[发明专利]一种基于图像特征学习的曲线加筋结构布局智能设计方法

说明书

一种基于图像特征学习的曲线加筋结构布局智能设计方法，属于工程薄壁加筋结构优化设计领域。首先基于路径函数确定曲线加筋结构的设计变量，通过搭建自编码网络完成对图像结构特征的学习，进一步进行模型的迁移学习，并搭建卷积神经网络完成对带有力学响应标签的图像集进行学习，最后基于该模型实现演化类算法对曲线加筋结构布局的优化设计。本发明解决了传统优化方法难以处理设计变量众多且可变的优化设计问题，有望成为工程领域中涉及部件布局设计问题的最具潜力的技术手段之一。

技术领域

本发明属于工程薄壁加筋结构设计领域，尤其涉及一种基于图像特征学习的曲线加筋结构布局智能设计方法。

背景技术

曲线加筋布局设计由于具有更大的结构设计空间，会使得加筋结构的刚度分布、加载路径更加灵活，提高结构的承载效率，因此成为运载火箭、飞机、船舶等工程领域的研究热点。然而相对于传统的直线加筋结构，曲线加筋结构的路径表征函数更加复杂，导致设计变量爆炸式增长，进而严重地制约了曲线加筋结构布局优化设计，尤其对于设计变量数目动态变化的曲线加筋结构，基于传统代理模型的结构优化设计方法更加难以开展。

发明内容

针对曲线加筋结构布局优化设计中出现的诸多难点，本发明提出一种基于图像特征学习的曲线加筋结构布局智能设计方法，通过搭建深度学习网络提取曲线路径布局图像的结构特征，进一步优化曲线加筋结构布局设计，解决了传统优化方法所面临的困难，并为相关领域提供一种有效可行的方法。

为了达到上述目的，本发明采用的技术方案如下：

一种基于图像特征学习的曲线加筋结构布局智能设计方法，包括以下步骤：

步骤100：选取曲线加筋路径函数生成图像集，输入自编码网络进行无监督学习训练，完成曲筋图像结构特征的提取，包括以下子步骤：

步骤101：选取路径函数B(t)，并确定加筋薄壁结构路径函数设计变量，如式(1.1)所示；

B(t)＝(1-t)²P_s(x_s,y_s)+2t(1-t)P_m(x_m,y_m)+t²P_e(x_e,y_e),t∈[0,1] (1.1)

其中，B(t)为路径函数，t为路径函数控制变量，P_s(x_s，y_s)为路径起点坐标，P_m(x_m，y_m)为路径内一点坐标，P_e(x_e，y_e)为路径终点坐标；

步骤102：对曲线加筋结构路径函数进行限定，具体的：根据结构不同边界类型组合确定路径函数类型，并对曲线加筋结构路径函数的设计域空间进行约束；

步骤103：生成曲线加筋结构布局的图像集，具体的：确定每张曲线加筋结构图像的大小m*n，生成无监督学习训练所用的训练图像集N₀；

步骤104：搭建对曲线加筋结构布局图像的解码网络模型E和编码网络模型D；

步骤105：将图像解码网络模型E和编码网络模型D进行组合，形成自编码网络模型；

步骤106：将曲线加筋布局图像集N₀输入自编码网络模型；

步骤107：完成自编码网络模型对曲线加筋图像集N₀的训练过程；

步骤108：提取自编码网络模型训练后的解码网络模型E；