摘要：本文综合论述了近年来结构拓扑优化领域与深度学习技术交叉融合发展的相关研究进展.围绕结构拓扑优化设计的核心方法与关键环节,从深度学习赋能的角度系统性梳理了两大类赋能方法.研究指出,基于深度学习技术的结构优化设计全局代理模型构建方法作为一种直接映射式结构设计方法,因其简单而典型的设计思想目前已被广泛研究,然而全局代理模型在计算性和泛化性上的局限与不足也尤为明显;融合深度学习技术的结构优化设计局部子环节加速与替代方法是一种更加灵活与多样的局部赋能形式,具有较好的普适性和独特的优越性.文章对智能赋能结构优化未来的发展进行了展望,研究重点在于深度学习与结构设计的有机结合方式,以及数据和知识的混合驱动设计范式.

摘要：针对航天器总体布局设计过程中需要考虑线缆长度的问题,提出一种以线缆长度最小化为目标的两阶段热管约束组件布局优化方法。面向几何、质心、热管散热以及线缆长度等多种复杂约束相互耦合的布局难题,基于分而治之的思想提出将原问题解耦为两个序贯优化子问题,通过构建并求解子问题的混合整数规划模型,实现了综合考虑多条线缆最短化目标下预埋热管舱板组件布局的高效优化设计。数值布局算例结果表明,在包含15个组件、3条有线信息链路的多种优化场景下,本方法均可以找到两级求解框架下的最优布局设计结果,充分验证了方法的可行性和有效性。

摘要：随着智能设计方法和先进制造技术的快速发展,高端装备呈现出智能化、轻量化、多功能化、仿生化和制造一体化等发展趋势。虽然点阵结构具有轻质高强、减振降噪、抗冲击吸能等优异性能,然而其一直存在微观建模复杂且性能表征分析耗时的难题。为此,本文提出了一种基于切割水平集的非均质点阵微结构建模与数据驱动的材料性能快速预测方法。首先,每个微结构原型由一个水平集函数隐式表示,多个微结构原型组成一个复合点阵微结构,通过改变微结构原型的类型和数量可组合成多种非均质微结构构型。然后,采用均匀化理论计算点阵微结构的等效弹性矩阵并生成数据集,并通过神经网络建立其切割高度变量到等效弹性矩阵与体积分数之间的映射,所得代理模型可快速预测出点阵微结构的材料性能参数,从而替代昂贵的均匀化计算。实验结果表明,本文提出的预测方法可精确表征非均质点阵微结构,构建的代理模型可大幅减少点阵微结构性能计算成本,且具有较高的精度和鲁棒性。

摘要：实际工程中在考虑温度场性能的卫星布局优化设计问题时,若直接调用温度场数值仿真工具会造成计算成本过高,优化代价巨大。因此,研究人员提出了基于深度学习代理模型的热源布局优化设计思路,有效降低问题的计算复杂性。在此基础上,文中提出一种基于距离准则的序贯优化设计方法,进一步降低计算成本。首先从降低仿真计算成本的角度论述了研究基于深度学习代理模型的卫星热布局序贯优化采样方法的必要性,并简要介绍基于深度学习的热源布局优化模型;然后针对布局方案样本间有效距离的计算问题,提出一种基于布局变换的距离计算方法;接着分别提出一种基于距离准则的全局和局部序贯采样加点方法,形成一套基于深度学习代理模型的热源布局序贯优化设计方法。算例测试表明,该方法在提升模型重点区域精度以辅助基于代理模型的优化算法找到更优解方面可行有效。

摘要：随着仿真规模的扩大,仿真过程中的影响因素增多,仿真方案空间呈指数级增长,对仿真提出新的挑战。提出贝叶斯优化仿真方法,基于仿真结果构建高斯回归模型,并采用序贯策略逐步在线学习更新高斯回归模型,从而不断优化实验方案。仿真结果显示,相对于近正交拉丁超立方实验设计方法,寻找作战效能相同的试验方案,采用贝叶斯优化试验方法所需的实验次数更少;在相同时间条件,新方法找到的实验方案作战效能更高,有效证明了算法的有效性。