来源：期刊VIP网 时间：
作者：霍树林;江和昕;宋贤海;周恩临;何智成;
单位：湖南大学汽车车身先进设计制造国家重点实验室;南昌航空大学材料科学与工程学院;
摘要：跨尺度拓扑优化设计极大激发了结构轻量化潜力，在先进装备的开发中具有重要作用。然而基于传统有限元的结构拓扑优化算法难以适应产品快速迭代的需求。为此，本文提出了一种基于耦合深度学习的跨尺度拓扑优化方法，通过集成残差神经网络（Resnet）、U-net架构及SEnet中的注意力机制，建立快速生成双尺度拓扑结构的深度学习模型。模型训练数据利用双向渐进结构优化算法产生，并用一组全新的数据对模型进行测试。数值算例表明，本文提出的深度学习模型可以高效且准确的生成基于各种边界下的宏观材料分布与微观拓扑结构。
关键词：跨尺度拓扑优化;;耦合深度学习;;微结构;;轻量化
基金资助：国家重点研发计划（升力翼）（2020YFA0710904-03）;; 国家自然基金联合基金项目（U20A20285）;; 湖南省杰出青年基金项目（2021JJ10016）;; 高新技术产业科技创新引领计划（2020GK4062）
