一种基于神经网络的约束阻尼板壳两阶段拓扑构型预测方法及系统

本发明公开了一种基于神经网络的约束阻尼板壳两阶段拓扑构型预测方法及系统，方法包括以下步骤：构建Res‑CB‑Unet神经网络模型；获取约束阻尼结构的基板单元应变能、利用SIMP模型获取约束阻尼结构的最优拓扑构型，并基于基板单元应变能和最优拓扑构型构建训练数据集；基于训练数据集对Res‑CB‑Unet神经网络模型进行两阶段训练，得到构型预测模型；基于构型预测模型，对待预测约束阻尼结构进行拓扑构型预测。本发明能够在不进行全面优化计算的情况下，实现对约束阻尼板壳拓扑构型的高效预测，从而加速优化过程并提高预测精度，相比传统拓扑优化方法，能够在提高预测精度的同时显著提升计算效率，具有明显的时间优势。