基于深度学习的跨分辨率结构拓扑优化设计方法

在传统拓扑优化设计中,随着结构单元增加,迭代计算过程消耗了大量的时间.本文提出了一种基于深度学习的方法来加速拓扑优化设计过程,缩短了结构拓扑优化设计的迭代过程,并生成了高分辨率拓扑优化结构.利用深度学习方法,在低分辨率中间构型与高分辨率拓扑构型之间创建高维映射关系,利用独立、连续和映射(ICM)方法建立深度学习网络所需要的数据集,训练神经网络以实现加速过程,将结构拓扑优化设计问题转化为图像处理中的风格迁移问题.通过引入条件生成对抗式神经网络CGAN (Conditional Generative and Adversar-ial Network)解决了跨分辨率拓扑优化问题,实验验证了优化过程效率的提高,该方法具有良好的泛化性能,研究模型在其他结构优化设计中具有可推广性.     

基于深度学习的超高速碰撞碎片云生成模型

数据驱动的模型已经被广泛研究,并成功应用到了计算力学。基于深度学习技术,提出一种新的采用数据驱动的碎片云生成模型。此模型可以学习SPH数值模拟结果,然后在多种控制条件下快速生成碎片云。在模型训练前的数据预处理阶段,对SPH模拟结果进行空间网格划分和质量聚合,实现了改善数据分布规律、加速模型训练和提升模型泛化性的目的。以高速靶球撞击薄壁圆筒后的碎片云质量分布为例,模拟并测试了多种控制条件下深度学习模型计算结果的正确性和稳定性,以及计算速度的高效性。实验证明,深度学习模型可以从训练集学习碎片云的物理规律,然后在训练集控制参数范围内进行良好的推理及插值;并且可以在训练数据集控制参数范围外,进行小范围推理预测;同时深度学习模型的计算速度远快于SPH方法。通过深度学习方法建立碎片云模型,可能是一种在空间飞行器防护结构原型设计阶段,实现碎片云实时生成的潜在方案。     

基于深度学习的超高速碰撞碎片云生成模型

数据驱动的模型已经被广泛研究，并成功应用到了计算力学。基于深度学习技术，提出一种新的采用数据驱动的碎片云生成模型。此模型可以学习SPH数值模拟结果，然后在多种控制条件下快速生成碎片云。在模型训练前的数据预处理阶段，对SPH模拟结果进行空间网格划分和质量聚合，实现了改善数据分布规律、加速模型训练和提升模型泛化性的目的。以高速靶球撞击薄壁圆筒后的碎片云质量分布为例，模拟并测试了多种控制条件下深度学习模型计算结果的正确性和稳定性，以及计算速度的高效性。实验证明，深度学习模型可以从训练集学习碎片云的物理规律，然后在训练集控制参数范围内进行良好的推理及插值；并且可以在训练数据集控制参数范围外，进行小范围推理预测；同时深度学习模型的计算速度远快于SPH方法。通过深度学习方法建立碎片云模型，可能是一种在空间飞行器防护结构原型设计阶段，实现碎片云实时生成的潜在方案。     

基于渐进演化策略的增材制造自支撑结构拓扑优化算法

拓扑优化和增材制造分别是先进的结构设计技术和制造技术,将拓扑优化与增材制造融合能产生显著的协同效益.增材制造存在一些独特的制造约束,研究考虑结构自支撑约束的拓扑优化算法,可以降低材料和时间成本.基于SIMP方法框架,建立显式约束函数模型表征结构的自支撑特性,并发展了相应的拓扑优化流程,通过结构渐进演化实现自支撑.研究了相应的灵敏度分析方法,可实现并行计算.提出一个指向性灵敏度过滤算子促进支撑结构演化.采用3个数值算例进行分析,验证了指向性灵敏度过滤的有效性,所有拓扑优化结果均实现了结构自支撑.与典型方法相比,优化结果的可制造性更好.     

基于线性鲁棒性优化的弦支结构设计及分析

结构的鲁棒性是指结构抵抗不相称破坏的能力。目前,研究集中于框架类结构鲁棒性的评价,缺少弦支结构鲁棒性评价及设计方法。首先基于H∞理论,采用结构系统传递函数的H∞范数作为结构鲁棒性的定量评价指标。然后,采用SIMP模型描述建立了人工材料模型,以结构线性鲁棒性为优化目标,将结构鲁棒性设计转化成连续体拓扑优化,并通过粒子群算法求解。以弦支双曲球壳模型为例,通过鲁棒设计得到了鲁棒构形。最后通过作用超越静荷载,制造干扰场景,分析不同结构设计方案的非线性鲁棒性。结果表明,H∞结构鲁棒性评价指标可以反映干扰与后果是否相称,通过连续体拓扑优化进行鲁棒设计,能够有效地提高结构鲁棒性,可以为弦支结构初始概念设计提供参考。     

基于网格退化和重组技术的类桁架拓扑优化方法

发展了一种基于有限元网格退化和重组技术的类桁架拓扑优化方法,可在不改变设计域包络的情况下(如维持流型、艺术外观和附加功能等)对结构进行减重。首先,分别对二维问题和三维问题发展相应的有限元网格退化算法,并在刚度等效的意义上对网格进行重组,建立了具有杆元拓扑特征的有限元模型。其次,以全局种子网格的长度尺寸和杆元横截面积为优化变量,构造了域内双层驱动拓扑优化问题,得到具有最优体分比的杆元拓扑结构。数值算例表明,所提方法可获得新型式的结构拓扑优化方案,并可将结构拓扑优化理论推向工程化应用。     

基于Mask R-CNN网络的磨损颗粒智能识别与应用

针对设备磨损故障诊断中磨粒识别技术难度高、工作主观经验影响大等问题,采用深度学习技术开展了磨粒智能识别的研究,提出了基于Mask R-CNN卷积神经网络的磨粒数字化表征方法. 该方法利用迁移学习训练基于Mask R-CNN网络的磨粒识别模型对图像中磨粒进行识别和实例分割,然后使用Suzuki85算法、迭代算法、等比例计算方法计算出磨粒的真实尺寸,解决了磨粒分析中难定量分析的问题. 结果表明:基于Mask R-CNN网络(采用R-101-FPN骨干网络)训练的磨粒识别模型可以对图像中多个异常磨损颗粒进行识别,综合准确率和召回率达到当前图像识别领域的主流水平. 辅以上述Suzuki85等算法,成功实现磨粒图像的定量评价分析,对促进设备故障诊断技术的自动化发展和工业应用具有一定的实际应用价值.      

多工况结构拓扑优化的灰色权重折衷规划模型法

针对多工况结构拓扑优化问题中的载荷病态现象,基于RAMP (Rational Approximation of Material Properties)拓扑优化模型,提出应用灰色理论确定工况权重系数,并将应变能目标函数归一化的折衷规划模型法．通过专家评价方法获得工况权重系数的灰色区间,结合灰色理论计算工况权重系数灰色区间的精确值,并采用导重法推导出多工况结构拓扑优化问题的求解迭代表达式．通过定义载荷比描述载荷病态的程度,对多工况结构拓扑优化典型算例在不同载荷比及不同工况权重系数下进行结构拓扑优化分析．优化结果表明,灰色权重折衷规划模型及求解方法对多工况结构拓扑优化问题具有高效、稳定的特点,能够克服载荷病态问题,并通过大跨度甲板强横梁的结构拓扑优化设计证明本文设计方法的有效性．     

高承载梯度分层点阵结构的拓扑优化设计方法

随着增材制造技术的迅速发展, 点阵结构由于其高比强度、高比刚度等优异力学性能受到广泛关注, 但其单胞分布设计大多基于均布式假设, 导致其承载能力相对较差. 基于拓扑优化技术提出了一种梯度分层的点阵结构设计方法. 首先, 基于水平集函数建立点阵单胞几何构型的显式描述模型, 引入形状插值技术实现点阵单胞的梯度构型生成; 其次, 构建基于Kriging的梯度点阵单胞宏观等效力学属性预测模型, 建立宏观有限单元密度与微观点阵单胞等效力学属性的内在联系; 然后, 以点阵结构刚度最大为优化目标, 结构材料用量和力学控制方程为约束条件, 构建点阵结构的梯度分层拓扑优化模型, 并采用OC算法进行数值求解. 算例结果表明, 所提方法可实现点阵结构的最优梯度分层设计, 充分提高了点阵结构的承载性能, 同时可保证不同梯度点阵单胞之间的几何连续性. 最后, 开展梯度分层点阵结构与传统均匀点阵结构和线性梯度点阵结构的准静态压缩仿真分析, 仿真结果表明, 与传统均匀点阵结构和线性梯度点阵结构相比, 梯度分层点阵结构的承载能力明显提高. 研究结果可为高承载点阵结构设计提供理论参考.      

卷积神经网络在装备磨损颗粒识别中的研究综述

铁谱法是用于装备故障诊断的1种重要方法,其中铁谱法的重点是铁谱图像的分析,即磨损磨粒分析. 卷积神经网络是当下最流行的深度学习算法之一,其广泛应用于图像识别领域,使得图像识别领域得到突破. 随着卷积神经网络的快速发展,磨损颗粒在智能识别方面的技术取得了重大的突破. 本文中首先简述了卷积神经网络与磨粒智能识别的发展历史,针对基于卷积神经网络的磨粒识别方法进行了从图像数据集处理到模型优化技术方面的介绍,并详细说明了这些技术在磨粒识别中的具体应用实例. 然后从现有网络和自设计网络两方面分类,整理了近年来卷积神经网络应用于磨粒智能识别的代表性文献,综述了这些工作所提出的模型结构和特点,分析并阐述了各个模型主要的识别原理,各个网络结构存在的优缺点,以及它们的数据采用情况等,并对未来磨粒智能识别的主要研究方向进行了展望. 最后肯定了卷积神经网络方法在磨粒智能识别方面的重要性,同时指出了基于此方法的磨粒识别模型的缺点,并提出了应紧跟图像识别领域的最新技术以促进磨粒智能识别水平提高等建议,对磨粒智能识别的发展具有一定的意义.      

一种桁架结构智能生成与分析系统

建立了桁架结构的智能生成与分析系统,可以自动完成桁架结构的布局选型、 拓扑生成以及分析计算等系列过程. 主要通过结点布置和有选择的杆件连接实现结构的布局 选型,采用拓扑变化法完成结构的自动生成,并利用基内力阵进行结构的分析计算. 经算例 分析表明,该系统性能良好,使用方便,具有智能、自适应的特点,是辅助完成结构拓扑和 布局优化设计的有力工具之一.     

多工况下结构拓扑优化设计

考虑单元删除和增加对结构应力约束的影响，提出了一种新的多工况下结构的双方向渐进优化方法．首先，基于在结构孔洞或边界周围附加人工材料的思路，建立了结构优化模型和应力灵敏度公式．然后，结合结构应力和应力灵敏度，给出了多工况静力载荷下考虑静应力约束的结构优化准则和算法．开展了结构仿真设计，结果表明给出的方法是正确和有效的，并具有较好的工程应用价值．     

带有预应力的连续体组合结构拓扑优化

考虑梁结构的预应力，导出了结构的应力及其灵敏度公式。同时，结合结构单元应力水平和相对差商，对于带有尺寸和拓扑变量的连续体组合结构优化问题，建立了一套优化准则，在双方向渐进结构优化方法思想的基础上，形成了一种新的拓扑优化算法。最后，算例表明了该方法的正确性和有效性。     

不确定荷载下类桁架结构拓扑优化分析

研究不确定荷载下应力约束拓扑优化结构．不确定荷载用区间变量表示,将不确定性区间荷载用有限个可能工况组合表示,从而将不确定性荷载问题转化为多工况问题．采用基于类桁架材料模型的多工况应力约束拓扑优化方法,求解不确定荷载作用下的拓扑优化结构．推导两杆结构的解析解,通过解析解验证了数值算例方法的有效性．分析比较了几个不确定荷载与确定性荷载作用下拓扑优化结构．     

基于水平集法的薄板加强筋分布优化理论研究

基于水平集方法,提出薄板加强筋分布的拓扑优化理论。采用Kirchhoff板单元,通过刚度等效,分别使用不同的抗弯刚度表征薄板与加强筋,继而通过水平集方法描述加强筋的布局并进行加强筋分布拓扑优化。以最小柔顺度为设计目标,进行了几种典型载荷下加筋板结构的加筋分布优化设计,通过与变密度方法（SIMP）结果以及现有文献设计结果进行对比,验证了本文提出的加强筋分布拓扑优化理论。结果显示,本文方法能够避免灰度单元,获得清晰的加强筋优化布局和尺寸。     

兼顾静动荷载的结构拓扑优化方法

为避免考虑瞬态动力性能时拓扑优化的高计算成本，满足工程快速设计的需求，获得主要静动荷载作用下的合理结构形态，本文提出了一种低计算成本的兼顾静动荷载的结构拓扑优化方法。施加的动荷载是地震等效荷载，用振型分解法和抗震规范中的反应谱曲线确定；通过结构形态、动力特性和地震等效静载的相互反馈和作用实现了考虑结构动力特性的拓扑优化；此外，还提出方法的自动进化策略。算例表明，方法可有效实现兼顾静动性能的拓扑优化。     

基于拓扑优化的自发热体冷却用植入式导热路径设计方法

对于具有较低导热系数和较高生热率的热源材料(自发热体),通过优化植入内部的高导热材料的布局以降低内部温度,是实现自发热体冷却的重要措施.如何设计自发热体内部高导热材料的布局,是实现热源内部热量高效收集和温度控制的关键问题.本文研究建立植入式导热路径的拓扑优化设计方法,考虑高导热材料的植入对于热源分布的影响,以实现自发热体冷却的内置导热路径最优设计.基于固体各向同性材料惩罚模型(solid isotropic material with penalization,SIMP)拓扑描述方法,以高导热材料的相对密度为导热路径描述参数,分别选择合适的热传导系数和生热率的插值模型以建立热传导系数和生热率与相对密度的关系,并以结构散热弱度最小为目标,建立了植入式导热路径设计的拓扑优化数学模型和求解方法.该优化模型能够反映高导热材料的布局对热源布局的影响.通过具体算例,给出了贴片式散热路径与植入式散热路径的拓扑优化结果.设计结构表明,两种优化模型获得的最优散热构型存在较大不同,并且考虑植入高导热材料对热源布局影响的设计结果散热性能优于贴片式散热路径的设计结果.数值算例验证了本文所提出方法的正确性和有效性.      

薄壁结构多层级并发加筋拓扑优化研究

新一代航天装备的主承力薄壁舱段在追求极致轻量化的同时,还具有更高的刚度和抗屈曲等设计指标.传统结构形式和设计方法难以满足轻质高承载的设计要求.为此,本文提出了一种薄壁结构多层级并发加筋拓扑优化方法,通过构建主层级稀疏加筋和次层级密集点阵增强结构整体和局部力学性能,扩展结构设计空间,有效提升材料利用率.其中,主层级加筋布局通过变密度拓扑优化方法获得,次层级点阵构型通过基于改进的渐进均匀化方法提出的两种设计方法获得,并基于材料插值模型,建立了多层级并发加筋拓扑优化框架,实现在一次拓扑优化求解中同时获得主层级加筋布局和次层级单胞拓扑构型.基于上述方法,本文分别给出了考虑结构刚度和稳定性设计需求的优化算例,并与传统单层级加筋拓扑优化进行了对比.结果 表明,多层级并发加筋方法可以根据承载边界和设计目标寻找优化的结构形式,且在相同质量下,其优化构型相比传统单层级拓扑优化结果表现出更高的承载性能,证明了本方法在薄壁结构设计上的优势.