结构可靠性拓扑优化的深度学习协同方法

在给定约束条件下,结构拓扑优化以最优化性能获得设计域内材料的最佳布局.传统拓扑优化面临两大挑战:其一,未定量计入参数不确定性的影响,导致优化后结构在服役中常常不满足性能约束;其二,基于有限元模型的拓扑优化分辨率严重依赖于有限元网格.本文以随机参数定量计及固有不确定性,基于顺序优化与可靠性分析实现可靠性优化模型的确定性转化.进一步,基于网络训练与拓扑优化的过程相似性,以深度神经网络表达单元相对密度与网络参数之间的映射,通过构造计及可靠性的损失函数,将拓扑优化过程转换为网络训练过程.算例验证了所提方法获得的拓扑优化结构能够在满足性能可靠性要求的前提下实现较高的拓扑分辨率.