基于深度学习与等参变换的二维模型子域拓扑优化方法

来源：计算机集成制造系统杂志2026年第5期北京时间：

作者：张向奎, 魏巍, 韩成祥

单位：1.大连理工大学控制科学与工程学院2.大连理工大学机械工程学院

摘要：为减少拓扑优化计算条件设置的重复率并降低形状复杂平面模型和大尺寸结构优化难度,获得在多种工况下均具有较好的力学性能的优化结果,对二维模型提出了基于深度学习与等参变换的子域拓扑优化方法。与一般拓扑优化方法相比,子域拓扑优化方法实现了整体优化问题到连续子域的优化问题的转化,使优化结构能够满足实际生产中的多种载荷工况。针对二维模型子域拓扑优化算法给予算例进行算法的仿真验证,并将由算法得到的结果与原模型以及使用ABAQUS获得的拓扑优化模型进行分析对比。结果表明,基于深度学习的子域拓扑优化方法所获得优化结构在不同工况下的最大位移、最大应力数值均小于另外两模型,证明所提算法具有一定的可行性,为形状复杂平面模型和大尺寸结构提供了一种新的拓扑优化方法。

关键词：深度学习,拓扑优化,等参变换,数值仿真实验

基金资助：国家重点研发计划资助项目(2020YFB1709402,2021YFB3300603);国家自然科学基金资助项目(U21A20477)。