Data-driven robust topology optimization using surrogate modeling, model reduction, and machine learning

2025-11-11

0

PRE

AI

DOI：10.1016/j.engappai.2025.113136

原文求助

摘要

En 中文

• 一种面向载荷不确定性的鲁棒拓扑优化的新型数据驱动框架。 • 采用多项式混沌展开精确计算统计矩。 • 线性假设增强的子结构方法用于大幅降低模型阶数。 • 物理增强型ANN（人工神经网络）实现对子结构形函数的实时预测。 • 数值算例和蒙特卡洛模拟验证了所提方法具有良好的性能。