Abstract：
本文提出了一种基于深度学习的跨分辨率加速拓扑优化方法,旨在实现精确高效的几何非线性结构设计。我们开发了跨分辨率Pix2pix神经网络(CR-Pix2pix)来构建低分辨率中间配置和相应的高分辨率优化配置之间的高维映射。CR-Pix2pix神经网络结构是由跨分辨率生成器和马尔可夫鉴别器所组成。通过求解独立连续映射(ICM)方法建立的应力约束拓扑优化模型,建立用于训练深度学习模型的跨分辨率几何非线性数据集。预训练CR-Pix2pix神经网络只需一次迭代的低分辨率中间构型作为输入,从而准确预测高分辨率优化配置。此外,还讨论了所建立模型的超参数,以保证模型的精度和计算效率。该方法可推广到其它精确拓扑优...
Keyword：
Reprint Author's Address：
Email：
Source ：
Year： 2021
Language： Chinese
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
