Generative Design of Sheet Metal Structures

一句话总结

提出首个能从高层规格（环境 + 载荷）全自动生成”承载型”钣金件的框架，用形状文法 + 多链 MCMC 探索、弹簧收缩优化与 beam-search 组合，在满足空间、制造与结构约束下最小化用料，并借助钣金独有的”自铆接”进一步降低柔度。

研究背景

• 领域现状：钣金（Sheet Metal, SM）是最常见的金属加工工艺之一，加工过程是对一张平板做一系列切割和折弯。现有的 CAD 工具（SolidWorks、Onshape 等）和多数研究都停留在”辅助人工设计”层面——做交互界面、平面展开、特征识别，几乎没有系统能从功能需求直接自动生成可制造的钣金件。
• 核心痛点：钣金设计目前高度依赖人工，一个中等复杂度的零件专家也要数小时。为降低复杂度，工程师被迫采用刚性规范（如只用直角折弯），这限制了搜索空间、牺牲了强度-重量比。其本质困难在于搜索空间同时具有离散拓扑（折弯/切割的数量与结构）和连续几何（折弯角度、切割尺寸）双重属性，且要同时满足环境（避碰 + 可铆接）、制造（单板切出、可按序无碰折弯）、结构（应力与柔度达标）三类约束，导致有效解稀疏、评估昂贵（需物理仿真）。
• 本文 idea：把问题拆成”发现”与”组合”两阶段——先构建一个由局部最优子结构（segment，连接载荷到支撑点的一串 tab）组成的库，再从库里搜索一个满足结构约束且用料最省的子集组合。围绕这个主干提出三个关键洞察：分阶段解耦、离散采样 + 连续优化解耦、多条互通 MCMC 链促进多样性。

方法

整体框架：系统输入是环境（3D 模型，标注可铆接区域与需避开的障碍）和待连接的载荷（3D 盒 + 外力），输出是一份可直接制造的平面展开图 + 有序折弯指令。核心是两阶段的探索-组合流水线。

flowchart LR
  A["输入: 环境 + 载荷"] --> B["段发现 Segment Discovery"]
  B --> B1["MH 文法探索 (离散采样)"]
  B --> B2["弹簧收缩几何优化 (连续)"]
  B1 --> C["段库 Segment Library"]
  B2 --> C
  C --> D["段组合 Segment Composition (Beam-Search)"]
  D --> E["自铆接 Self-Riveting 柔度修正"]
  E --> F["输出: 平面展开 + 折弯指令"]

关键设计：

1. 精简形状文法。用上下文无关文法表示搜索空间，只保留一种节点——tab（在最终件中保持平面的一块区域），从父 tab 的某条边以指定角度延伸。每个 tab 用 6 个参数刻画：父边起点 \(d\)、宽 \(w\)、垂直长 \(l\)，以及三个相对父 tab 的旋转角 \(\theta_1,\theta_2,\theta_3\)。文法树天然对应折弯操作链，显式指定折弯顺序后可即时检查所有可制造性约束。

2. 可逆跳跃 MCMC 探索。用 Metropolis-Hastings 采样器在离散-连续混合空间搜索，支持两种动作：Diffuse move（局部：重采样某个 feeler tab 参数）和 Jump move（全局：删掉某子树并重新采样）。似然函数同时奖励”靠近铆接区”和”多样性”——对已被多链频繁连接的铆接区做惩罚： \[f=\sum_{i}^{\#RA}\sum_{j}^{edge(T)} e^{-\alpha\cdot dist(edge_j, RA_i)}\cdot\left(1-\frac{c(RA_i)}{1+\sum_{RA_i} c(RA_i)}\right)^{\beta}\] 其中 \(RA_i\) 是第 \(i\) 个铆接区，\(c\) 统计跨所有链到 \(RA_i\) 的连接数，\(\alpha,\beta\) 设为 1 和 3。为避免早期解偏置，作者跑 \(M\) 条互通的链（每条允许新段从旧段生长），并让链间共享连接信息以鼓励探索欠开发区域。

3. 弹簧收缩几何优化。文法采到的连接对制造而言往往过长过窄。作者把段建模成弹簧网络做物理收缩以最小化用料：直接梯度法难以处理与复杂网格的避碰，无导数优化又不够稳健高效。关键技巧是把弹簧常数设为 \(k_{base}/(l_i-l_{min})\)，使被最小化的能量从”平方长度之和”退化为”长度之和”： \[E_{segment}=\frac{1}{2}\sum_i k\cdot(l_i-l_{min})^2=\frac{1}{2}K_{base}\sum_i (l_i-l_{min})\] 先做长度最小化，再做宽度最大化（增大 \(w\)、减小 \(d\) 直到碰撞或撑满父边宽）——因为钣金件加宽通常在不增加成本的前提下增强零件。

4. Beam-Search 组合 + 自铆接。段之间对强度是单调的（并联弹簧只会增刚），故可独立发现再组合。由于穷举组合需要 \(2^{O(N)}\) 次 FEM 仿真不可行，改用 beam-search，用户仅需调 beam 宽度一个参数权衡质量与耗时。最后利用钣金独有的自铆接：把零件折到贴合自身并铆接重叠处，用较小的增重把高柔度边连到低柔度边，在满足安全裕度（MOS）但柔度超标时显著降低柔度、且减少用料与折弯数。

实验结果

材料为航空常用 Aluminum 2024T3（厚 1.6 mm），并发链数 10、探索迭代 1000 次。主实验是与人类专家的对比：给一位钣金工程师一个含 10 个载荷的航电舱环境设计钣金件，再用本系统跑同一场景，统计累计耗时与用料。

指标	专家	本文	变化
耗时 [hrs]	12.45	3.65	-70.6%
用料 [m²]	5.169	4.467	-13.5%

系统在设计时间上大幅缩短（分钟级 CPU 计算替代数小时人工），同时产出更轻的零件。此外还在多种复杂度环境（含障碍、尖角铆接面）上验证了可生成满足约束的可制造设计（每个约 10–20 分钟），并实际加工了 4 个结果验证可制造性。消融实验表明：边选择/段优化策略优于贪心与均匀基线（避免库中充斥冗余低质段）；单链易陷局部最优，组合阶段确有必要；自铆接确实能在小幅增重下大幅降柔度。

亮点与局限

• 亮点：
  • 首个从高层功能规格全自动生成承载钣金件的系统，填补该方向空白。
  • 将棘手的离散-连续混合搜索干净地解耦为”发现（采样 + 连续优化）”与”组合（beam-search）”，并用多链互通 MCMC 系统性地促进多样性。
  • 巧妙地通过修改弹簧常数把弹簧网络能量转化为”长度之和”，用现成物理引擎即可稳健地做长度最小化。
  • 挖掘并利用钣金独有的自铆接特性，反直觉地”增重反降料”。
• 局限：
  • 一旦找到满足规格的解即终止，不保证全局最优（组合空间的通病）。
  • 专家对比仅招募到一位工程师，只能作为能力参考，不足以断言系统普遍优于人类。
  • 计算瓶颈在文法树深度与发现阶段允许的最大子节点数，更深的图（如面向艺术设计的场景）尚待可扩展性评估。

延伸思考

• 作者指出”发现-组合”这一结构可迁移到其他”连接发现”类问题，例如 3D 打印支撑结构、塑料浇口的设计，只需少量领域特定改动，值得作为通用框架推广。
• 全流程未使用任何学习组件，是纯优化/搜索方法；结合可微仿真或以神经代理模型替代昂贵的 FEM 评估，或许能进一步加速组合阶段的结构约束检查。
• 似然函数里”惩罚热门铆接区”的多样性机制与探索/利用权衡（如 novelty search、count-based exploration）思路相通，可与更成熟的多样性采样理论对接。