改进的可移动变形组件拓扑优化方法

针对经典可移动变形组件法的优化结果易受组件初始化影响的不足,设计了基于双循环机制的改进的MMC算法,内循环基于可移动变形组件法,实现快速寻优;外循环基于组件贡献率设计俄罗斯轮盘赌算法,然后选择、删除和替换部分组件,最终将重新构造的结构引入内循环再次寻优。MBB梁和短悬臂梁的优化算例表明,相比于经典MMC算法,改进的MMC方法虽然运算成本明显增加,却较好地克服了组件初始化对寻优结果的影响,并获得了更佳的优化效果。

可移动变形组件法中组件数对拓扑结构优化的影响

可移动变形组件法因具有设计变量少、可显式表达结构几何参数等优点,现已广泛被应用于工程结构的拓扑优化设计中。针对可移动变形组件法中组件数目对拓扑结构优化的影响,基于可移动变形组件框架,利用有限元分析和灵敏度分析求解设计域的结构场,以移动渐近线法更新设计变量,以体积为约束函数,以结构柔度最小为目标函数,研究了不同组件数目对特定受力条件下短板算例的拓扑结构优化的影响。结果表明随着组件数目从6个增加至20个时,目标函数值相应减小,拓扑结构轮廓更为光滑、细节更加突出;然而其拓扑优化结构的复杂程度相应增加、优化耗时增加。研究结果为实际拓扑优化中合理选择组件数目提供了有益的借鉴。

显式结构拓扑优化方法在声子晶体中的应用研究

声子晶体因其独特的阻挡波传播的特性而被应用于工程减振降噪结构设计中。为了最大程度挖掘结构减振降噪特性,声子晶体拓扑优化逐渐成为了研究重点。基于显式结构拓扑优化方法-可移动形变组件法,建立声子晶体拓扑的数值表达,其中设计变量为可自由移动伸缩变换的矩形构件的几何位置参数;以结构带隙特性为优化目标,基于灵敏度分析策略,结合移动渐近线法,建立系统声子晶体元胞拓扑优化模型。针对面内模式和面外模式,分别获得了具有373.3Hz~807.1Hz和392.74Hz~1643.5Hz带隙声子晶体拓扑结构。为了验证可移动形变组件法的优化有效性,基于有限元胞建立传输特性损耗测试模型。从传输特性谱中可以看出,在带隙对应频段内,出现了明显的下降区间,即表明声子晶体对该频段的弹性波具有良好的衰减能力,验证了优化方法的可靠性和有效性。

基于可移动变形组件法的纯电动汽车门槛梁截面优化设计

为了有效地保护电动汽车在侧面刚性柱碰撞过程中的电池安全,文章采用新型拓扑优化方法——可移动变形组件法(MMC),设计出合理的门槛梁挤压铝结构,使其充分吸收柱碰能量。通过提取侧面刚性柱碰撞过程中各时刻门槛梁结构受力及变形情况,结合门槛梁周边结构特点,确定拓扑优化初始设计域与边界条件;通过对简化后的门槛梁优化设计域进行多工况拓扑优化,设计出一种新型的挤压铝一体式成型门槛梁结构,并对该结构进行轻量化设计优化;优化前后侧面刚性柱碰分析结果表明,该优化门槛梁设计满足动力电池包的保护要求,其中电池外板侵入量降低了16%,减重率达7.4%。

数据驱动下的声学器件音质优化

音质是声学器件声音表现的重要衡量标准.但音质的优化过程需要对大量频点的响应进行协同优化,造成优化问题的可求解性较差.该文提出了一种数据驱动下的声学通道拓扑优化设计方法,可实现声-结构系统中的声频响快速预测,进而借助显式拓扑优化技术实现声学器件的音质优化.通过人工神经网络对结构几何参数、激励频率与声频响之间的非线性关系进行建模,以可移动变形组件(moving morphable components,MMC)法中的结构几何参数、激励频率为输入变量,以声压频响作为输出变量,通过训练多层前馈网络建立了声频响的人工神经网络模型.所得结果可以有效地将目标频带内的声压级范围差从44.89 dB缩小至6.49 dB,相较于传统优化方法,求解速度约为之前的16.3倍,表明了当前方法对音质优化问题的快速求解具有明显效果.

基于SIMP-MMC结构尺寸精确控制拓扑优化方法

随着结构拓扑优化方法的发展,为提高其优化结果的工程可制造性,部分学者提出了整合现有拓扑优化方法的策略。具体地,探讨了基于变密度法与可移动变形组件法相融合的拓扑优化方法。该方法首先利用变密度法中的幂函数特性,以快速获得结构主传力路径;其次针对变密度法中的灰度单元,提出采用Otsu阈值处理算法以最大化反映二值拓扑结构信息;在此基础上,利用形态学思想构建了以结构骨架拐点为分界的组件,并过渡到可移动变形组件法完成优化,最终获得精确结构尺寸。分别通过对二维与三维数值算例的最小柔度拓扑优化问题计算,得到结构边界光滑且精确尺寸的优化结果,验证了该方法的有效性。

基于接头连接的核级管道结构优化研究

在核电系统中,核级管道数量众多且布置复杂,特别是大型管道不仅价格昂贵、不易制造,且当某一部分出现问题时需整根更换,维护成本极高。为同时满足管道系统力学性能和降低更换成本、提高结构可制造性,首先在显式描述的可移动变形组件法(MMC)基础上,提出了基于接头连接的核级管道结构拓扑优化方法。在该方法中,管道结构拓扑通过一组具有显式几何信息的组件表示,使用少量设计变量即可完整描述管道布局。以刚度最大化为目标,以体积分数为约束,建立了基于MMC显式拓扑优化方法的问题列式。最后以短板算例验证了该方法的有效性。所提核级管道结构轻量化设计方法不仅可以有效降低制造成本、增强结构稳定性,还能提高可制造性和可更换性。

通过接头连接的双相材料结构拓扑优化研究

出于结构的可制造性考虑,以提高双相材料结构的强度、稳定性和耐久性等性能为目标,本文利用拓扑优化方法研究了通过接头连接的双相材料结构。在显式拓扑框架下添加了“接头”作为优化的基础构件,构造了双相材料的材料属性插值模型,建立了可同时优化材料属性和结构布局的拓扑优化模型。通过对双相材料结构进行优化设计,实现在保证结构强度的同时减轻结构重量、降低材料成本等目的,为实际工程应用提供一定的理论和技术支持。

基于MMC的自修复材料结构与微胶囊的协同优化

自修复材料作为一种力学构件不仅需要结构宏观构型的拓扑优化,而且需要兼顾自修复剂载体微胶囊的尺寸和分布对自修复材料力学性能和修复效果的影响,因此对结构宏观构型与内置微胶囊进行协同优化具有重要的意义。研究基于可移动变形组件法,以结构柔度为目标函数,材料面积为约束条件,建立了内置微胶囊组件的二维数学模型,基于移动渐近线法(MMA),给出了协同优化自修复材料的设计方法,并与经典自修复材料进行了对比研究,验证了协同优化的优越性。研究表明:两类自修复材料的构型具有相似性;两类自修复材料的结构柔度均随微胶囊体积分数的增加而提高,力学性能发生不同程度的劣化;与经典自修复材料相比,随着体积分数的增加,协同优化自修复材料呈现出更为优异的力学性能,当体积分数接近14%时,其柔度值仅为经典自修复材料的66.1%。

基于深度学习的两阶段实时显式拓扑优化方法

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。