基于卷积自编码器的拓扑优化设计

近些年来随着深度学习技术的发展,利用数据驱动技术加速拓扑优化成为可能。文中基于图像处理的思想,利用卷积自编码器学习有限元网格与固体各向同性材料密度场之间的特征表示,将拓扑优化的过程表示为一个端到端的深度学习模型。随后利用自编码器内部的反向传播和传统的有限元求解器,在拓扑优化的迭代过程中建立在线学习机制对自编码器模型的参数进行更新。最后通过数值研究和设计实例,证明了基于卷积自编码器的拓扑优化框架具有良好的优化效果和可扩展性,能够有效处理不同载荷和边界条件的设计问题。     

基于渐进空间拓扑优化技术的白车身传力路径规划方法

结合等效静态载荷的思想,提出了一种基于渐进空间拓扑优化技术的白车身传力路径规划方法,该方法引入专家系统,同时以车身造型和总布置参数为输入条件,从而使得到的拓扑优化结果尽可能满足工程实际要求。以某MPV的白车身传力路径规划为研究对象,对其进行考虑多种碰撞工况、顶压、多种刚度工况等的多学科拓扑优化方法研究,结果表明,基于渐进空间拓扑优化技术生成的车身拓扑优化结果能很好地满足工程设计要求,具有较高的工程实用价值。