近些年来随着深度学习技术的发展，利用数据驱动技术加速拓扑优化成为可能。文中基于图像处理的思想，利用卷积自编码器学习有限元网格与固体各向同性材料密度场之间的特征表示，将拓扑优化的过程表示为一个端到端的深度学习模型。随后利用自编码器内部的反向传播和传统的有限元求解器，在拓扑优化的迭代过程中建立在线学习机制对自编码器模型的参数进行更新。最后通过数值研究和设计实例，证明了基于卷积自编码器的拓扑优化框架具有良好的优化效果和可扩展性，能够有效处理不同载荷和边界条件的设计问题。
科研之友
微信
新浪微博
Facebook
分享链接
