A hybrid global local computational framework for ship hull structural analysis using homogenized model and graph neural network

Sintesi Tecnica: Un Framework Computazionale Ibrido Globale-Locale per l'Analisi Strutturale dello Scafo Navale

Definizione del Problema
L'analisi strutturale dello scafo navale affronta tradizionalmente un compromesso tra efficienza computazionale e accuratezza locale. I modelli a elementi finiti (FEM) 3D ad alta fedeltà forniscono campi di tensione e spostamento dettagliati, ma sono computazionalmente proibitivi per l'ottimizzazione iterativa del design. Al contrario, i modelli a strato equivalente singolo (ESL) offrono previsioni globali rapide, ma spesso mancano della risoluzione necessaria per catturare accuratamente le concentrazioni di tensione locali dettagliate all'interno dei pannelli irrigiditi. Questo studio affronta la necessità di un framework che preveda efficientemente il comportamento strutturale globale, recuperando simultaneamente le risposte locali ad alta fedeltà per qualsiasi pannello all'interno della trave di nave.

Metodologia
Il framework proposto integra un modello ESL omogeneizzato a maglia grossolana con una Rete Neurale a Grafo (GNN), specificamente un Heterogeneous Graph Transformer (HGT), per colmare il divario tra le scale globale e locale. La metodologia si articola in tre fasi distinte:

1. Analisi Globale: Viene impiegato un modello ESL omogeneizzato a maglia grossolana per prevedere efficientemente il campo di spostamento globale della trave di nave.
2. Ricostruzione dei Bordi: I gradi di libertà (DOF) vengono estratti dai bordi dei pannelli irrigiditi all'interno del modello globale. Viene sviluppato un procedimento specifico di mappatura e ricostruzione dei DOF globale-locale per recuperare la cinematica dei bordi dettagliata, traducendo efficacemente la soluzione globale grossolana in condizioni al contorno precise per l'analisi locale.
3. Previsione Locale tramite HGT: I DOF ricostruiti dei bordi, combinati con la geometria del pannello e le condizioni di carico, fungono da input per un Heterogeneous Graph Transformer (HGT). Questo sottotipo di GNN è addestrato su un dataset generato da modelli a elementi finiti di pannelli 3D ad alta fedeltà che utilizzano le condizioni al contorno ricostruite. Una volta addestrato, l'HGT generalizza su diverse geometrie dei pannelli, carichi e comportamenti dei bordi per prevedere rapidamente i campi di tensione e spostamento dettagliati per qualsiasi pannello della nave.

Contributi Chiave

• Architettura Ibrida: Lo sviluppo di un framework computazionale che accoppia un modello ESL omogeneizzato basato sulla fisica con un HGT basato sui dati, consentendo una transizione fluida dall'analisi strutturale globale all'analisi della tensione locale.
• Mappatura e Ricostruzione dei DOF: La formulazione di un procedimento per estrarre e ricostruire la cinematica dei bordi da una maglia globale grossolana, garantendo che la GNN locale riceva condizioni al contorno accurate derivate dalla soluzione globale.
• Modello GNN Generalizzabile: L'addestramento di un HGT capace di gestire input eterogenei (geometria, carico, condizioni al contorno) per prevedere le risposte locali senza richiedere la rimagliatura o la risoluzione di nuovi modelli 3D ad alta fedeltà per ogni nuovo scenario.

Risultati
Il framework è stato validato utilizzando tre casi studio di travi a scatola (box beam). I risultati indicano che:

• L'accuratezza della previsione globale è governata principalmente dalla risoluzione della soluzione ESL a maglia grossolana.
• La componente HGT mantiene un'elevata accuratezza nella previsione dei campi di tensione e spostamento locali.
• Il framework proposto supera chiaramente i metodi convenzionali di stima della tensione basati su ESL in termini di accuratezza locale.
• Una volta addestrato l'HGT, il framework richiede solo la soluzione ESL globale per generare risposte locali dettagliate, riducendo significativamente l'overhead computazionale.

Significatività
Il documento afferma che questo framework è altamente adatto per compiti di ottimizzazione strutturale. Decoupling (disaccoppiando) l'analisi locale ad alta fedeltà, computazionalmente costosa, dal processo di design iterativo, il metodo consente la generazione rapida di risposte locali dettagliate basate esclusivamente sulle soluzioni globali. Questa capacità affronta il collo di bottiglia nell'ottimizzazione dello scafo navale, dove i controlli dettagliati della tensione locale sono tipicamente richiesti ma computazionalmente onerosi da eseguire ripetutamente.