数据驱动的曲面构件形状-拓扑协同优化方法

针对紧凑设计空间下曲面构件极致轻量化需求，提出一种数据驱动的曲面构件形状-拓扑协同优化方法，主要包括离线、在线和更新3个阶段。离线阶段中，首先通过拉丁超立方采样方法在设计空间内采样，并利用网格变形技术进行参数化建模，获得样本点对应的网格模型。然后对上述网格模型分别进行拓扑优化，获得优化后的应变能。基于上述步骤获得的样本数据，训练径向基函数代理模型，其中形状设计变量为输入，拓扑优化获得的应变能为输出。在线阶段中，将基于离线阶段获得的代理模型开展优化设计，采用协方差矩阵自适应进化策略来提高优化效率。更新阶段中，计算代理模型优化结果的真实响应，并将其加入样本数据集进行代理模型更新。最后，通过简支梁和航天器舱门算例开展算法验证。结果表明相比针对固定形状获得的拓扑优化结果，提出方法优化获得的应变能结果分别降低了20.08%和37.93%，表明提出方法具有更优的设计能力。