基于双向进化方法的集成多尺度拓扑优化
《INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES》:Integrated multiscale topology optimization based on the Bi-directional evolutionary method
【字体:
大
中
小
】
时间:2025年12月31日
来源:INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES 11.4
编辑推荐:
Kui Liu|Pei Li|Zheng Zhong中国深圳518055,哈尔滨工业大学理学院摘要传统多尺度拓扑优化方法存在一个根本性的权衡:并行多尺度拓扑优化需要预先定义体积分数,并且代表性体积元素的数量有限,这限制了最优多尺度设计的实现,而全尺度方法则会导致过高的计算成本。为
Kui Liu|Pei Li|Zheng Zhong中国深圳518055,哈尔滨工业大学理学院摘要传统多尺度拓扑优化方法存在一个根本性的权衡:并行多尺度拓扑优化需要预先定义体积分数,并且代表性体积元素的数量有限,这限制了最优多尺度设计的实现,而全尺度方法则会导致过高的计算成本。为克服这些限制,本文提出了一种集成多尺度拓扑优化方法,该方法在不牺牲性能的前提下提升了效率。所提出的方法采用直接FE2方法来提高多尺度结构的求解效率,从而避免了传统FE2方法中宏观与微观尺度之间所需的迭代求解过程。此外,IMTO方法基于双向进化结构优化方法,能够避免灰色元素的出现。该方法的主要优势在于利用宏观与微观设计变量之间的内在联系,实现了不同尺度之间的拓扑耦合。这不仅减少了设计变量的数量,简化了多尺度优化流程,更重要的是,无需为不同的代表性体积元素预先定义体积分数,从而实现了材料的自适应分布,为高性能多尺度结构设计奠定了基础。此外,本文还提出了一种新的双尺度过滤方法,以消除两个尺度上的网格依赖性。数值算例表明,通过IMTO方法得到的优化结果在结构刚度方面可与全尺度方法相媲美,同时显著降低了计算时间。此外,数值算例还验证了通过调整目标函数中的权重,可以进一步控制多尺度结构的变形设计。
引言拓扑优化是一种先进的结构设计方法,它在提升材料效率以及推动结构创新方面具有显著优势。通过在规定的体积约束条件下最小化结构合规性等目标函数,拓扑优化有助于形成最优的结构配置。由于其能够减少对经验设计方法的依赖,并消除反复试错的必要,这种方法已被广泛应用于航空航天、土木工程、汽车工程和生物医学工程等多个工程领域。拓扑优化的发展可以追溯到1988年提出的多尺度拓扑优化框架[1]。该方法使用含有尺寸和方向可变的矩形孔洞的代表性体积元素来描述微观结构,随后通过均匀化方法得出等效的材料属性,再将这些属性纳入宏观结构模型中。然而,由于传统制造技术难以实现如此复杂的微观结构,后续研究主要转向了单尺度拓扑优化方法。近年来,增材制造技术的发展使得具有复杂多级特征的异质材料结构得以制造[2],这一技术进步重新引发了人们对多尺度拓扑优化的兴趣,使其再次成为学术研究的热点[3],并促进了其在航空航天和生物医学工程等领域的应用。多尺度拓扑优化方法可分为三类[4]:全尺度方法、分层多尺度拓扑优化和并行多尺度拓扑优化。全尺度方法[[5], [6], [7], [8]]直接使用高分辨率离散化方法对多尺度结构进行建模,无需进行网格独立的正则化处理即可实现最优配置的演化。然而,精细尺度建模会导致大量的元素和设计变量,从而带来极高的计算需求,大大限制了其在实际工程中的应用。相比之下,分层法和并行法通过数值均匀化手段连接不同尺度,降低了计算复杂度。这是通过用代表性体积元素的等效参数化来分离微观与宏观的力学响应来实现的。这两种方法的关键区别在于其对设计变量耦合的处理方式。分层法[9,10]采用嵌套求解策略,依次迭代解决宏观和微观尺度的拓扑问题。而在并行法中[[11], [12], [13]],宏观尺度拓扑变量和微观尺度代表性体积元素配置变量被视为独立的设计变量;分别在两个尺度上计算灵敏度,然后同时进行优化。目前,分层法在设计负泊松比[14]、具有最大剪切模量和体模量的材料[15]等超性能微观结构方面取得了诸多突破。然而,分层多尺度拓扑优化需要解决大量拓扑优化子问题,且在两个尺度之间需要进行嵌套优化迭代,导致优化效率较低[16]。由于具有更高的计算效率[17,18],并行法逐渐成为多尺度拓扑优化研究的热点。不过,并行法并未考虑宏观与微观设计变量之间的关联,而是在每个尺度上分别进行优化。因此,这种方法要求为每个尺度和每个代表性体积元素单独设定固定的体积分数约束。但对于多尺度结构而言,不同空间区域内的代表性体积元素的理想体积分数往往各不相同,且在优化之前无法确定。因此,事先设定固定的体积分数约束往往会导致次优的结构设计[19]。图1展示了上述三种优化方法的示意图。基于密度的方法是拓扑优化设计中最成熟、应用最广泛的方法。该方法使用伪密度场来表示结构拓扑,其中密度值为1表示固体材料,值为0则表示空洞。为了促使算法收敛到二值(0–1)解,通常会使用带惩罚的各向同性固体材料模型(SIMP)[[20], [21], [22]]或材料属性的理性近似模型(RAMP)[[23], [24], [25]]来对中间密度值施加惩罚。然而,部分材料状态所对应的灰色区域仍然是一个长期存在的问题,会在结构边界处造成非物理性的模糊现象。为了解决这个问题,Xie和Steven[26]提出了进化结构优化方法,该方法利用离散的0/1设计变量从根本上消除了灰色区域。不过,最初的ESO方法仅允许单向去除材料,因此限制了其应用范围。Querin等人[27,28]开发的双向进化结构优化方法克服了这一限制,该方法允许同时进行材料的添加和去除。Huang等人[29]通过考虑灵敏度的历史信息提高了BESO方法的稳定性。关于从ESO到BESO发展的详细概述可见于[30]。BESO方法已被扩展用于解决各种结构优化问题,包括建筑设计[31,32]、肋板与壳体结构[33]、多材料结构[34], [35], [36]、非线性结构[37,38]、结构固有频率[39,40]等其他问题。基于BESO方法的多尺度拓扑优化在静态和动态场景下都得到了广泛研究。在静态分析领域,Xia等人[41]基于FE2方法开发了一种并行优化框架,可实现宏观结构和微观尺度代表性体积元素的迭代设计。Yan等人[42]假设结构材料为复合材料,提出了一种能够同时优化宏观结构和微观材料成分的多尺度拓扑优化方法。Kazakis和Lagaros[43]展示了使用MATLAB实现并行多尺度拓扑优化算法的简单方法。在动态分析领域,Xu等人[44]提出了一种设计策略,用于最小化在谐波激励作用下的复合结构的动态合规性。Vicente等人[45]提出了一种并行拓扑优化方法,用于最小化多尺度结构的频率响应。Zuo等人[46]提出了一种并行设计方法,可在优化过程中纳入多种材料相,从而最大化多尺度结构的固有频率。除了机械应用之外,该研究领域还拓展到了多物理场优化。其中的典型应用包括热传导优化[47]以及在热机械载荷条件下的多尺度设计,这些进一步体现了BESO方法在解决复杂工程问题方面的适应性和潜力。尽管现有的基于BESO的并行多尺度拓扑优化方法能够实现宏观结构和微观尺度代表性体积元素的同步设计,但这些方法仍局限于并行优化框架之内。因此,它们继承了并行方法固有的局限性,尤其是难以实现真正最优的多尺度设计。一个根本性问题在于需要预先定义每个代表性体积元素的体积分数,这极大地限制了微观尺度上的设计自由度。这一约束阻碍了在不同尺度间实现材料的最优分布,从而限制了设计过程的总体效果。最近,Tan等人[48]提出了直接FE2方法,该方法摒弃了传统FE2方法中需要在宏观和微观尺度之间进行迭代求解的交错策略[49]。直接FE2方法易于与商业有限元软件整合,避免了传统FE2方法通常所需的复杂编程工作,具有实际优势。由于其较高的计算效率和简单的实现方式,直接FE2方法已被广泛应用于各种多尺度分析领域,包括多尺度梁结构[50]、板壳结构[51,52]、热机械耦合分析[53]、非线性损伤分析[54]以及瞬态多尺度分析[55]等。需要注意的是,虽然直接FE2方法已用于多尺度结构的拓扑优化[56],但目前的实际应用仍需要预先规定代表性体积元素的体积分数——这与传统的CMTO方法类似。直接FE2方法是一种基于均匀化原理的多尺度结构分析方法。与传统FE2方法不同,它在建模阶段就完成了从微观尺度代表性体积元素到宏观尺度元素的尺度转换。这一预处理步骤消除了结构分析过程中进行宏观-微观迭代求解的必要,显著提高了计算效率[57]。此外,由于每个宏观尺度元素都包含一个内部的代表性体积元素有限元模型,该框架自然支持在不同区域采用不同的微观结构设计——这与分层法类似。这一特性使得该方法能够克服CMTO方法的局限性,后者仅限于使用具有固定体积分数的一种或几种代表性体积元素设计。通过实现自适应的、空间上变化的微观结构,直接FE2框架为在优化设计中获得更高的结构刚度提供了可能。此外,BESO方法使用离散设计变量进行拓扑优化,有效解决了通常会导致结构刚度下降的灰色元素问题。将直接FE2框架与BESO方法相结合,为在多尺度结构中实现高效且高性能的设计展现了巨大潜力。受直接FE2方法的启发,本文提出了一种基于BESO方法的集成多尺度拓扑优化框架,该方法充分利用了宏观与微观设计变量之间的内在耦合关系。在该框架中,两个尺度上的设计变量被同时纳入目标函数中。通过将微观尺度设计变量定义为唯一的独立参数,降低了设计空间的维度。因此,IMTO方法的优化流程与单尺度方法一样简单。这一策略避免了宏观尺度变量的冗余更新,从而相比需要迭代更新宏观和微观尺度设计变量的分层多尺度拓扑优化方法,具有更高的计算效率。此外,由于每个微观尺度设计变量都是独立的,而宏观尺度设计变量则是根据其微观对应变量计算得出的——具体来说,宏观尺度的“密度”等于微观尺度“密度”的体积平均值——因此无需像CMTO方法那样在宏观和微观尺度上分别进行优化。这样一来,只需设定一个全局体积分数约束,而非为每个代表性体积元素设定固定的体积分数约束。因此,IMTO方法可以根据全局体积分数约束以及每个微观尺度设计变量的灵敏度信息,在每一步优化中确定最优解。由于该解不受局部体积分数约束的限制,IMTO方法能够实现材料的自适应分布。这克服了传统并行方法的一个关键局限,即那些方法要求为每个代表性体积元素预先设定固定的体积分数,从而使IMTO方法能够更充分地发挥多尺度结构的设计潜力。本文还推导出了结构合规性目标函数的灵敏度表达式。此外,由于合规性可以定义为力向量与位移向量的点积,因此灵敏度分析也被扩展到了目标函数表现为任意向量与结构位移向量的点积的一般情况。通过调整目标函数中位移分量的权重系数,可以有效控制结构位移的贡献程度。该方法能够在保持结构刚度的同时控制多尺度结构变形,为基于性能的设计提供了灵活的框架。本文结构如下:第2节介绍了基于直接FE2方法的多尺度理论框架。第3节构建了结合BESO的IMTO框架,其中严格推导了优化公式和灵敏度分析方法,同时还提出了一种新的双分辨率过滤技术,专门用于解决多尺度优化中的棋盘格模式和网格依赖性问题。第4节通过数值算例展示了该方法的效能及其相较于传统CMTO方法的优势。第5节总结了结论及未来的研究方向。
基于直接FE2方法的多尺度公式
本节从二维弹性问题的角度回顾了直接FE2方法,涵盖了其尺度转换方案和数值实现方式。通过对比该方法与传统FE2方法的差异,阐述了其优势。
结合BESO的集成多尺度拓扑优化
本节建立了基于BESO的IMTO框架,介绍了优化公式、灵敏度分析方法以及解决网格依赖性的策略。同时给出了优化流程图,并说明了该方法的优点。
数值算例
本节通过四个数值算例系统地验证了基于BESO的IMTO框架,旨在检验该方法的有效性并制定参数选择指南。在第一个算例中,利用相对较小的模型对桥梁结构进行优化,研究惩罚因子、尺度分离假设、过滤半径以及初始设计等关键算法参数对优化结果的影响。
结论
本研究提出了一种基于BESO方法的集成多尺度拓扑优化框架,该框架能够在不牺牲结构优化性能的前提下提升多尺度拓扑优化的效率。其主要优势在于突破了传统并行方法的核心局限,实现了完全自适应的材料分布。与需要预先定义体积分数的方法不同,IMTO框架能够自动计算出最优的材料分布。
作者贡献说明
刘奎:撰写——初稿、软件、方法论、概念设计。李佩:撰写——审阅与编辑、验证、软件、资源准备。钟铮:撰写——审阅与编辑、指导监督、项目管理、资金筹措。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号