基于神经网络自适应重参数化的结构拓扑优化方法

本发明公开了基于神经网络自适应重参数化的结构拓扑优化方法，通过搭建全连接前馈神经网络模型，将结构拓扑优化中的设计变量重新参数化为与神经网络相关的权重和偏置；将结构的柔度作为优化目标，体积作为约束，神经网络的权重和偏置作为设计变量，建立基于神经网络重参数化的结构拓扑优化模型；计算区域梯度的评价指标，进而自适应地构建有限元网格与采样点集，基于体积约束加权惩罚构建损失函数；通过Adam优化器实现对优化模型的求解，采用训练完成的网络参数对设计域进行高分辨率采样，获取具有清晰边界的优化结构。本发明结合了神经网络重参数化及基于区域梯度信息的自适应采样策略，能高效地获得高分辨率的优化结构。