典型文献
基于深度学习的多材料结构拓扑优化方法
文献摘要：
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.
文献关键词：
深度学习;卷积神经网络;多材料设计;拓扑优化
中图分类号：
作者姓名：
项程;陈艾荣
作者机构：
同济大学土木工程学院,上海200092
文献出处：
引用格式：
[1]项程;陈艾荣-.基于深度学习的多材料结构拓扑优化方法)[J].同济大学学报（自然科学版）,2022(07):975-982
A类：
多材料设计
B类：
结构拓扑优化,拓扑优化方法,深度卷积神经网络,迭代分析,极短,预测出,材料优化,优化结构,Net,高神,边界提取,SIMP,各向同性,插值方法,Ordered,机加,练得,深度学习神经网络,传统算法,低计算成本,设计实践,巨大潜力
AB值：
0.317818
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
