龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江大学
摘要：本发明公开了基于神经网络自适应重参数化的结构拓扑优化方法，通过搭建全连接前馈神经网络模型，将结构拓扑优化中的设计变量重新参数化为与神经网络相关的权重和偏置；将结构的柔度作为优化目标，体积作为约束，神经网络的权重和偏置作为设计变量，建立基于神经网络重参数化的结构拓扑优化模型；计算区域梯度的评价指标，进而自适应地构建有限元网格与采样点集，基于体积约束加权惩罚构建损失函数；通过Adam优化器实现对优化模型的求解，采用训练完成的网络参数对设计域进行高分辨率采样，获取具有清晰边界的优化结构。本发明结合了神经网络重参数化及基于区域梯度信息的自适应采样策略，能高效地获得高分辨率的优化结构。
主权项：1.基于神经网络自适应重参数化的结构拓扑优化方法，其特征在于包括如下步骤：步骤S1：搭建神经网络模型，通过结构设计域内的点坐标，获取该点对应的密度；步骤S2：离散化结构设计域为单元网格，并在各单元中心处设置采样点，基于神经网络模型，得到采样点对应单元的密度；步骤S3：对离散化的结构施加边界条件与几何约束；步骤S4：将结构的柔度作为优化目标，神经网络模型参数作为设计变量，建立基于神经网络重参数化的结构拓扑优化模型；步骤S5：基于自适应采样对结构拓扑优化模型进行训练，包括如下步骤：步骤S5.1：在设计域内的相邻网格单元设置梯度的评价点；步骤S5.2：在一定网格区域内，基于评价点与单元中心点的距离定义梯度评价指标；步骤S5.3：根据梯度评价指标将一定区域内的单元合并，得到粗网格单元，并在粗网格单元中心处设置新采样点；步骤S5.4：通过神经网络模型得到的各采样点密度，组建包含不同粗细网格单元的单元刚度矩阵；步骤S5.5：基于单元位移与单元刚度矩阵，进行有限元分析，得到单元柔度；步骤S5.6：基于结构的初始柔度、单元柔度和加权惩罚的单元密度，以及体积约束加权惩罚，构建所述神经网络模型的损失函数；优化更新神经网络模型参数；若满足收敛条件则退出迭代及结束训练，否则更新惩罚参数，重复步骤S5.2至步骤S5.6；步骤S6：采用训练完成的神经网络模型参数，对设计域进行高分辨率采样，以提取清晰的边界，输出最终的优化结构。
全文数据：
权利要求：
百度查询： 浙江大学 基于神经网络自适应重参数化的结构拓扑优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号