.png){kind=icon}
返回
A fully physics-informed and microstructurally interconnected multi-scale topology optimization method within the phase-field framework
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cnsns.2026.110732.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于相场框架的全物理信息且微观结构互连的多尺度拓扑优化方法。该方法建立了双尺度耦合交替优化架构，通过宏观-微观耦合位移神经网络和宏观-微观耦合相场神经网络的协同演化，实现全物理驱动的多尺度设计。通过将微观结构效应通过均质化理论整合到宏观尺度响应中，构建了多尺度耦合能量泛函。具体而言，耦合宏观-微观位移神经网络的物理损失依据最小势能原理和均质化理论进行构建。同时，在相场框架中引入了多尺度相场能量泛函，并将连通性指数惩罚项纳入耦合宏观-微观相场神经网络的损失函数中。该形式将耦合的多尺度物理关系纳入网络训练过程。此外，执行宏观单尺度预优化以初始化后续多尺度优化。采用自动微分技术规避复杂的灵敏度分析过程。各种数值实验验证了所提出方法的有效性和优越性。
期刊
IF:
3.8
论文数:
9.2K
被引数:
1.8W
机构
引用论文
暂无论文信息