【技术实现步骤摘要】
本专利技术属于材料结构优化设计领域，具体涉及基于神经网络自适应重参数化的结构拓扑优化方法。
技术介绍
1、拓扑优化作为一种结构设计方法，主要研究在给定设计域内，规定负载情况、边界条件等约束条件和性能指标下的材料最优布局问题，其不依赖初始构型，且拥有更大的设计自由度、更具多样性的优化形式的特点而被广泛应用于航空航天、海洋工程、桥梁建筑等领域中。随着以神经网络为代表的机器学习技术的发展，许多研究开始致力于运用该领域内的方法来改进传统拓扑优化的框架。
2、但目前基于神经网络的拓扑优化方法仍存在泛化性较差、拓扑结构断裂等缺陷；其中，任何用于训练神经网络的样本都需要至少完成一次传统拓扑优化的完整运行，若需获取高分辨率的拓扑结构，则生成精细网格所带来的结构复杂性以及训练神经网络的成本都将大幅增加。因此，如何在控制计算成本在一定范围内的前提下，获得高质量的拓扑结构具有重要意义。
技术实现思路
1、为解决现有技术的不足，实现降低计算成本、避免优化结果出现结构裂纹的目的，本专利技术采用如下的技术
本文档来自技高网...
【技术保护点】
1.基于神经网络自适应重参数化的结构拓扑优化方法，其特征在于包括如下步骤：
2.根据权利要求1所述的基于神经网络自适应重参数化的结构拓扑优化方法，其特征在于：所述步骤S1中，采用全连接前馈神经网络模型，包括一组依次连接的隐藏层，并通过分类器层，将拓扑优化中的设计变量重新参数化为神经网络相关的权重和偏置。
3.根据权利要求1所述的基于神经网络自适应重参数化的结构拓扑优化方法，其特征在于：所述步骤S3中，边界条件包括结构的固定或支持、外部载荷；几何约束为结构的强制保留材料区域，对强制保留材料区域覆盖网格单元所对应采样点的密度作如下映射：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。