个数值仿真130来执行的。具体地，数值仿真130是至少一个有限元方法(FEM)仿真。FEM可被配置用于在考虑边界条件下，对两个或三个空间变量的偏微分方程进行求解。例如，FEM仿真可以是基于体素的FEM仿真。例如，软件可被用作FEM仿真。FEM仿真可包括机器学习、深度学习、神经网络或其他形式的人工智能中的一个或多个。例如，可包括在实验数据(诸如，通过测量多个复合元件110的机械属性所确定的数据)上进行训练的至少一个神经网络。
使用设计工具126确定复合元件的几何模型且使用数值仿真130确定复合元件的几何模型的机械属性，可允许对机械属性进行可靠和鲁棒的预测。具体地，所述方法允许对机械属性进行可靠和鲁棒的预测。这允许在开发阶段中避免试错循环。
所述方法可包括提供所确定的目标参数集(以参考数字134表示)。所述提供可包括显示、存储、向接口提供以及向另一设备传输中的一个或多个。所述提供所确定的机械属性可包括呈现和/或显示和/或传达所确定的机械属性例如至用户。所述提供可使用至少一个输出单元136来执行。输出单元136可以是或可包括至少一个接口，所述至少一个接口被配置用于例如向至少一个用户提供所确定的机械属性。输出单元136可包括至少一个显示设备。
用于预测机械属性的方法可以是一种自学方法。所述方法可被配置用于随着所述方法的每次重复进行学习，特别是在提供尽可能可靠的机械属性的意义上，随时间推移进行改进。所述方法可包括使用至少一个人工智能(AI-)系统。所述方法可包括使用至少一个机器学习工具，特别是深度学习架构。所述方法可完全自动地执行。所述方法的完全自动化可允许AI-系统自身找到最佳参数和模型。具体地，所述方法可在不与人交互的情况下，通过迭代地设置它的参数来实现预限定的最终目标进行自我优化。为此，使用机器学习模型。基于观测，所述机器学习模型便于对机械属性进行预测。
图2示出了根据本发明的用于确定至少一个复合元件110的布局的计算机实施的方法的实施方案的流程图。关于复合元件110的描述，参考图6。所述方法包括以下方法步骤，具体地，所述方法步骤可按照给定次序执行。同样，不同的次序也是可能的。还可完全地或部分地同时执行方法步骤中的两个或多个。此外，一个或多个或甚至所有的方法步骤可被执行一次，或者可被重复地执行，诸如重复一次或若干次。此外，所述方法可包括未列出的附加方法步骤。所述方法包括以下步骤：
i)(参考数字138)检索目标复合元件的至少一个目标标准；
ii)(参考数字140)使用根据本发明的用于预测至少一个机械属性的方法来预测起始复合元件的至少一个机械属性，其中所述起始复合元件的单个层112中的每个的属性由输入参数集来限定；
iii)(参考数字142)至少一个优化步骤，其中所述优化步骤包括通过比较所确定的机械属性与所述目标标准来确定所述目标复合元件的目标参数集，其中在未满足所述目标标准的情况下，所述目标参数是依赖于所述比较来适配所述输入参数集而设置的，或者在满足所述目标标准的情况下，所述目标参数是通过将所述输入参数集设置为目标参数集而设置的；
iv)(参考数字144)提供所确定的目标参数集作为所述复合元件的布局。
布局可以是或可包括复合元件110的元件的至少一个配置和/或属性，诸如单个节点116的形状，单个层112内的节点116的位置，层112内的边缘118的位置和/或边缘118相对于节点116的位置，节点116的厚度，边缘118的长度，边缘118的厚度，单个层112之间的接触区域113。
检索所述目标标准可包括从任意数据源(诸如，从数据存储器、从网络或从另一计算机或计算机系统)生成所述目标标准和/或获得所述目标标准。检索具体地可经由至少一个计算机接口，特别是经由诸如串行端口或并行端口的通信接口132进行。检索可包括若干子步骤，诸如获得一个或多个主要信息项以及通过利用所述主要信息(诸如，例如通过使用处理器对所述主要信息应用一个或多个算法)来生成次要信息的子步骤。
目标标准可指用于执行优化的至少一个标准。目标标准可包括至少一个优化目标以及精确度和/或准确度。目标标准可以是诸如通过至少一个客户要求而预先指定的。目标标准可以是至少一个用户规范。用户可选择优化目标和/或期望的精确度和/或准确度。目标标准可包括物理属性的至少一个值，所述物理属性选自：固相体积分数；相对刚度；阻尼属性；应力应变曲线特性；硬度；能量耗散；拉伸属性；处于压缩状态的属性；处于剪切状态的属性；处于复杂变形状态的属性；各向异性；热伸长性。目标复合元件可以是至少在容差范围内具有期望和/或要求的属性的复合元件110。
优化步骤可包括通过在经训练的机器学习模型上应用所述目标标准方面的优化算法来确定所述目标参数集。机器学习模型可包括线性回归、逻辑回归、随机森林、朴素贝叶斯分类、最近邻、神经网络、卷积神经网络、生成对抗网络、支持向量机或梯度提升算法等中的一个或多个。
所述方法可包括重复步骤i)至步骤iv)，其中所确定的目标参数集被用作述输入参数集。所述方法可以是一种自学方法。所述方法可包括使用至少一个人工智能(AI-)系统。所述方法可包括使用至少一个机器学习工具，特别是深度学习架构。所述方法可完全自动地执行。所述方法的完全自动化可允许AI-系统自身找到最佳布局。具体地，所述方法可在不与人交互的情况下，通过迭代地设置它的参数来实现预限定的最终目标进行自我优化。为此，使用机器学习模型。基于观测，所述机器学习模型便于寻找最好或最佳布局。
所述方法还可包括对具有步骤iv)中所确定的布局的目标复合元件进行原型制作。特别地，所述原型可以是元件或对象的第一模型，且可被用于测试和/或验证所述元件或对象的至少一个特性或规范。具体地，可在大规模生产过程或量产过程之前制造所述原型。原型可例如作为元件或对象(诸如，复合元件110)的开发阶段的一部分而被生产或制造。因此，在开始大规模生产复合元件110的过程之前或在开始制造复合元件110之前，可具体地执行所述复合元件的原型制作。
图3示出了根据本发明的自动控制系统146和自动布局设计系统148的实施方案。
控制系统146包括：
-至少一个通信接口132，所述至少一个通信接口132被配置用于接收至少一个输入参数集，所述至少一个输入参数集包括限定单个层112中的每个的属性的多个参数；
-至少一个设计工具126，所述至少一个设计工具126被配置用于基于所述输入参数集来确定所述复合元件的至少一个几何模型；
-至少一个数值仿真130，所述至少一个数值仿真130被配置用于确定所述复合元件的几何模型的机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。
控制系统146还可包括至少一个输出单元136。
布局设计系统148包括：
-至少一个通信接口132，所述至少一个通信接口132被配置用于检索目标复合元件的至少一个目标标准以及用于接收至少一个输入参数集，所述输入参数集包括限定单个层112中的每个的属性的多个参数；
-至少一个材料建模工具126，所述至少一个材料建模工具126被配置用于从所述输入参数集确定所述复合元件的至少一个几何模型；
-至少一个数值仿真130，所述至少一个数值仿真130被配置用于确定所述复合元件的几何模型的至少一个机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个；
-至少一个处理单元150，所述至少一个处理单元150被配置用于执行至少一个优化步骤，其中所述优化步骤包括通过将所确定的机械属性与所述目标标准进行比较来确定所述目标复合元件的目标参数集，其中在未满足所述目标标准的情况下，所述目标参数是依赖于所述比较来适配所述输入参数集而设置的，或者在满足所述目标标准的情况下，所述目标参数是通过将所述输入参数集设置为目标参数集而设置的；
-至少一个输出单元136，所述至少一个输出单元136被配置用于提供所确定的目标参数集作为所述复合元件110的布局。
图4A至图4T示出了通过使用设计工具126所确定的复合元件的几何模型的实施方案。
图4A和图4B示出了复合元件110的体积元件，其中节点116为球形。此外，示出了所预测的z方向应力对z方向应变曲线，其中z方向是在重力方向上从上到下。此外，示出了线性建模曲线和非线性建模曲线(表示变形)。与图4B的边缘116相比，图4A中的边缘118更小。对于图4A的实施方案，通过几何分析确定固相体积分数为67.4％，且通过使用数值仿真139确定相对刚度为6.0％。对于图4B的实施方案，通过几何分析确定固相体积分数为66.8％，且通过使用数值仿真139确定相对刚度为10.2％。
图4C至图4J示出了节点为三角双锥形的实施方案。具体地，示出了4个实施方案，其中两个参数被适配：宽度与高度的关系以及平台(plateau)(与下一层的接触区域)的尺寸。
图4C示出了复合元件110的体积元件，其中节点116为双锥形。此外，示出了所预测的z方向应力对z方向应变曲线，其中z方向是在重力方向上从上到下。示出了线性建模曲线和非线性建模曲线(表示变形)。此外，在图4D中描绘了相应的建模层112。对于图4C的实施方案，通过几何分析确定固相体积分数为60.0％，且通过使用数值仿真139确定相对刚度为48.2％。
图4E示出了复合元件110的体积元件，其中节点116为双锥形。此外，示出了所预测的z方向应力对z方向应变曲线，其中z方向是在重力方向上从上到下。示出了线性建模曲线和非线性建模曲线(表示变形)。此外，在图4F中描绘了相应的建模层112。与图4C和图4D的实施方案相比，锥体更尖锐。具体地，锥体在其顶部上具有较小的平台。对于图4E的实施方案，通过几何分析确定固相体积分数为43.1％，且通过使用数值仿真139确定相对刚度为17.6％。
图4G示出了复合元件110的体积元件，其中节点116为双锥形。此外，示出了所预测的z方向应力对z方向应变曲线，其中z方向是在重力方向上从上到下。示出了线性建模曲线和非线性建模曲线(表示变形)。此外，在图4H中描绘了相应的建模层112。与图4E和图4F的实施方案相比，锥体的高度减小。对于图4G的实施方案，通过几何分析确定固相体积分数为43.9％，且通过使用数值仿真139确定相对刚度为16.4％。
图4I示出了复合元件110的体积元件，其中节点116为双锥形。此外，示出了所预测的z方向应力对z方向应变曲线，其中z方向是在重力方向上从上到下。示出了线性建模曲线和非线性建模曲线(表示变形)。此外，在图4J中描绘了相应的建模层112。与图4G和图4H的实施方案相比，锥体其顶部上具有更大的平台。对于图4I的实施方案，通过几何分析确定固相体积分数为55.4％，且通过使用数值仿真139确定相对刚度为32.2％。
图4K至图4P示出了节点为立方体形的实施方案。具体地，示出了三个实施方案，其中两个参数被适配：节点的位置以及边缘的位置。
图4K示出了复合元件110的体积元件，其中节点116为立方体形。此外，示出了所预测的z方向应力对z方向应变曲线，其中z方向是在重力方向上从上到下。示出了线性建模曲线和非线性建模曲线(表示变形)。此外，在图4L中描绘了相应的建模层112。对于图4K的实施方案，通过几何分析确定固相体积分数为62.8％，且通过使用数值仿真139确定相对刚度为51.9％。
图4M示出了复合元件110的体积元件，其中节点116为立方体形。此外，示出了所预测的z方向应力对z方向应变曲线，其中z方向是在重力方向上从上到下。示出了线性建模曲线和非线性建模曲线(表示变形)。此外，在图4N中描绘了相应的建模层112。与图4K和图4L相比，一个方向上的边缘118更短。对于图4M的实施方案，通过几何分析确定固相体积分数为86.2％，且通过使用数值仿真139确定相对刚度为81.5％。
图4O示出了复合元件110的体积元件，其中节点116为立方体形。此外，示出了所预测的z方向应力对z方向应变曲线，其中z方向是在重力方向上从上到下。示出了线性建模曲线和非线性建模曲线(表示变形)。此外，在图4P中描绘了相应的建模层112。与图4K和图4L相比，节点116被定向为非平行的，且相对于层112的纵向延伸部成一个角度。对于图4O的实施方案，通过几何分析确定固相体积分数为77.9％，且通过使用数值仿真139确定相对刚度为70.1％。
图4Q至图4T示出了节点为二次双锥形(quadratic bipyramidal shape)的实施方案。具体地，示出了2个实施方案，其中平台(与下一层的接触区域)的尺寸被适配。
图4Q示出了复合元件110的体积元件，其中节点116为彼此交汇的二次双锥形。此外，示出了所预测的z方向应力对z方向应变曲线，其中z方向是在重力方向上从上到下。图中示出了线性建模曲线和非线性建模曲线(表示变形)。此外，在图4R中描绘了相应的建模层112。对于图4Q的实施方案，通过几何分析确定固相体积分数为61.1％，且通过使用数值仿真139确定相对刚度为45.5％。
图4S示出了复合元件110的体积元件，其中节点116为彼此交汇的二次双锥形，锥体在其顶部上具有较大的平台。此外，示出了所预测的z方向应力对z方向应变的曲线，其中z方向是在重力方向上从上到下。示出了线性建模曲线和非线性建模曲线(表示变形)。此外，在图4T中描绘了相应的建模层112。对于图4S的实施方案，通过几何分析确定固相体积分数为82.6％，且通过使用数值仿真139确定相对刚度为78.5％。
图5示出了复合元件110的不同布局的比较，特别是相对密度(％)对相对刚度(％)。三角形是三角双锥形节点实施方案，方形是立方体节点实施方案，圆形是球形节点实施方案，且二次双锥形节点被示出为菱形。
参考数字列表
110复合元件
112层
113接触区域
114网络
116节点
118边缘
120重复单元
122提供至少一个输入参数集
124确定复合元件的至少一个几何模型
126设计工具
128确定至少一个机械属性
130数值仿真
132通信接口
134提供所确定的机械属性
136输出单元
138检索至少一个目标标准
140预测至少一个机械属性
142优化步骤144提供所确定的目标参数集
146控制系统
148布局设计系统
150处理单元。
Claims (29)
1.用于预测至少一个复合元件(110)的至少一个机械属性的计算机实施的方法，所述至少一个复合元件(110)包括至少两个层(112)，其中每个层(112)包括具有重复单元(120)的网络(120)，所述重复单元(120)包括节点(116)和边缘(118)，其中每个层(112)具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料，其中所述层(112)被堆叠，其中所述方法包括以下步骤：
a)提供至少一个输入参数集，其中所述输入参数集包括限定单个层(112)中的每个的属性的多个参数；
b)使用至少一个设计工具(126)，基于所述输入参数集来确定所述复合元件的至少一个几何模型；
c)通过使用至少一个数值仿真(130)，确定所述复合元件的几何模型的至少一个机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。
2.根据前一权利要求所述的方法，其中所述机械属性是选自如下项的至少一个属性：固相体积分数；相对刚度；阻尼属性；应力应变曲线特性；硬度；能量耗散；拉伸属性；处于压缩状态的属性；处于剪切状态的属性；处于复杂变形状态的属性；各向异性；热伸长性。
3.根据前述权利要求中的任一项所述的方法，其中步骤b)包括至少一个几何分析，其中所述几何分析包括确定堆叠密度和/或层距。
4.根据前述权利要求中的任一项所述的方法，其中所述输入参数集包括选自如下项的至少一个参数：单个节点(116)的形状；单个层(112)内的节点(116)的位置；层(112)内的边缘(118)的位置和/或边缘(118)相对于节点(116)的位置；节点(116)的厚度；边缘(118)的长度；边缘(118)的厚度；单个层(112)之间的接触区域(113)。
5.根据前一权利要求所述的方法，其中所述输入参数集包括限定所述复合元件(110)的层(112)的堆叠的至少一个参数。
6.根据前述权利要求中的任一项所述的方法，其中所述设计工具(116)包括计算机辅助设计(CAD)工具。
7.根据前述权利要求中的任一项所述的方法，其中所述数值仿真(130)是有限元方法(FEM)仿真，其中所述FEM仿真是基于体素的FEM仿真。
8.根据前述权利要求中的任一项所述的方法，其中所述方法包括提供所确定的机械属性。
9.根据前一权利要求所述的方法，其中所述提供包括显示、存储、向接口提供以及向另一设备传输中的一个或多个。
10.根据前述权利要求中的任一项所述的方法，其中所述方法包括控制至少一个复合元件的至少一个机械属性，其中用于制造所述复合元件的至少一个过程参数被设定为所确定的机械属性和/或依赖于所确定的机械属性。
11.根据前述权利要求中的任一项所述的方法，其中所述方法包括控制至少一个复合元件的至少一个机械属性，所述复合元件选自：阻尼元件，优选地作为用于优选为建筑物或桥梁的构造的减振控制的阻尼器；声音阻尼元件；垫或垫的一部分、家具或地板元件、汽车工业的元件，优选为仪表盘、轴承、轮胎、鞋，所述鞋优选为鞋底、更优选为鞋底的一部分；身体保护器，诸如用于运动设备的身体保护器，优选用于膝盖保护、肘部保护、肩部保护、保护性头盔的身体保护器。
12.用于预测至少一个复合元件的至少一个机械属性的计算机程序，所述计算机程序被配置为当在计算机或计算机网络上被执行时，导致所述计算机或所述计算机网络完全地或部分地执行根据前述权利要求中的任一项所述的方法，其中所述计算机程序被配置为执行根据前述权利要求中的任一项所述的方法的步骤a)至步骤c)中的至少一个。
13.用于确定至少一个复合元件(110)的布局的计算机实施的方法，所述至少一个复合元件(110)包括至少两个层(112)，其中每个层(112)包括具有重复单元(120)的网络(114)，所述重复单元(120)包括节点(116)和边缘(118)，其中所述每个层(112)具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料，其中所述层(112)被堆叠，其中所述方法包括以下步骤：
i)检索目标复合元件的至少一个目标标准；
ii)使用根据权利要求1至11中的任一项所述的方法来预测起始复合元件的至少一个机械属性，其中所述起始复合元件的单个层(112)中的每个的属性由输入参数集限定；
iii)至少一个优化步骤，其中所述优化步骤包括通过比较所确定的机械属性与所述目标标准来确定所述目标复合元件的目标参数集，其中在未满足所述目标标准的情况下，所述目标参数是依赖于所述比较来适配所述输入参数集而设置的，或者在满足所述目标标准的情况下，所述目标参数是通过将所述输入参数集设置为目标参数集而设置的；
iv)提供所确定的目标参数集作为所述复合元件的布局。
14.根据权利要求13所述的方法，其中所述方法包括重复步骤i)至步骤iv)，其中所确定的目标参数集被用作输入参数集。
15.根据权利要求13至14中的任一项所述的方法，其中所述目标标准包括物理属性的至少一个值，所述物理属性选自：固相体积分数；相对刚度；阻尼属性；应力应变曲线特性；硬度；能量耗散；拉伸属性；处于压缩状态的属性；处于剪切状态的属性；处于复杂变形状态的属性；各向异性；热伸长性。
16.根据权利要求13至15中的任一项所述的方法，其中所述优化步骤包括通过在经训练的机器学习模型上应用所述目标标准方面的优化算法来确定所述目标参数集，其中所述机器学习模型包括线性回归、逻辑回归、随机森林、朴素贝叶斯分类、最近邻、神经网络、卷积神经网络、生成对抗网络、支持向量机或梯度提升算法等中的一个或多个。
17.根据权利要求13至16中的任一项所述的方法，其中所述提供包括显示、存储、向接口提供以及向另一设备传输中的一个或多个。
18.根据权利要求13至17中的任一项所述的方法，其中所述方法还包括对具有步骤iv)中所确定的布局的所述目标复合元件进行原型制作。
19.用于确定至少一个复合元件的布局的计算机程序，所述计算机程序被配置为当在计算机或计算机网络上被执行时，导致所述计算机或所述计算机网络完全地或部分地执行根据权利要求13至18中的任一项所述的方法，其中所述计算机程序被配置为执行根据权利要求13至18中的任一项所述的方法的至少步骤i)至步骤iv)。
20.用于预测至少一个复合元件(110)的至少一个机械属性的自动控制系统(146)，所述至少一个复合元件(110)包括至少两个层(112)，其中每个层(112)包括具有重复单元(120)的网络(114)，所述重复单元(120)包括节点(116)和边缘(118)，其中每个层(112)具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料，其中所述层(112)被堆叠，其中所述控制系统(146)包括：
-至少一个通信接口(132)，所述至少一个通信接口(132)被配置用于接收至少一个输入参数集，所述至少一个输入参数集包括限定单个层(112)中的每个的属性的多个参数；
-至少一个设计工具(126)，所述至少一个设计工具(126)被配置用于基于所述输入参数集来确定所述复合元件的至少一个几何模型；
-至少一个数值仿真(130)，所述至少一个数值仿真(130)被配置用于确定所述复合元件的几何模型的机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个。
21.根据前一权利要求所述的控制系统(146)，其中所述控制系统(146)被配置用于执行根据权利要求1至11中的任一项所述的方法。
22.根据权利要求20至21中的任一项所述的控制系统(146)，其中所述控制系统(146)包括至少一个输出单元(136)，所述输出单元(136)被配置用于提供所确定的机械属性。
23.根据前一权利要求所述的控制系统(146)，其中所述提供包括显示、存储、向接口提供以及向另一设备传输中的一个或多个。
24.根据权利要求20至23中的任一项所述的控制系统(146)，其中所述控制系统(146)被配置用于控制至少一个复合元件的至少一个机械属性，其中所述控制系统(146)被配置用于将制造所述复合元件的至少一个过程参数设置为所确定的机械属性和/或依赖于所确定的机械属性来设置。
25.根据权利要求20至24中的任一项所述的控制系统(146)，其中所述控制系统(146)被配置用于控制至少一个复合元件的至少一个机械属性，所述复合元件选自：阻尼元件，优选地作为用于优选为建筑物或桥梁的构造的减振控制的阻尼器；声音阻尼元件；垫或垫的一部分、家具或地板元件、汽车工业的元件，优选为仪表盘、轴承、轮胎、鞋，所述鞋优选为鞋底、更优选为鞋底的一部分；身体保护器，诸如用于运动设备的身体保护器，优选用于膝盖保护、肘部保护、肩部保护、保护性头盔的身体保护器。
26.用于确定至少一个复合元件(110)的布局的自动布局设计系统(148)，所述复合元件(110)包括至少两个层，其中每个层(112)包括具有重复单元(120)的网络(114)，所述重复单元(120)包括节点(116)和边缘(118)，其中所述每个层(112)具有体积、纵向延伸部以及垂直于所述纵向延伸部的最大高度h且包括具有蜂窝结构的材料，其中所述层(112)被堆叠，其中所述布局设计系统包括：
-至少一个通信接口(132)，所述至少一个通信接口(132)被配置用于检索目标复合元件的至少一个目标标准以及用于接收至少一个输入参数集，所述输入参数集包括限定单个层中的每个的属性的多个参数；
-至少一个材料建模工具(126)，所述至少一个材料建模工具(126)被配置用于从所述输入参数集确定所述复合元件的至少一个几何模型；
-至少一个数值仿真(130)，所述至少一个数值仿真(130)被配置用于确定所述复合元件的几何模型的至少一个机械属性，其中所述机械属性包括拉伸属性、压力属性、剪切属性、温度属性及它们的组合中的一个或多个；
-至少一个处理单元(150)，所述至少一个处理单元(150)被配置用于执行至少一个优化步骤，其中所述优化步骤包括通过将所确定的机械属性与所述目标标准进行比较来确定所述目标复合元件的目标参数集，其中在未满足所述目标标准的情况下，所述目标参数是依赖于所述比较来适配所述输入参数集而设置的，或者在满足所述目标标准的情况下，所述目标参数是通过将所述输入参数集设置为目标参数集而设置的；
-至少一个输出单元(136)，所述至少一个输出单元(136)被配置用于提供所确定的目标参数集作为所述复合元件(110)的布局。
27.根据前一权利要求所述的布局设计系统(148)，其中所述布局设计系统(148)被配置用于执行根据权利要求13至18中的任一项所述的方法。
28.根据权利要求20至25中的任一项所述的控制系统(146)用于控制复合元件(110)的机械属性的用途，所述复合元件(110)选自：阻尼元件，优选地作为用于优选为建筑物或桥梁的构造的减振控制的阻尼器；声音阻尼元件；垫或垫的一部分、家具或地板元件、汽车工业的元件，优选为仪表盘、轴承、轮胎、鞋，所述鞋优选为鞋底、更优选为鞋底的一部分；身体保护器，诸如用于运动设备的身体保护器，优选用于膝盖保护、肘部保护、肩部保护、保护性头盔的身体保护器。
29.根据权利要求26或27中的任一项所述的系统用于设计复合元件(110)的布局的用途，所述复合元件(110)选自：阻尼元件，优选地作为用于优选为建筑物或桥梁的构造的减振控制的阻尼器；声音阻尼元件；垫或垫的一部分、家具或地板元件、汽车工业的元件，优选为仪表盘、轴承、轮胎、鞋，所述鞋优选为鞋底、更优选为鞋底的一部分；身体保护器，诸如用于运动设备的身体保护器，优选用于膝盖保护、肘部保护、肩部保护、保护性头盔的身体保护器。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20214050 | 2020-12-15 | ||
| EP20214050.5 | 2020-12-15 | ||
| PCT/EP2021/085678 WO2022129038A1 (en) | 2020-12-15 | 2021-12-14 | Method to predict mechanical properties of stacked particle mats |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116761724A true CN116761724A (zh) | 2023-09-15 |
Family
ID=73854533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180084196.5A Pending CN116761724A (zh) | 2020-12-15 | 2021-12-14 | 预测堆叠颗粒垫的机械属性的方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20240020433A1 (zh) |
| EP (1) | EP4264476A1 (zh) |
| CN (1) | CN116761724A (zh) |
| TW (1) | TW202236139A (zh) |
| WO (1) | WO2022129038A1 (zh) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3835193A1 (de) | 1988-10-15 | 1990-04-19 | Basf Ag | Verfahren zur herstellung von formkoerpern mit einer verdichteten randzone und einem zelligen kern, vorzugsweise schuhsohlen |
| US5506275A (en) | 1995-05-15 | 1996-04-09 | Basf Corporation | 1,1,1,2-tetrafluoroethane as a blowing agent in integral skin polyurethane shoe soles |
| DE19618392A1 (de) | 1996-05-08 | 1997-11-13 | Basf Ag | Verfahren zur Herstellung von elastischen Polyurethan-Formkörpern mit kompakter Oberfläche und zelligem Kern |
| DE10352876A1 (de) | 2003-11-10 | 2005-06-23 | Basf Ag | Verfahren zur Herstellung von Polyurethan-Weichschaumstoffen |
| DE102004047524A1 (de) | 2004-09-28 | 2006-03-30 | Basf Ag | Verfahren zur Herstellung von Polyurethan-Weichschaumstoffen |
| DE102004051102A1 (de) | 2004-10-19 | 2006-04-27 | Basf Ag | Verfahren zur Herstellung von Polyurethan-Hartschaumstoffen |
| EP3092349A4 (en) | 2014-01-07 | 2017-09-06 | Nama Development LLC | 3-d honeycomb foam structure |
| CN110382230A (zh) | 2017-03-20 | 2019-10-25 | 巴斯夫欧洲公司 | 复合元件 |
| US11931223B2 (en) | 2017-09-29 | 2024-03-19 | Align Technology, Inc. | Cellular architecture for controlled focal stiffness across intraoral appliances |
-
2021
- 2021-12-14 WO PCT/EP2021/085678 patent/WO2022129038A1/en active Application Filing
- 2021-12-14 US US18/255,439 patent/US20240020433A1/en active Pending
- 2021-12-14 TW TW110146716A patent/TW202236139A/zh unknown
- 2021-12-14 EP EP21839126.6A patent/EP4264476A1/en active Pending
- 2021-12-14 CN CN202180084196.5A patent/CN116761724A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| TW202236139A (zh) | 2022-09-16 |
| EP4264476A1 (en) | 2023-10-25 |
| US20240020433A1 (en) | 2024-01-18 |
| WO2022129038A1 (en) | 2022-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hiller et al. | Automatic design and manufacture of soft robots | |
| Han et al. | Evolutionary design of nonuniform cellular structures with optimized Poisson's ratio distribution | |
| US20170057195A1 (en) | Ply Blending and Stacking Sequence | |
| US10315783B2 (en) | Ply blending and stacking sequence | |
| Legrand et al. | Reconfigurable, multi-material, voxel-based soft robots | |
| Brown et al. | Deep reinforcement learning for the design of mechanical metamaterials with tunable deformation and hysteretic characteristics | |
| Bhat et al. | Design of tessellation based load transfer mechanisms in additively manufactured lattice structures to obtain hybrid responses | |
| CN116761724A (zh) | 预测堆叠颗粒垫的机械属性的方法 | |
| CN118484960A (zh) | 机器人设计的基于梯度的优化 | |
| Liu et al. | Stress-field driven conformal lattice design using circle packing algorithm | |
| US8051018B1 (en) | Method for the design and optimization of morphing strategies for reconfigurable surfaces | |
| KR102557312B1 (ko) | 로봇 매니퓰레이터를 제조하기 위한 방법 및 시스템 | |
| Setoodeh | Optimal design of variable-stiffness fiber-reinforced composites using cellular automata | |
| Chen et al. | Computer-aided product design with performance-tailored mesostructures | |
| Ding et al. | A sophisticated periodic micro-model for closed-cell foam based on centroidal constraint and capacity constraint | |
| Tsompanas et al. | Outline of an evolutionary morphology generator towards the modular design of a biohybrid catheter | |
| Conradie | A Scale-invariant generative design process for 2D Soft robot actuators | |
| Kieffer et al. | Soft actuated material: Exploration of a programmable composite | |
| Gabbrielli | Foam geometry and structural design of porous material | |
| Zhang et al. | Energy absorption properties of a novel auxetic honeycomb based on deep learning technology | |
| Sotomayor | Numerical Modeling of Random 2D and 3D Structural Foams Using Voronoi Diagrams: A Study of Cell Regularity and Compression Response | |
| EP4068136A1 (en) | Method and system for customizing lattice structures for digital manufacturing | |
| Torres et al. | Simulation and Validation of Fully 3D Printed Soft Actuators | |
| Raeisinezhad | Design of a pneumatic soft robotic actuator using model-based optimization | |
| Gálvez | Numerical modeling of random 2d and 3d structural foams using Voronoi diagrams: A study of cell regularity and compression response |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |