报告题目：Machine learning based engineering design

基于机器学习的工程设计

主讲人：朱峰教授（美国安柏瑞德航空航天大学）

时间：2018年12月29日星期六上午10:00-11:30

地点：机械院316报告厅

欢迎广大师生参加！

主讲人简介：FengZhu（朱峰），美国安柏瑞德航空航天大学(Embry-Riddle Aeronautical University)副教授(tenure track)，博士生导师，计算仿真实验室主任；美国麻省理工学院(MIT)冲击与抗撞性实验室(Impact and Crashworthiness Lab)长期高级访问学者。朱峰博士主要从事于汽车与飞行器结构安全，汽车轻量化及人体损伤生物力学与防护等方向的教学和研究工作。已出版专著一本，发表论文百余篇，其中包括七十余篇国际期刊论文，论文总引用数超过1700余次。担任多个国际期刊的特邀编委，40多个国际期刊审稿专家，美国陆军研究基金评审专家。连续六年担任美国汽车工程师年会(SAE World Congress)安全分会召集人及分会主席。目前还担任SAE车辆成员防护委员会委员，以及SAE 2018-19年度Forest R. McFarland杰出贡献奖获得者。

报告简介：Complicated engineering products such as cars with a large number of components can be regarded as big data systems, where the vast amount of dependent and independent design variables must be considered systematically during the product development. To design such a system with high-dimensional design variables, we are aiming at developing a novel methodology based on data mining theory, and it is implemented through designing a crashworthy passenger car, which is a multi-level (system – components) complicated system. Decision tree technique was used to mine the crash simulation datasets to identify the key design variables with most significant effect on the vehicular energy absorption response and determine the range of their values. In this way, the design space can be significantly reduced and the high-dimensional design problem is greatly simplified. The results suggest that the data mining-based approach can be used to design a complicated structure with multiple parameters effectively and efficiently. Compared with the traditional design method, the new approach could simplify and speed up the design process without significant influence on the accuracy.

复杂的工程产品（如具有大量组件的汽车）可视为大数据系统，在产品开发过程中必须系统地考虑大量非独立和独立的设计变量。为了设计这样一个具有高维设计变量的系统，我们将开发一种基于数据挖掘理论的新设计方法，并将该设计方法应用在一个多级（系统-组件）复杂系统设计中——某乘用车的防撞设计。决策树技术用来挖掘通过碰撞仿真获得的数据集，以识别对车辆吸能响应具有最显著影响的关键设计变量，并确定这些设计变量的范围。这样，可以显著减小设计空间，大大简化了高维设计问题。研究结果表明基于数据挖掘的设计方法可用于高效地用于设计具有多个参数的复杂结构。与传统的设计方法相比，新方法可以简化和加快设计过程，而不会对精度产生重大影响。