拓扑优化基于改进的DoubleU-Net模型使用4种结构数据集

分类： 计算机科学 >> 计算机科学技术其他学科 分类： 力学 >> 力学其他学科 提交时间： 2023-06-15

李顺 白期风 林楠铠 曾培健 阳爱民 林江豪

摘要： 拓扑优化广泛应用于工程设计阶段，通过数学建模和优化设计空间中材料的分布来最大化产品性能。然而，解决拓扑优化问题的深度学习存在数据不足和训练模型边界条件适应性弱的问题。 因此，采用基于Topy库的数据样本生成方法，生成了随机结构、悬臂梁、连续梁和简支梁四种边界条件的400,000个二维样本，每种包含两类分辨率数据，并揭示了这一点数据集。提出了一种改进的 DoubleU-Net网络，用于实时高精度预测的拓扑优化。在生成的数据集中，随机梁、悬臂梁、连续梁和简支梁四种结构模型的平均IoU精度分别为93.26%、96.71%、96.35%和97.38%，实验结果表明 DoubleU-Net 可以更好地适应不同分辨率的数据。 使用随机结构数据集训练的模型泛化能力强，在大型项目实时结构优化方面具有巨大潜力。

同行评议状态:待评议

 点击量 7697  下载量 1131  评论 0