TWI669616B - 圓柱狀和圓餅狀數位模型之模擬切割方法 - Google Patents
圓柱狀和圓餅狀數位模型之模擬切割方法 Download PDFInfo
- Publication number
- TWI669616B TWI669616B TW107128202A TW107128202A TWI669616B TW I669616 B TWI669616 B TW I669616B TW 107128202 A TW107128202 A TW 107128202A TW 107128202 A TW107128202 A TW 107128202A TW I669616 B TWI669616 B TW I669616B
- Authority
- TW
- Taiwan
- Prior art keywords
- cutting
- chromosome
- chromosomes
- cross
- model
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Genetics & Genomics (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一種圓柱狀和圓餅狀數位模型之模擬切割方法,利用立體模型和參考點以因應不同形狀的核反應爐結構,並搭配基因演算法進行核反應爐結構的切割模擬,而核反應爐結構的切割模擬為利用基因演算法對核反應爐結構的截面積進行二重篩選機制,選出最佳化的切割配置來使核反應爐結構之欲切割的截面積最小化,刀具則根據最佳化的切割配置將核反應爐結構切割,從而達成刀具的磨損量最低及核反應爐結構切割之目的。
Description
本發明關於一種圓柱狀和圓餅狀數位模型之模擬切割方法,特別是,一種利用基因演算法進行二重篩選機制使核反應爐結構之欲切割的截面積最小化的圓柱狀和圓餅狀數位模型之模擬切割方法,達成刀具磨損量最低之目的。
核能發電廠為國家電力供應中重要的發電廠,由於核能發電的過程不會造成空氣汙染且未排出二氧化碳等溫室氣體,因此,核能發電廠成為備受矚目的發電廠。然而,三一一日本大地震引發核災問題,對核能發電廠的安全疑慮產生疑慮,核能發電廠的除役勢必為需要解決的問題。
核能發電廠的除役則需將核反應爐存放至適當位置存放,由於包裝容器的尺寸和輻射量大小的限制,必須將核反應爐結構及其內部組件進行切割以符合包裝容器的尺寸,刀具的磨損則為需考量的成本。
美國公告號US5936863A之專利前案提及核反應爐的切割,其為利用模型和資料庫以選擇適合核反應爐尺寸的模型,並搭配梯度演算法(gradient based algorithm)模擬切割核反應爐的截面積,以取得最小的核反應爐結構之欲切割的截面積,但梯度演算法為多次利用疊代的方式找出最小的核反應爐結構之欲切割的截面積,疊代的運算過於繁瑣且耗時較久,難以迅速得出核反應爐結構之欲切割的截面積之最佳配置。
綜觀前述,本發明之發明者思索並設計一種圓柱狀和圓餅狀數位模型之模擬切割方法,以期針對習知技術之缺失加以改善,進而增進產業上之實施利用。
有鑑於上述習知之問題,本發明的目的在於提供一種圓柱狀和圓餅狀數位模型之模擬切割方法,用以解決習知技術中所面臨之問題。
基於上述目的,本發明提供一種圓柱狀數位模型之模擬切割方法,其包括:(1)根據核反應爐結構,選用立體模型及參考點,且根據立體模型的最高點和最低點取得模型高度。(2)沿第一方向軸模擬切割核反應爐結構,使核反應爐在每一切割位置具有截面,各截面利用立體模型和參考點得知截面積,各切割位置之間的距離為切割高度。(3)以基因演算法計算切割資訊,基因演算法包含:(i)設定位置染色體具有對應各切割位置的第一對應區塊,各第一對應區塊具有相應的切割高度,重複產生位置染色體直到位置染色體的數目到達第一固定數目,具有第一固定數目的位置染色體為第一初代族群。(ii)計算對應第一初代族群的各第一對應區塊的數量和各截面積的總和為複數個第一適應值。(iii)交配和突變第一初代族群的各位置染色體以獲得複數個位置變異染色體,計算各位置變異染色體對應的第一對應區塊的數量和各截面積的總和為第一變異適應值。(iv)排列各第一適應值和各第一變異適應值的順序,並根據第一選擇條件選擇複數個第一優良染色體。(v)對各第一優良染色體於所對應的截面模擬切割,使各截面在每一切割角度具有角度截面,各角度截面根據表面的厚度和表面的中心得知角度截面積,各切割角度之間的差值為角度差。(vi)設定角度染色體具有對應各切割角度的第二對應區塊,各第二對應區塊具有相應的角度差,重複產生角度染色體直到角度染色體的數目到達第二固定數目,具有第二固定數目的角度染色體為第二初代族群。(vii)計算對應第二初代族群的第二對應區塊的數量和各角度截面積的總和為複數個第二適應值。(viii)交配和突變第二初代族群的各角度染色體以獲得複數個角度變異染色體,計算各角度變異染色體對應的第二對應區塊的數量和各角度截面積的總和為第二變異適應值。(ix)排列各第二適應值和各第二變異適應值的順序,並根據第二選擇條件選擇複數個第二優良染色體。(x)重複基因演算法的演算,直到選出最佳染色體及整合最佳染色體對應的各切割位置和各角度為切割資訊。(4)根據切割資訊切割核反應爐結構。透過基因演算法之截面積、模型的搭配和角度之二重篩選機制,使得核反應爐結構欲切割面積最佳化,刀具在根據切割資訊切割核反應爐結構時的磨損降低。
較佳地,當位置染色體對應的切割高度的總和大於模型高度時,調整切割高度等於模型高度,其餘的第一對應區塊的數值為零,以順利地進行基因演算法之演算。
較佳地,當角度染色體對應的角度差的和大於360度時,調整角度差的和為360度,其餘的第二對應區塊的數值為零,以順利地進行基因演算法之演算。
較佳地,第一選擇條件為選擇複數個第一適應值和複數個第一變異適應值中前幾個其數值較小所對應的位置染色體和位置變異染色體為複數個第一優良染色體,複數個第一優良染色體的數量為第一固定數目。
較佳地,第二選擇條件為選擇複數個第二適應值和複數個第二變異適應值中前幾個其數值較小所對應的角度染色體和角度變異染色體為複數個第二優良染色體,複數個第二優良染色體的數量為第二固定數目。
基於上述目的,本發明提供一種圓餅狀數位模型之模擬切割方法,其包括:(1)根據核反應爐結構,選用立體模型及參考點,且根據立體模型於第一方向軸和第二方向軸的最高點和最低點取得模型高度和模型寬度。(2)沿第一方向軸模擬切割核反應爐,使核反應爐在每個第一切割位置具有第一截面,各第一截面利用立體模型和參考點得知第一截面積,各第一切割位置之間的距離為第一切割高度。(3)以基因演算法計算切割資訊,基因演算法包含:(i)設定第一位置染色體具有對應各第一切割位置的第一對應區塊,各第一對應區塊具有相應的第一切割高度,重複產生第一位置染色體直到第一位置染色體的數目到達第一固定數目,具有第一固定數目的第一位置染色體為第一初代族群。(ii)計算對應第一初代族群的各第一對應區塊的數量和各截面積的總和為複數個第一適應值。(iii)交配和突變第一初代族群的各第一位置染色體以獲得複數個第一位置變異染色體,計算各第一位置變異染色體對應的第一對應區塊的數量和各截面積的總和為第一變異適應值。(iv)排列各第一適應值和各第一變異適應值的順序,並根據第一選擇條件選擇複數個第一優良染色體。(v)沿第二方向軸模擬切割各第一優良染色體,使各第一優良染色體在每個第二切割位置具有第二截面,各第二截面利用立體模型和參考點得知第二截面積,各第二切割位置之間的距離為切割寬度。(vi)設定第二位置染色體具有對應各第二切割位置的第二對應區塊,各第二對應區塊具有相應的切割寬度,重複產生第二位置染色體直到第二位置染色體的數目到達第二固定數目,具有第二固定數目的第二位置染色體為第二初代族群。(vii) 計算對應第二初代族群的第二對應區塊的數量和各第二截面積的總和為複數個第二適應值。(viii)交配和突變第二初代族群的各第二位置染色體以獲得複數個第二位置變異染色體,計算各第二位置變異染色體對應的第二對應區塊的數量和各第二截面積的總和為第二變異適應值。(ix)排列各第二適應值和各第二變異適應值的順序,並根據第二選擇條件選擇複數個第二優良染色體。(x)重複基因演算法的演算,直到選出最佳染色體及整合最佳染色體對應的各第一切割位置和各第二切割位置為切割資訊。(4)根據切割資訊切割核反應爐結構。透過基因演算法之截面積的二重篩選機制和模型的搭配,使得核反應爐結構欲切割面積最佳化,刀具在根據切割資訊切割核反應爐結構時的磨損降低。
較佳地,當第一位置染色體對應的第一切割高度的總和大於模型高度時,調整切割高度等於模型高度,其餘的第一對應區塊的數值為零,以順利地進行基因演算法之演算。
較佳地,當第二位置染色體對應的切割寬度的總和大於模型寬度時,調整切割高度等於模型寬度,其餘的第二對應區塊的數值為零。
較佳地,第一選擇條件為選擇複數個第一適應值和複數個第一變異適應值中前幾個其數值較小所對應的第一位置染色體和第一位置變異染色體為複數個第一優良染色體,複數個第一優良染色體的數量為第一固定數目。
較佳地,第二選擇條件為選擇複數個第二適應值和複數個第二變異適應值中前幾個其數值較小所對應的第二位置染色體和第二位置變異染色體為複數個第二優良染色體,複數個第二優良染色體的數量為第二固定數目。
承上所述,本發明之圓柱狀和圓餅狀數位模型之模擬切割方法,透過基因演算法之截面積的二重篩選機制,取得核反應爐結構之切割的最佳配置,使得核反應爐結構欲切割面積最少及刀具的磨損降至最低。
本發明之優點、特徵以及達到之技術方法將參照例示性實施例及所附圖式進行更詳細地描述而更容易理解,且本發明可以不同形式來實現,故不應被理解僅限於此處所陳述的實施例,相反地,對所屬技術領域具有通常知識者而言,所提供的實施例將使本揭露更加透徹與全面且完整地傳達本發明的範疇,且本發明將僅為所附加的申請專利範圍所定義。
請參閱第1圖,其為本發明之圓柱狀數位模型之模擬切割方法之實施例之方塊圖。如第1圖所示,本發明之圓柱狀數位模型之模擬切割方法所需搭配的裝置包括核反應爐結構10、處理器20、資料庫30以及刀具40。資料庫30具有各式各樣的立體模型C及參考點O;處理器20根據輸入的核反應爐結構10,於資料庫30內選擇適當的立體模型C及參考點O,且處理器20包括模擬元件21、計算元件22、排列元件23以及選擇元件24,前述元件為演算基因演算法所需的元件,演算基因演算法的相關描述在下文中敘述,處理器20在演算基因演算法後輸出切割資訊S;刀具40則根據切割資訊S切割核反應爐結構10。
請參閱第2圖,其為本發明之圓柱狀數位模型之模擬切割方法之實施例之流程圖。於本實施例中,本發明之圓柱狀數位模型之模擬切割方法,其包括: (1)S11步驟:處理器20根據核反應爐結構10選用資料庫30內的立體模型C及參考點O,立體模型C的表面為由大量的三角形表示,且處理器20根據立體模型C的最高點和最低點取得模型高度,不同的反應爐結構10則選用不同的立體模型C,不同的反應爐結構10則對應不同的參考點O。(2)S12步驟:模擬元件21沿第一方向軸模擬切割核反應爐結構10,使核反應爐結構10在每一個切割位置具有截面,模擬元件21利用立體模型C的三角形距離參考點O的最大值和最小值得知各截面的截面積,各切割位置之間的距離為切割高度。(3)S13步驟:處理器20以基因演算法計算切割資訊S,基因演算法將在後文中敘述。(4)S14步驟:刀具40根據切割資訊S切割核反應爐結構10,且分割後的核反應爐結構10將放置裝箱容器。透過本發明之方法,模擬切割例如核反應爐內部組件之頂部導板(top guide)與爐心側板(Core Shroud)之核反應爐結構10的相關元件,使核反應爐結構10的相關元件進行切割配置的最佳化,進而降低刀具40的磨損。
請參閱第3圖,其為基因演算法之流程圖。如第3圖所示,先說明整個基因演算法的流程如下:(1)S101步驟:先將染色體產生至一定數量成為初代族群。(2)S102步驟:接續計算初代族群中各個染色體的適應值,適應值為判定各個染色體適應環境的能力。(3)S103步驟:產生下一代,並包含下列子步驟:(i)S1031子步驟:接著各個染色體彼此交配。(ii)S1032子步驟:各個染色體交配時發生突變,統整交配後和變異後的染色體為多個變異染色體,再計算各變異染色體的適應值。(iii)S1033子步驟:排列各染色體和各變異染色體的適應值大小,根據適應值選擇染色體,將初始族群和多個變異染色體中適應值較小的染色體淘汰。(4)S104步驟:留下適應值較高的染色體成為父代族群。(5)S105步驟:當滿足終止條件時,進入S106步驟,當未滿足終止條件時,則重新開始計算適應值,繼續開始重複前述動作,直到輸出最佳解。(6)S106步驟:輸出最佳解(最佳的染色體)。其中,終止條件為取得最佳解、初代族群演化至多少代停止或多代的染色體適應值皆相同,例如演化至800代則停止染色體演化,當然也可根據實際所需加以設定演化代數;適應值皆相同則代表各染色體的適應值開始收斂,不需再進行基因演算法。
請參閱第4圖、第5圖以及第6圖,本發明之圓柱狀數位模型之模擬切割方法之實施例之基因演算法之流程圖、本發明之圓柱狀數位模型之模擬切割方法之實施例之基因演算法之xz截面積切割之示意圖以及本發明之圓柱狀數位模型之模擬切割方法之實施例之基因演算法之角度切割之示意圖。如第4圖、第5圖以及第6圖所示,應用基因演算法於取得切割資訊S的步驟,並設定第一方向軸為y軸,各截面為在xz平面,其包含:(i)S21步驟:模擬元件21設定位置染色體具有對應各切割位置的第一對應區塊,各第一對應區塊具有相應的切割高度,模擬元件21重複產生位置染色體直到位置染色體的數目到達第一固定數目,具有第一固定數目的位置染色體為第一初代族群,第一初代族群中的各個位置染色體為對應不同的切割位置和不同的切割高度,需說明的是,各切割位置為y軸上的位置,各截面積(xz截面積)為以A1~A9表示,第一固定數目的數值則可例如為8個或10個,切割位置和第一固定數目的數值可根據實際所需加以調整,而未侷限於本發明所陳述的範圍。(ii)S22:步驟:計算元件22計算對應第一初代族群的各第一對應區塊的數量和各截面積的總和為複數個第一適應值。(iii)S23步驟:模擬元件21交配和突變第一初代族群的各位置染色體以獲得複數個位置變異染色體,複數個位置變異染色體所具有的第一對應區塊和切割高度皆相異於第一初代族群所具有的第一對應區塊和切割高度,即為複數個位置變異染色體的切割位置相異於第一初代族群的切割位置,計算元件22計算各位置變異染色體對應的第一對應區塊的數量和各截面積的總和為第一變異適應值。(iv)S24步驟:排列元件23排列各第一適應值和各第一變異適應值的順序,選擇元件24根據第一選擇條件選擇複數個第一優良染色體。(v)S25步驟:模擬元件21對各第一優良染色體於所對應的截面模擬切割,使各截面在每一個切割角度具有角度截面B0~B359,各角度截面根據表面的厚度和距離表面的中心之最大值和最小值得知角度截面積,各切割角度之間的差值為角度差,需說明的是,角度截面積B0~B359為每隔一度進行切割,當然也可根據實際所需加以調整切割角度的大小,只要切割角度不大於最大切割角度θ。(vi)S26步驟:模擬元件21設定角度染色體具有對應各切割角度的第二對應區塊,各第二對應區塊具有相應的角度差,重複產生角度染色體直到角度染色體的數目到達第二固定數目,具有第二固定數目的角度染色體為第二初代族群,其中,第二固定數目為小於第一固定數目,第二固定數目的數值則可例如為6個或4個,第二固定數目的數值可根據實際狀況所需加以調整,而未侷限於本發明所陳述的範圍。(vii)S27步驟:計算元件22計算對應第二初代族群的第二對應區塊的數量和各角度截面積的總和為複數個第二適應值。(viii)S28步驟:模擬元件21交配和突變第二初代族群的各角度染色體以獲得複數個角度變異染色體,複數個角度變異染色體所對應的切割角度相異於第二初代族群所對應的切割角度,計算各角度變異染色體對應的第二對應區塊的數量和各角度截面積的總和為第二變異適應值。(ix)S29步驟:排列元件23排列各第二適應值和各第二變異適應值的順序,選擇元件24根據第二選擇條件選擇複數個第二優良染色體。(x)S30步驟:選擇元件24基因演算法的演算直到選出最佳染色體及整合最佳染色體對應的各切割位置和各角度為切割資訊S。透過基因演算法之截面積、模型的搭配和角度之二重篩選機制,使得核反應爐結構10欲切割面積最佳化,且利用適應值的大小做排列而非不斷疊代,降低運算量,刀具40在根據切割資訊S切割核反應爐結構10時的磨損降低。
其中,第一選擇條件為選擇複數個第一適應值和複數個第一變異適應值中前幾個其數值較小所對應的位置染色體和位置變異染色體為複數個第一優良染色體,複數個第一優良染色體的數量為第一固定數目,當選擇元件24無法找尋到較佳的複數個第一優良染色體,則第一初代族群演化至800代停止;第二選擇條件為選擇複數個第二適應值和複數個第二變異適應值中前幾個其數值較小所對應的角度染色體和角度變異染色體為複數個第二優良染色體,複數個第二優良染色體的數量為第二固定數目,當選擇元件24無法找尋到較佳的複數個第二優良染色體,則第二初代族群演化至800代停止;最大切割角度θ為由裝箱容器長度求得(θ=
,l為裝箱容器的長度,r裝箱容器的曲率半徑)。
值得一提的是,當位置染色體對應的切割高度的總和大於模型高度時,調整切割高度等於模型高度,其餘的第一對應區塊的數值為零;當角度染色體對應的角度差的和大於360度時,調整角度差的和為360度,其餘的第二對應區塊的數值為零,以順利地進行基因演算法之演算。
此外,交配和突變第一初代族群的各位置染色體為製造出複數個位置變異染色體,複數個位置變異染色體則具有相異於第一初代族群的第一對應區塊和切割高度,使切割位置的配置更為多樣化,而不侷限於第一初代族群所對應的切割位置;交配和突變第二初代族群的各角度染色體為製造出複數個位置變異染色體,複數個位置變異染色體則具有相異於第二初代族群的第二對應區塊和切割角度,使切割角度的配置更為多樣化,而不侷限於第二初代族群所對應的切割角度。
請參閱第7圖、第8圖以及第9圖,其分別為本發明之圓餅狀數位模型之模擬切割方法之實施例之基因演算法之流程圖、本發明之圓餅狀數位模型之模擬切割方法之實施例之基因演算法之yz截面積切割之示意圖以及本發明之圓餅狀數位模型之模擬切割方法之實施例之基因演算法之xy截面積切割之示意圖。於本實施例中,相同元件符號之元件,其配置與前述類似,其類似處於此便不再加以贅述。
於此,先敘明本發明之圓餅狀數位模型之模擬切割方法和圓柱狀數位模型之模擬切割方法的不同之處乃為第1圖的S11步驟,S11步驟: 處理器20根據核反應爐結構在資料庫30內選用立體模型C及參考點O,且處理器20根據立體模型於第一方向軸和第二方向軸的最高點和最低點取得模型高度和模型寬度,而其餘整體的流程乃如第1圖的步驟。
如第7圖、第8圖和第9圖所示,本發明之圓餅狀數位模型和圓柱狀數位模型之模擬切割方法的不同之處乃為第1圖的S11步驟和基因演算法所截取的截面積,利用圓餅狀數位模型之模擬切割方法的基因演算法於取得切割資訊S的步驟,並設定第一方向軸為x軸,各第一截面為在yz平面,第二方向軸為z軸,各第二截面為在xy平面,其包含:(i)S31步驟:模擬元件21設定第一位置染色體具有對應各第一切割位置的第一對應區塊,各第一對應區塊具有相應的第一切割高度,模擬元件21重複產生第一位置染色體直到第一位置染色體的數目到達第一固定數目,具有第一固定數目的第一位置染色體為第一初代族群,需說明的是,各第一切割位置為x軸上的位置,各第一截面積(yz截面積)為以C1~C9表示,第一固定數目的數值則可例如為8個或10個,第一切割位置和第一固定數目的數值可根據實際所需加以調整,而未侷限於本發明所陳述的範圍。(ii)S32步驟:計算元件22計算對應第一初代族群的各第一對應區塊的數量和各截面積的總和為複數個第一適應值。(iii)S33步驟:模擬元件21交配和突變第一初代族群的各第一位置染色體以獲得複數個第一位置變異染色體,複數個第一位置變異染色體的第一切割位置則相異於第一初代族群的第一切割位置,計算元件22計算各第一位置變異染色體對應的第一對應區塊的數量和各截面積的總和為第一變異適應值,由於本發明之圓餅狀數位模型和圓柱狀數位模型之模擬切割方法的第一方向軸相異,本發明之圓餅狀數位模型和圓柱狀數位模型之模擬切割方法的第一適應值和第一變異適應值彼此相異。(iv)S34步驟:排列元件23排列各第一適應值和各第一變異適應值的順序,選擇元件24根據第一選擇條件選擇複數個第一優良染色體。(v)S35步驟:模擬元件21沿z軸模擬切割各第一優良染色體,使各第一優良染色體在每個第二切割位置具有第二截面,各第二截面利用立體模型C和參考點O得知第二截面積(xy截面積)D1~D9,各第二切割位置之間的距離為切割寬度,而第二切割位置的數目可根據實際所需加以調整,而未侷限於本發明所陳述的範圍。(vi)S36步驟:模擬元件21設定第二位置染色體具有對應各第二切割位置的第二對應區塊,各第二對應區塊具有相應的切割寬度,模擬元件21重複產生第二位置染色體直到第二位置染色體的數目到達第二固定數目,具有第二固定數目的第二位置染色體為第二初代族群,其中,第二固定數目為小於第一固定數目,第二固定數目的數值則可例如為6個或4個,第二固定數目也可根據實際狀況加以調整。(vii)S37步驟:計算元件22計算對應第二初代族群的第二對應區塊的數量和各第二截面積的總和為複數個第二適應值。(viii)S38步驟:模擬元件21交配和突變第二初代族群的各第二位置染色體以獲得複數個第二位置變異染色體,計算元件22計算各第二位置變異染色體對應的第二對應區塊的數量和各第二截面積的總和為第二變異適應值。(ix)S39步驟:排列元件23排列各第二適應值和各第二變異適應值的順序,選擇元件24根據第二選擇條件選擇複數個第二優良染色體。(x)S40步驟:選擇元件24重複基因演算法的演算,直到選出最佳染色體及整合最佳染色體對應的各第一切割位置和各第二切割位置為切割資訊S。透過基因演算法之截面積的二重篩選機制,使得核反應爐結構10欲切割面積最佳化,刀具40在根據切割資訊S切割核反應爐結構10時的磨損降低。
同樣地,第一選擇條件為選擇複數個第一適應值和複數個第一變異適應值中前幾個其數值較小所對應的位置染色體和位置變異染色體為複數個第一優良染色體,複數個第一優良染色體的數量為第一固定數目,當選擇元件24無法找尋到較佳的複數個第一優良染色體,則第一初代族群演化至800代停止;第二選擇條件為選擇複數個第二適應值和複數個第二變異適應值中前幾個其數值較小所對應的角度染色體和角度變異染色體為複數個第二優良染色體,複數個第二優良染色體的數量為第二固定數目,當選擇元件24無法找尋到較佳的複數個第二優良染色體,則第二初代族群演化至800代停止。
值得一提的是,當第一位置染色體對應的第一切割高度的總和大於模型高度時,調整切割高度等於模型高度,其餘的第一對應區塊的數值為零;當第二位置染色體對應的切割寬度的總和大於模型寬度時,調整切割高度等於模型寬度,其餘的第二對應區塊的數值為零,以順利地進行基因演算法之演算。
此外,交配和突變第二初代族群的各第二位置染色體以及交配和突變第一初代族群的各第一位置染色體,其皆為使切割位置多樣化,使最佳染色體的配置更為多種;透過交配、突變和選擇的搭配,不合適之切割位置的配置予以淘汰,合適之切割位置的配置予以保留,透過不斷的淘汰和保留,選出最佳化的切割資訊S,使刀具40的磨損量降至最低。
值得一提的是,也能將本發明之圓餅狀數位模型之模擬切割方法應用於晶圓切割,並搭配第7圖和第1圖說明如下:(1)處理器20根據晶圓的形狀選用適當的立體模型C和參考點O及利用大量的空間三角形表示立體模型C,模擬元件21沿x軸模擬切割立體模型C及在每個第一切割位置具有yz截面,模擬元件21接續利用立體模型C的三角形距離參考點O的最大值和最小值得知各yz截面的yz截面積,各第一切割位置之間的距離為第一切割高度。(2)模擬元件21、計算元件22、排列元件23以及選擇元件24利用基因演算法進行第一次篩選而取得於在x軸模擬切割的第一切割資訊。(3)模擬元件21根據第一切割資訊在晶圓上模擬切割,並在沿z軸模擬切割立體模型C及在每個第二切割位置具有xy截面,模擬元件21接續利用立體模型C的三角形距離參考點O的最大值和最小值得知各xy截面的xy截面積,各第二切割位置之間的距離為第二切割高度。(4)模擬元件21、計算元件22、排列元件23以及選擇元件24利用基因演算法進行第二次篩選而取得於在z軸模擬切割的第二切割資訊。(5)整合第一切割資訊和第二切割資訊所對應的第一切割位置和第二切割位置,再利用晶圓切割裝置根據第一切割位置和第二切割位置切割晶圓,將晶圓適當地切割以切割晶圓至適當的大小。
需說明的是,圓餅狀數位模型和圓柱狀數位模型之模擬切割方法為分別應用於核反應爐的不同部件之切割,舉例來說,圓餅狀數位模型之模擬切割方法為針對核反應爐的內部管件進行切割,圓柱狀數位模型之模擬切割方法為針對核反應爐的外部管件進行切割,當然也可根據核反應爐的實際部件應用不同的模擬切割方法切割。此外,前述實施例的基因演算法為在Visual Studio
®內進行,立體模型C為Solid Works
®內的模型,且可利用Visual Studio
®在Solid Works
®內根據切割資訊S自動模擬切割核反應爐,進而得知切割資訊S的配置是否得宜。
續言之,藉由SolidWorks
®API介面、SolidWorks
®VBA以及Macro巨集和Visual Studio
®的搭配,在Solid Works
®內自動根據切割資訊S執行模擬切割,使模擬切割的程序更為方便,Visual Studio
®能適時地調整切割資訊S的參數,而能即時得知模擬切割的狀況,當然工程師也能在SolidWorks
®內手動地根據切割資訊S進行模擬切割,並加以調整切割資訊S的參數。
請參閱第10圖,其為本發明之圓柱狀和圓餅狀數位模型之模擬切割方法之第二實施例之切割核反應爐結構的示意圖。如第10圖所示,模擬元件21根據切割資訊S模擬切割核反應爐結構10,將核反應爐結構10做最適當地切割,而此為Solid Works
®內的模擬切割結果,刀具40切割核反應爐結構10時則會根據實際狀況加以調整切割資訊的參數,而其未必是Solid Works
®的模擬切割結果。
需說明的是,本發明之圓柱狀和圓餅狀數位模型之模擬切割方法可搭配具有人機介面的電腦執行,當然也可為其他具有人機介面的電子裝置,並未侷限於本發明所列舉的範圍;另外,依據近期國外的核電廠除役經驗,許多高輻射零件已採行水下切割,偏向使用機械式切割,例如圓盤鋸與帶鋸機,因此零組件的切割規劃路徑皆為直線。在以水作為屏蔽並採行遠距操作的前題下,本發明不考慮輻射強度,僅針對核反應爐相關組件幾何形狀進行模擬切割,在利用本發明之方法運算時需要先設定容器尺寸與刀具的切縫寬度,而切縫寬度的設定可以得知切割所產生的切屑數量,接續利用基因演算法進行最佳化演算,並以最小化切割面積為目標來模擬切割核反應爐相關組件。由於在最小化切割面積的條件下,切割時間及二次廢棄物(切屑)數量最小化,並且增加刀具的使用壽命,進而降低在實際切割時的成本。
綜上所述,本發明之圓柱狀和圓餅狀數位模型之模擬切割方法,透過立體模型C和基因演算法的搭配,將切割資訊S的參數配置最佳化,使得核反應爐結構10欲切割面積最佳化,刀具40在根據切割資訊S切割核反應爐結構10時的磨損降低,且也能根據核反應爐結構10的部件,選用相應的立體模型C和參數模擬切割資訊S,以順利地切割核反應爐結構10的不同部件。總括而言,本發明之圓柱狀和圓餅狀數位模型之模擬切割方法,具有如上述的優點,達成刀具40的磨損降低和核反應爐結構欲切割面積最少之目的。
以上所述僅為舉例性,而非為限制性者。任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應包含於申請專利範圍中。
10‧‧‧核反應爐結構
20‧‧‧處理器
21‧‧‧模擬元件
22‧‧‧計算元件
23‧‧‧排列元件
24‧‧‧選擇元件
30‧‧‧資料庫
40‧‧‧刀具
A1~A9‧‧‧xz截面積
B0~B359‧‧‧角度截面積
C1~C9‧‧‧yz截面積
C‧‧‧立體模型
D1~D9‧‧‧xy截面積
O‧‧‧參考點
S‧‧‧切割資訊
S11~S14、S21~S30、S31~S40‧‧‧步驟
第1圖為本發明之圓柱狀數位模型之模擬切割方法之實施例之方塊圖。
第2圖為本發明之圓柱狀數位模型之模擬切割方法之實施例之流程圖。
第3圖為基因演算法之流程圖。
第4圖為本發明之圓柱狀數位模型之模擬切割方法之實施例之基因演算法之流程圖。
第5圖為本發明之圓柱狀數位模型之模擬切割方法之實施例之基因演算法之xz截面積切割之示意圖。
第6圖為本發明之圓柱狀數位模型之模擬切割方法之實施例之基因演算法之角度切割之示意圖。
第7圖為本發明之圓餅狀數位模型之模擬切割方法之實施例之基因演算法之流程圖。
第8圖為本發明之圓餅狀數位模型之模擬切割方法之實施例之基因演算法之yz截面積切割之示意圖。
第9圖為本發明之圓餅狀數位模型之模擬切割方法之實施例之基因演算法之xy截面積切割之示意圖。
第10圖為本發明之圓餅狀數位模型之模擬切割方法之實施例之切割核反應爐結構的示意圖。
Claims (10)
- 一種圓柱狀數位模型之模擬切割方法,其包括: 根據一核反應爐結構,選用一立體模型及一參考點,且根據該立體模型的最高點和最低點取得一模型高度; 沿一第一方向軸模擬切割該核反應爐結構,使該核反應爐在每一切割位置具有一截面,各該截面利用該立體模型和該參考點得知一截面積,各該切割位置之間的距離為一切割高度; 以一基因演算法計算一切割資訊,該基因演算法包含: 設定一位置染色體具有對應各該切割位置的一第一對應區塊,各該第一對應區塊具有相應的該切割高度,重複產生該位置染色體直到該位置染色體的數目到達一第一固定數目,具有該第一固定數目的該位置染色體為一第一初代族群; 計算對應該第一初代族群的各該第一對應區塊的數量和各該截面積的總和為複數個第一適應值; 交配和突變該第一初代族群的各該位置染色體以獲得複數個位置變異染色體,計算各該位置變異染色體對應的該第一對應區塊的數量和各該截面積的總和為一第一變異適應值; 排列各該第一適應值和各該第一變異適應值的順序,並根據一第一選擇條件選擇複數個第一優良染色體; 對各該第一優良染色體於所對應的該截面模擬切割,使各該截面在每一切割角度具有一角度截面,各該角度截面根據該表面的厚度和該表面的中心得知一角度截面積,各該切割角度之間的差值為一角度差; 設定一角度染色體具有對應各該切割角度的一第二對應區塊,各該第二對應區塊具有相應的該角度差,重複產生該角度染色體直到該角度染色體的數目到達一第二固定數目,具有該第二固定數目的該角度染色體為一第二初代族群; 計算對應該第二初代族群的該第二對應區塊的數量和各該角度截面積的總和為複數個第二適應值; 交配和突變該第二初代族群的各該角度染色體以獲得複數個角度變異染色體,計算各該角度變異染色體對應的該第二對應區塊的數量和各該角度截面積的總和為一第二變異適應值; 排列各該第二適應值和各該第二變異適應值的順序,並根據一第二選擇條件選擇複數個第二優良染色體;以及 重複該基因演算法的演算,直到選出一最佳染色體及整合該最佳染色體對應的各該切割位置和各該角度為該切割資訊;以及 根據該切割資訊切割該核反應爐結構。
- 如申請專利範圍第1項所述的圓柱狀數位模型之模擬切割方法,其中,當該位置染色體對應的該切割高度的總和大於該模型高度時,調整該切割高度等於該模型高度,其餘的該第一對應區塊的數值為零。
- 如申請專利範圍第1項所述的圓柱狀數位模型之模擬切割方法,其中,當該角度染色體對應的該角度差的和大於360度時,調整該角度差的和為360度,其餘的該第二對應區塊的數值為零。
- 如申請專利範圍第1項所述的圓柱狀數位模型之模擬切割方法,其中,該第一選擇條件為選擇該複數個第一適應值和該複數個第一變異適應值中前幾個其數值較小所對應的該位置染色體和該位置變異染色體為該複數個第一優良染色體,該複數個第一優良染色體的數量為該第一固定數目。
- 如申請專利範圍第1項所述的圓柱狀數位模型之模擬切割方法,其中,該第二選擇條件為選擇該複數個第二適應值和該複數個第二變異適應值中前幾個其數值較小所對應的該角度染色體和該角度變異染色體為該複數個第二優良染色體,該複數個第二優良染色體的數量為該第二固定數目。
- 一種圓餅狀數位模型之模擬切割方法,其包括: 根據一核反應爐結構,選用一立體模型及一參考點,且根據該立體模型於一第一方向軸和一第二方向軸的最高點和最低點取得一模型高度和一模型寬度; 沿一第一方向軸模擬切割該核反應爐,使該核反應爐在每一第一切割位置具有一第一截面,各該第一截面利用該立體模型和該參考點得知一第一截面積,各該第一切割位置之間的距離為一第一切割高度; 以一基因演算法計算一切割資訊,該基因演算法包含: 設定一第一位置染色體具有對應各該第一切割位置的一第一對應區塊,各該第一對應區塊具有相應的該第一切割高度,重複產生該第一位置染色體直到該第一位置染色體的數目到達一第一固定數目,具有該第一固定數目的該第一位置染色體為一第一初代族群; 計算對應該第一初代族群的各該第一對應區塊的數量和各該截面積的總和為複數個第一適應值; 交配和突變該第一初代族群的各該第一位置染色體以獲得複數個第一位置變異染色體,計算各該第一位置變異染色體對應的該第一對應區塊的數量和各該截面積的總和為一第一變異適應值; 排列各該第一適應值和各該第一變異適應值的順序,並根據一第一選擇條件選擇複數個第一優良染色體; 沿一第二方向軸模擬切割各該第一優良染色體,使各該第一優良染色體在每一第二切割位置具有一第二截面,各該第二截面利用該立體模型和該參考點得知一第二截面積,各該第二切割位置之間的距離為一切割寬度; 設定一第二位置染色體具有對應各該第二切割位置的一第二對應區塊,各該第二對應區塊具有相應的該切割寬度,重複產生該第二位置染色體直到該第二位置染色體的數目到達一第二固定數目,具有該第二固定數目的該第二位置染色體為一第二初代族群; 計算對應該第二初代族群的該第二對應區塊的數量和各該第二截面積的總和為複數個第二適應值; 交配和突變該第二初代族群的各該第二位置染色體以獲得複數個第二位置變異染色體,計算各該第二位置變異染色體對應的該第二對應區塊的數量和各該第二截面積的總和為一第二變異適應值; 排列各該第二適應值和各該第二變異適應值的順序,並根據一第二選擇條件選擇複數個第二優良染色體;以及 重複該基因演算法的演算,直到選出一最佳染色體及整合該最佳染色體對應的各該第一切割位置和各該第二切割位置為一切割資訊;以及 根據該切割資訊切割該核反應爐結構。
- 如申請專利範圍第6項所述的圓餅狀數位模型之模擬切割方法,其中,當該第一位置染色體對應的該第一切割高度的總和大於該模型高度時,調整該切割高度等於該模型高度,其餘的該第一對應區塊的數值為零。
- 如申請專利範圍第6項所述的圓餅狀數位模型之模擬切割方法,其中,當該第二位置染色體對應的該切割寬度的總和大於該模型寬度時,調整該切割高度等於該模型寬度,其餘的該第二對應區塊的數值為零。
- 如申請專利範圍第6項所述的圓餅狀數位模型之模擬切割方法,其中,該第一選擇條件為選擇該複數個第一適應值和該複數個第一變異適應值中前幾個其數值較小所對應的該第一位置染色體和該第一位置變異染色體為該複數個第一優良染色體,該複數個第一優良染色體的數量為該第一固定數目。
- 如申請專利範圍第6項所述的圓餅狀數位模型之模擬切割方法,其中,該第二選擇條件為選擇該複數個第二適應值和該複數個第二變異適應值中前幾個其數值較小所對應的該第二位置染色體和該第二位置變異染色體為該複數個第二優良染色體,該複數個第二優良染色體的數量為該第二固定數目。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107128202A TWI669616B (zh) | 2018-08-13 | 2018-08-13 | 圓柱狀和圓餅狀數位模型之模擬切割方法 |
US16/354,429 US10839516B2 (en) | 2018-08-13 | 2019-03-15 | Simulate segmentation method of cylinder and pie cake digital models |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107128202A TWI669616B (zh) | 2018-08-13 | 2018-08-13 | 圓柱狀和圓餅狀數位模型之模擬切割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI669616B true TWI669616B (zh) | 2019-08-21 |
TW202009744A TW202009744A (zh) | 2020-03-01 |
Family
ID=68316301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107128202A TWI669616B (zh) | 2018-08-13 | 2018-08-13 | 圓柱狀和圓餅狀數位模型之模擬切割方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10839516B2 (zh) |
TW (1) | TWI669616B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112799039B (zh) * | 2021-04-13 | 2021-07-13 | 信通院(西安)科技创新中心有限公司 | 一种认知无线电测距系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5936863A (en) * | 1998-01-28 | 1999-08-10 | Lockheed Martin Idaho Technologies Company | Optimal segmentation and packaging process |
TW200840636A (en) * | 2007-04-12 | 2008-10-16 | Cefco Llc | Process and apparatus for carbon capture and the elimination of multi-pollutants in flue gas from hydrocarbon fuel sources and the recovery of multiple by-products |
TW201314705A (zh) * | 2011-06-01 | 2013-04-01 | Transco Prod Inc | 用於核能發電廠內緊急爐心冷卻系統之高容量吸濾器 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3833796A (en) * | 1971-10-13 | 1974-09-03 | Georgia Tech Res Inst | Method and apparatus for chromosome digitizing |
US3919720A (en) * | 1973-02-23 | 1975-11-11 | Westinghouse Electric Corp | Nuclear power plant training simulator modeling organization and method |
US6404437B1 (en) * | 1999-09-10 | 2002-06-11 | General Electric Company | Nuclear reactor core performance data visualization system |
US7033781B1 (en) * | 1999-09-29 | 2006-04-25 | Diversa Corporation | Whole cell engineering by mutagenizing a substantial portion of a starting genome, combining mutations, and optionally repeating |
GB0315991D0 (en) * | 2003-07-08 | 2003-08-13 | Dakocytomation Denmark As | Standard |
WO2005010206A1 (ja) * | 2003-07-29 | 2005-02-03 | Nec Corporation | 染色体状態の評価方法および評価システム |
US20070014452A1 (en) * | 2003-12-01 | 2007-01-18 | Mitta Suresh | Method and system for image processing and assessment of a state of a heart |
US8369600B2 (en) * | 2008-03-25 | 2013-02-05 | General Electric Company | Method and apparatus for detecting irregularities in tissue microarrays |
US8488863B2 (en) * | 2008-11-06 | 2013-07-16 | Los Alamos National Security, Llc | Combinational pixel-by-pixel and object-level classifying, segmenting, and agglomerating in performing quantitative image analysis that distinguishes between healthy non-cancerous and cancerous cell nuclei and delineates nuclear, cytoplasm, and stromal material objects from stained biological tissue materials |
CN102576027B (zh) * | 2009-08-22 | 2014-10-01 | 里兰斯坦福初级大学理事会 | 成像并评估胚胎、卵母细胞和干细胞 |
JP5424819B2 (ja) * | 2009-11-04 | 2014-02-26 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
JP2013019728A (ja) * | 2011-07-08 | 2013-01-31 | Toshiba Corp | 原子炉の核熱水力安定性監視装置、方法、及びプログラム |
US20130083878A1 (en) * | 2011-10-03 | 2013-04-04 | Mark Massie | Nuclear reactors and related methods and apparatus |
US20140114630A1 (en) * | 2012-03-21 | 2014-04-24 | Scott Brenner Brave | Generating Artifacts based on Genetic and Breeding Simulation |
US20150228363A1 (en) * | 2012-09-05 | 2015-08-13 | Transatomic Power Corporation | Nuclear reactors and related methods and apparatus |
CN104461728B (zh) * | 2013-09-18 | 2019-06-14 | Sap欧洲公司 | 迁移事件调度管理的计算机系统、介质和方法 |
-
2018
- 2018-08-13 TW TW107128202A patent/TWI669616B/zh active
-
2019
- 2019-03-15 US US16/354,429 patent/US10839516B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5936863A (en) * | 1998-01-28 | 1999-08-10 | Lockheed Martin Idaho Technologies Company | Optimal segmentation and packaging process |
TW200840636A (en) * | 2007-04-12 | 2008-10-16 | Cefco Llc | Process and apparatus for carbon capture and the elimination of multi-pollutants in flue gas from hydrocarbon fuel sources and the recovery of multiple by-products |
TW201314705A (zh) * | 2011-06-01 | 2013-04-01 | Transco Prod Inc | 用於核能發電廠內緊急爐心冷卻系統之高容量吸濾器 |
TW201727663A (zh) * | 2011-06-01 | 2017-08-01 | 傳斯可產品公司 | 用於核能發電廠內緊急爐心冷卻系統之高容量吸濾器 |
Also Published As
Publication number | Publication date |
---|---|
US10839516B2 (en) | 2020-11-17 |
TW202009744A (zh) | 2020-03-01 |
US20200051248A1 (en) | 2020-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Bio-inspired generative design for support structure generation and optimization in Additive Manufacturing (AM) | |
Keane | Cokriging for robust design optimization | |
CN111765445A (zh) | 一种锅炉在线燃烧优化控制方法、系统及计算机设备 | |
Prabhaharan et al. | Genetic-algorithm-based optimal tolerance allocation using a least-cost model | |
TWI669616B (zh) | 圓柱狀和圓餅狀數位模型之模擬切割方法 | |
US9047995B2 (en) | Method and system for designing a nuclear reactor core for uprated power operations | |
CN111931340A (zh) | 一种公差管理系统及管理方法 | |
WO2011122423A1 (en) | System and method for optimizing machining simulation | |
JP2010097369A (ja) | 最適パラメータ抽出装置及び抽出方法、並びに本方法を用いるマスクデータ、マスク及び半導体装置の製造方法 | |
Zhu et al. | A lightweight design of tree-shaped support structures for SLM additive manufacturing | |
Yongxing et al. | Optimization approach for a catamaran hull using CAESES and STAR-CCM+ | |
Hallmann et al. | Optimization of build time and support material quantity for the additive manufacturing of non-assembly mechanisms | |
JP2008051509A (ja) | 3次元炉心解析方法及び3次元炉心解析プログラム | |
Shiu et al. | Digital twin-driven centering process optimization for high-precision glass lens | |
CN107609320A (zh) | 一种桁架非概率可靠性形状优化设计方法 | |
Tsai et al. | The computer aided cutting planning of components using genetic algorithms for decommissioning of a nuclear reactor | |
CN113591299A (zh) | 判定不同类型微通道散热器综合性能优劣的方法和系统 | |
WO2022091503A1 (ja) | 設計支援システム、設計支援方法及び設計支援プログラム | |
Ahmad et al. | Fixture layout optimization for large metal sheets using genetic algorithm | |
Shen | Environmental parametric multi-objective optimization for high performance facade design | |
CN111581750B (zh) | 一种基于isight软件的多学科多指标产品结构优化设计方法 | |
Glänzel et al. | Parameterization of environmental influences by automated characteristic diagrams for the decoupled fluid and structural-mechanical simulations | |
CN117077295B (zh) | 一种基于预连接数字孪生模型的预连接件数量优选方法 | |
Zheng et al. | Robot path optimization for laser cladding forming | |
Hiscox et al. | Artificial Intelligence for Multiphysics Nuclear Design Optimization with Additive Manufacturing |