基于神经网络重参数化的多尺度结构刚度优化设计方法

本发明公开了一种基于神经网络重参数化的多尺度结构刚度优化设计方法，包括：微结构参数化建模：采用水平集方法对微结构进行参数化建模，通过调整切割高度参数控制微结构的体积分数和几何构型；代理模型构建：利用神经网络建立切割高度参数与微结构等效力学性能之间的映射关系，形成高精度代理模型；神经网络重参数化设计：构建神经网络优化器，将设计域中每个离散单元的坐标作为输入，输出对应的切割高度参数；通过自动微分和反向传播更新神经网络参数，实现设计变量的连续优化；多尺度拓扑优化流程：结合代理模型和有限元分析，计算全局刚度矩阵与结构柔度，并通过损失函数最小化迭代优化，获得满足体积约束的最优多尺度结构拓扑。