基于数据驱动的舵面结构优化设计

在航空航天领域,基于结构拓扑优化理论的轻量化设计需求逐步增加;而一些高端装备的空气舵通常服役于严酷的热力耦合环境中,对其进行高效地轻量化设计兼具挑战和重要意义.对于给定的载荷,薄壁结构的刚度特性可以通过增加肋或加强筋而得到显著增强,这与空气舵结构的设计需求高度一致.然而,传统隐式拓扑优化框架下的加筋设计存在设计变量数目多、计算效率较低、不易保证筋条几何特征以及不便直接将优化设计结果导入CAD系统等问题.本研究采用了全新的显式拓扑优化方法-移动可变形组件法(MMC),并结合数据驱动对具有异形封闭几何特征的空气舵进行高效加筋设计.该方法直接对筋条骨架的几何信息进行优化,具有设计变量少、计算效率高、优化结果可与CAD软件无缝衔接等优势,从而解决了采用隐式拓扑优化方法及后续模型重构、参数优化等冗余步骤所面临的优化周期长、对设计人员经验依赖性强等问题.进一步,建立了加筋布局与关键力学性质映射的人工神经网络模型;将其作为代理模型进行优化可极为高效地得到高质量的初始设计,从而显著提升了舵面结构优化设计的效率.文章设计框架融合了结构拓扑优化算法与人工神经网络技术,可以推广应用于其他高端装备的智能设计.