基于深度学习的多级曲线加筋壁板布局优化设计

作者：张坤鹏; 郝鹏^*; 段于辉; 刘大川; 王博; 王宇同

来源：中国舰船研究, 2021, 16(04): 86-95.

DOI：10.19693/j.issn.1673-3185.02188

• 开口薄壁结构
• 曲线加筋
• 数据驱动
• 深度学习
• 优化设计

[目的]在航空、航天、船舶等领域的结构设计中,因结构的功能性需求,存在大量开口薄壁结构,导致承载性能明显降低。曲线加筋方式虽然在改善开口结构的承载性能方面潜力极大,但设计变量的激增对结构优化提出了挑战。利用数据驱动的深度学习方法,针对含曲筋布局的开口多级加筋壁板开展优化设计。[方法]针对开口多级曲线加筋壁板,提出结构参数特征图像化表征方法,建立面向结构响应特征学习的深度学习网络模型,实现数据驱动下的结构优化设计,并与经典的由结构数值参数构造的代理模型进行比较。[结果]结果显示,所提基于图像识别的结构特征学习模型的预测精度改善了约1倍;基于学习模型开展结构的优化设计,多级正交加筋结构的承载性能提升了10.78%,多级曲线加筋结构的承载性能提升了18.19%。[结论]研究表明,对于设计变量数众多且数量动态变化的开口多级加筋壁板,基于深度学习的结构优化方法更有效;相较传统直筋构型,曲筋方式能更有效地对开口结构承载性能进行补强。

• 单位
  大连理工大学