期刊专题

10.11908/j.issn.0253-374x.21286

基于深度学习的多材料结构拓扑优化方法

引用
提出了一种基于深度卷积神经网络(CNN)的多材料结构拓扑优化方法,实现在不需要任何迭代分析的情况下,在极短的时间内预测出多材料优化结构.研究中,采用了流行的U-Net网络结构,以提高神经网络的边界提取能力.通过有序多材料SIMP(各向同性实材料惩罚密度法)插值方法(Ordered SIMP)生成随机加载条件、质量分数及成本分数下的多材料优化结构数据集,训练得到深度学习神经网络.将所提出方法的效率和精度与传统算法进行比较,对该方法的性能进行评价,结果表明,该方法在几乎不牺牲设计方案性能的前提下,显著降低计算成本.该方法对于拓扑优化在未来多材料结构设计实践中具有巨大潜力和广阔应用前景.

深度学习、卷积神经网络、多材料设计、拓扑优化

50

TP181;O342(自动化基础理论)

国家自然科学基金52078365

2022-07-14(万方平台首次上网日期,不代表论文的发表时间)

共8页

975-982

相关文献
评论
暂无封面信息
查看本期封面目录

同济大学学报(自然科学版)

0253-374X

31-1267/N

50

2022,50(7)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn