基于自导向在线学习与高效率采样的机床结构优化方法

本发明公开了一种基于自导向在线学习与高效率采样的机床结构优化方法。方法包括：构建待优化的机床部件的二维/三维模型及优化目标函数；构建融合概率分布卷积层的神经网络及其包括信息散度值的损失函数；将设计变量的初始样本组输入优化目标函数中获得目标函数值并输入网络中训练，直至损失函数收敛获得机床结构优化神经网络；对网络进行寻优，并自导向生成新样本组，从而对网络进行迭代训练，获得设计变量的最优解，进行机床结构优化。本发明同时适用二维与三维设计，通过在给定约束下的拓扑优化中，融合概率分布卷积层，利用高斯过程和自导向在线学习代替传统梯度优化，使预测最优解收敛于全局最优解，加快收敛速度，最终实现机床结构优化。