基于深度学习的跨分辨率结构拓扑优化设计方法

作     者：叶红玲 李继承 魏南 隋允康 YE Hong-ling;LI Ji-cheng;WEI Nan;SUI Yun-kang

作者机构：北京工业大学材料与制造学部北京100124 

基　　金：国家自然科学基金(11872080) 北京市自然科学基金(3192005)资助项目 

出 版 物：《计算力学学报》 (Chinese Journal of Computational Mechanics)

年 卷 期：2021年第38卷第4期

页      码：430-436页

摘      要：在传统拓扑优化设计中,随着结构单元增加,迭代计算过程消耗了大量的时间。本文提出了一种基于深度学习的方法来加速拓扑优化设计过程,缩短了结构拓扑优化设计的迭代过程,并生成了高分辨率拓扑优化结构。利用深度学习方法,在低分辨率中间构型与高分辨率拓扑构型之间创建高维映射关系,利用独立、连续和映射(ICM)方法建立深度学习网络所需要的数据集,训练神经网络以实现加速过程,将结构拓扑优化设计问题转化为图像处理中的风格迁移问题。通过引入条件生成对抗式神经网络CGAN(Conditional Generative and Adversarial Network)解决了跨分辨率拓扑优化问题,实验验证了优化过程效率的提高,该方法具有良好的泛化性能,研究模型在其他结构优化设计中具有可推广性。

主 题 词：拓扑优化 ICM方法 深度学习 跨分辨率加速设计 

学科分类：08[工学] 080102[080102] 0801[工学-力学类] 

核心收录：

D　O　I：10.7511/jslx20210509403

馆 藏 号：203104843...