基于渐近均匀化的梯度加筋板结构优化设计

梯度加筋板结构以其优异性能广泛应用于航空航天、汽车和交通等领域。针对梯度板的渐变结构导致均匀化及两尺度优化设计计算量过大及效率过低的问题，本文采用机器学习方法搭建以微结构变形参数为输入、等效刚度系数为输出的人工神经网络，实现等效刚度的高效预测。在优化过程中，本文引入表征单胞变形的单元设计变量，实现梯度板局部变形的显式控制，并引入映射函数节点设计变量，保证优化过程中单胞的局部变形与映射函数一致，方便两尺度优化结果解耦。数值算例验证了本文方法的有效性和正确性。