基于深度学习的跨分辨率结构拓扑优化设计方法

来源：计算力学学报杂志2021年第4期北京时间：

作者：叶红玲,李继承,魏南,隋允康

单位：北京工业大学 材料与制造学部, 北京 100124,北京工业大学 材料与制造学部, 北京 100124,北京工业大学 材料与制造学部, 北京 100124,北京工业大学 材料与制造学部, 北京 100124

摘要：在传统拓扑优化设计中，随着结构单元增加，迭代计算过程消耗了大量的时间。本文提出了一种基于深度学习的方法来加速拓扑优化设计过程，缩短了结构拓扑优化设计的迭代过程，并生成了高分辨率拓扑优化结构。利用深度学习方法，在低分辨率中间构型与高分辨率拓扑构型之间创建高维映射关系，利用独立、连续和映射（ICM）方法建立深度学习网络所需要的数据集，训练神经网络以实现加速过程，将结构拓扑优化设计问题转化为图像处理中的风格迁移问题。通过引入条件生成对抗式神经网络CGAN（Conditional Generative and Adversarial Network）解决了跨分辨率拓扑优化问题，实验验证了优化过程效率的提高，该方法具有良好的泛化性能，研究模型在其他结构优化设计中具有可推广性。

关键词：拓扑优化,ICM方法,深度学习,跨分辨率加速设计,

基金资助：国家自然科学基金（11872080）；北京市自然科学基金（3192005）资助项目.