Direct Mesh-Free Topology Optimization Using Random Feature Method

doi:10.1016/j.cad.2025.103939

Direct Mesh-Free Topology Optimization Using Random Feature Method

2025-08-13

0

PRE

AI

DOI：10.1016/j.cad.2025.103939

原文链接

原文求助

摘要

En 中文

• 通过将密度场神经网络与物理信息响应网络相结合，RFMTO消除了设计变量的离散化以及传统有限元分析的需求，实现了直接的结构拓扑优化。 • 对于物理响应网络，我们引入了RFM，它结合了经典数值方法和深度学习的优势。RFM为平滑解提供谱精度，同时减少计算时间，显著提高了效率。 • 对于密度网络的损失函数，我们引入了逐点密度目标来引导优化过程，防止优化结构在复杂问题中收敛到较差的局部最优解。 • 该框架已被扩展到弹性相关优化问题之外，还包括热力学相关问题的优化。

Keyword:

density field neural network

physics-informed response network

structural topology optimization

spectral accuracy

thermodynamics-related problems

Direct Mesh-Free Topology Optimization Using Random Feature Method

摘要

期刊

机构

引用论文