一种基于深度学习的位移、应力和频率多约束拓扑优化方法

本发明公开了一种基于深度学习的位移、应力和频率多约束拓扑优化方法，包括：在离线拓扑优化算法方面，确定新的材料属性，新的位移、应力和频率约束参数，构建了位移、应力和频率约束的拓扑优化模型；基于伴随向量法，计算目标函数和约束函数关于设计变量的灵敏度；建立完整的位移、应力和频率约束拓扑优化求解流程。在离线训练流程中，基于深度神经网络构建材料属性参数及位移、应力和频率约束参数到拓扑优化密度分布结果的映射模型；通过不断调用离线拓扑优化算法，生成训练和验证数据集，将训练和验证数据集导入深度神经网络进行训练和验证即可得到所需的深度神经网络。本发明大大缩短位移、应力和频率多约束拓扑优化的时间。