典型文献
基于卷积自编码器的拓扑优化设计
文献摘要：
近些年来随着深度学习技术的发展,利用数据驱动技术加速拓扑优化成为可能.文中基于图像处理的思想,利用卷积自编码器学习有限元网格与固体各向同性材料密度场之间的特征表示,将拓扑优化的过程表示为一个端到端的深度学习模型.随后利用自编码器内部的反向传播和传统的有限元求解器,在拓扑优化的迭代过程中建立在线学习机制对自编码器模型的参数进行更新.最后通过数值研究和设计实例,证明了基于卷积自编码器的拓扑优化框架具有良好的优化效果和可扩展性,能够有效处理不同载荷和边界条件的设计问题.
文献关键词：
卷积自编码器;深度学习;拓扑优化;有限元分析
中图分类号：
作者姓名：
陈延展;陈勇;刘文涛;张承霖;郭虎;陈佶思
作者机构：
湖南大学汽车车身先进设计与制造国家重点实验室,湖南长沙 410082;湖大艾盛汽车技术开发有限公司,湖南长沙 410205
文献出处：
引用格式：
[1]陈延展;陈勇;刘文涛;张承霖;郭虎;陈佶思-.基于卷积自编码器的拓扑优化设计)[J].机械设计,2022(04):19-24
A类：
B类：
卷积自编码器,拓扑优化设计,深度学习技术,数据驱动技术,技术加速,有限元网格,各向同性材料,密度场,特征表示,端到端,深度学习模型,反向传播,求解器,在线学习,学习机制,数值研究,优化框架,优化效果,可扩展性,不同载荷,设计问题
AB值：
0.252602
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。
