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。     

基于结构可置信性鲁棒优化算法的离散优化问题研究

传统优化设计认为问题的参数(如材料属性和外加载荷等)是确定的,并且设计变量通常是连续的.而在实际应用中产品制造和测量等存在不可避免的误差,并且工程需要的设计结果(如钢筋截面尺寸等)往往是离散的.即使对于考虑了不确定性参数影响的连续最优解,经过圆整处理后也很可能产生较大偏差甚至变得不可行.针对该难点,本文结合非概率不确定性鲁棒优化算法,建立与离散的基于圆整策略的优化算法列式等价的鲁棒优化列式及用于解决离散优化问题的可置信性鲁棒优化方法.并进一步研究了离散变量不确定性优化问题的可置信性鲁棒优化求解方法,利用非线性半定规划进行高效求解,可严格保证所得结果的可行性.本文揭示了传统离散优化思想和不确定性优化思想的内在联系,完善了优化设计理论体系,为后续相关研究提供了全新思路和示范.     

考虑平稳随机响应的显式结构拓扑优化

随机载荷是工程结构在服役中经常承受的一种复杂的载荷形式,通常采用统计学特性对其进行描述。对随机载荷作用下的结构进行拓扑优化设计是一项极具挑战性的工作,其主要难点在于,(1) 传统隐式拓扑优化方法的设计变量数巨大,且用于结构动态性能拓扑优化问题时存在虚假模态等数值不稳定问题; (2) 对结构的随机动力响应统计量及其灵敏度进行计算需要极大的计算量; (3) 隐式拓扑优化框架下的分析模型与优化模型强耦合,导致结构有限元模型具有极高的自由度,进一步加剧了上述困难。本文基于移动可变形组件框架和虚拟激励法理论,提出了一种平稳随机载荷作用下结构的显式拓扑优化设计方法。通过将一系列可移动和可变形的结构组件作为优化的基础单元,实现了使用少量设计变量描述结构拓扑构型的目的。采用虚拟激励法、自由度删除技术和模态位移法有效降低了对结构进行随机振动分析和灵敏度分析的计算量。在此基础上,以结构柔顺度的标准差为目标函数、以设计域内实体材料的体积为约束条件,实现了限带白噪声作用下结构的拓扑优化设计,并通过数值算例验证了本文方法的有效性。