(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210797385.3 (22)申请日 2022.07.08 (71)申请人 中国人民解 放军军事科学院国防科 技创新研究院 地址 100071 北京市丰台区东大街5 3号 (72)发明人 姚雯　张泽雨　李昱　龚智强　 周炜恩　 (74)专利代理 机构 北京奥文知识产权代理事务 所(普通合伙) 11534 专利代理师 张文 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于神经网络的结构刚度优化设计方法 (57)摘要 本发明公开了一种基于神经网络的结构刚 度优化设计方法， 该方法包括： 神经网络的重参 数化； 设计约束的引入； 物理约束的引入； 目标函 数的计算。 由此， 通过将传统拓扑优化方法中设 计变量的更新转换为对NN参数的更新， 进而实现 对结构拓扑的更新。 采用本方法， 能够有效的实 现结构刚度性能的优化， 同时无需提前构建数据 集， 适用于各类边界条件， 结构性能良好。 权利要求书2页 说明书6页 附图3页 CN 115358136 A 2022.11.18 CN 115358136 A 1.一种基于神经网络的结构刚度优化设计方法， 其特 征在于， 所述方法包括： S1： 神经网络的重参数化； S2： 设计约束的引入； S3： 物理约束的引入； S4： 目标函数的计算。 2.根据权利要求1所述的一种基于神经网络的结构刚度优化设计方法， 其特征在于， 所 述方法中的优化列式为： s.t.fext＝KU V(x)≤V* 0≤xi≤1,i＝1,...,N 在该公式中， C代表目标函数柔度， U代表节点位移， fext代表载荷， K代表总体刚度矩阵， V*是目标体积分数， 此外， xi是单元i的相对密度， 其中， 每个单元的取值为一个介于0和1之间的连续密度 值， 0表示空单 元， 1表示实体单 元。 3.根据权利要求1所述的一种基于神经网络的结构刚度优化设计方法， 其特征在于， 所 述S1： 神经网络的重参数化， 包括： 计算开始于一个神经网络fθ， 对给定的输入z， 经过神经网络的前向计算过程能够得到 一个输出 是一个矩阵。 4.根据权利要求3所述的一种基于神经网络的结构刚度优化设计方法， 其特征在于， 所 述S2： 设计约束的引入， 包括： 在神经网络给出输出 后， 将其转化满足设计约束以对应于具体结构拓扑， 其中， 设计 约束指包括体积约束和单一设计变量的约束， 当转换完成后， 输出xphy， xphy是与后续有限元 分析和目标函数计算中涉及的结构拓扑相对应的物理密度。 5.根据权利要求4所述的一种基于神经网络的结构刚度优化设计方法， 其特征在于， 所 述S3： 物理约束的引入， 包括： 当获得结构拓扑后， 根据相应的材 料插值模型即可进行有限元计算。 6.根据权利要求5所述的一种基于神经网络的结构刚度优化设计方法， 其特征在于， 所 述S4： 目标函数的计算， 包括： 将拓扑优化问题的目标函数当作损失函数， 将整个拓扑优化过程视为一个 “物理知 识”， 整体的嵌入深度学习的损失函数构造中去， 以驱动深度学习反向传播过程的进行。 7.根据权利要求4所述的一种基于神经网络的结构刚度优化设计方法， 其特征在于， 所 述S2： 设计约束的引入， 还 包括： 采用一种两步走的方法将准密度 转化为xphy， 其中， 第一步为： 在这一步中， 令x满足0/1约束， 其中x对应于常规拓扑优化方法中的 设计变量的概念， 通过使用Sigmo id变换来满足约束， 如下式所示： 权　利　要　求　书 1/2 页 2 CN 115358136 A 2其中， 代表采用二 值搜索； 第二步为： x →xphy， 引入拓扑优化中的投影技术以减少结构中的中间密度单元， 如 下式 所示： 其中， η是阈值， β 控制投影斜 率。权　利　要　求　书 2/2 页 3 CN 115358136 A 3