科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对以固体各向同性材料法（SIMP）、水平集法（Level-set）等为代表的传统连续体拓扑优化算法存在的计算代价昂贵、生成结构几何隐式等缺陷，结合深度学习与可移动变形组件法（MMC），提出一种基于深度学习的两阶段实时显式拓扑优化方法。在第一阶段使用深度学习模型预测取代有限元分析的多数费时迭代计算，第二阶段对深度学习模型预测所得结构进行少量迭代微调，形成最终的带有显式几何特征的优化结构。在相对一般的数据集下定量与定性地验证了本文方法的可行性与有效性，并研究了第一阶段深度学习模型的训练程度与最终生成结构质量及总体耗费时间的关系。结果表明：与传统连续体拓扑优化算法相比，本文方法能在保证拓扑优化结构生成质量的同时节约90%以上的计算时间。
- 单位
