一种薄壁吸能结构截面智能生成与截面形态—压溃性能双空间协同优化方法

本发明涉及薄壁吸能结构智能设计，特别涉及一种薄壁吸能结构截面智能生成与截面形态—压溃性能双空间协同优化方法。

背景技术：

1、薄壁吸能结构通过在轴向或径向载荷作用下发生渐进屈曲、塑性折叠和材料变形来耗散冲击能量，广泛用于各类碰撞防护装备；其压溃性能通常由压缩力-位移曲线表征，并由该曲线计算能量吸收（energy absorption，ea）、比吸能（specific energyabsorption，sea）、峰值压缩力（peak crushing force，pcf）和平均压缩力（mean crushingforce，mcf）。工程设计通常要求在质量和安装空间受限的条件下提高sea、降低pcf，并保持较为稳定的压溃过程。

2、现有薄壁吸能结构设计多采用“先确定截面构型、再优化尺寸参数”的路线。即先选定方形、圆形、多边形或内凹式等截面形式，再将边长、壁厚、圆角半径、凹陷尺寸等作为参数，结合试验设计和有限元仿真获得样本，随后采用响应面、神经网络等代理模型建立参数与ea、sea、pcf等性能指标之间的映射关系，并使用nsga-ii、粒子群算法等算法完成多目标寻优，获得pareto候选方案。该类方法存在如下缺陷：

3、（1）受预设截面构型限制，属于固定构型下的参数优化；当截面变形侧数、凹陷数量或拓扑形式改变，需重新定义设计参数、重建代理模型，无法在同一设计流程中对不同截面构型进行统一生成和性能比较，易遗漏高性能截面方案。

4、（2）传统基于几何参数向量的性能预测方法主要学习特定参数与结构性能之间的映射关系。不同截面构型的参数数量、物理意义存在差异，无法统一输入预测网络；而且仅靠几何尺寸参数难以完整保留闭合截面的整体边界形态、凹陷位置及各局部区域之间的空间关系。

5、（3）现有代理模型大多直接预测ea、sea、pcf等标量，丢失压缩力-位移曲线反映的峰值、平台波动、折叠演变过程；各指标独立建模，性能指标缺少统一压溃响应来源，指标间易出现不一致。

6、（4）薄壁吸能结构涉及材料塑性、大变形、接触和自接触等强非线性行为，每获得一个新截面的完整响应均需要进行显式有限元计算。当多目标优化中同时包含大量候选个体和多代迭代时，若每一个更新后的截面均重新建立三维模型并调用有限元求解器进行计算，将产生较高的计算成本。

7、（5）传统多目标优化依靠随机初始化，仅依据目标函数值、pareto支配关系或目标空间拥挤度选择和维护优秀候选；对于同时包含截面构型变量和几何控制变量的薄壁截面设计问题，随机初始化容易造成不同截面类别覆盖不均；若仅在包含sea、pcf等的性能空间评价候选之间的差异，则可能保留大量性能相近但截面形态高度相似的非支配结构，使候选种群逐渐集中于少数局部形态区域。对于具有不同有效变量和不同几何约束的截面类别，如果直接在同一种群中混合更新，还可能产生无物理意义的参数组合或无法形成闭合截面的不可行结构。

8、（6）现有性能预测、优化搜索与结构输出过程之间缺少连续的一体化技术链，优化结果难以直接形成可复核的工程结构方案。

9、综上，亟需开发一种能够实现多构型截面统一表征、完整压溃响应快速预测、兼顾性能与截面形态多样性的一体化智能设计方法。

技术实现思路

1、（一）要解决的技术问题

2、基于此，本发明提供了一种薄壁吸能结构截面智能生成与截面形态—压溃性能双空间协同优化方法，以解决背景技术中所提到的多构型截面无法统一表征、仅预测标量性能指标丢失过程信息、迭代优化计算成本极高、多目标种群搜索形态多样性差、缺少一体化技术链等问题。

3、（二）技术方案

4、为了达到上述目的，本发明提供了一种薄壁吸能结构截面智能生成与截面形态—压溃性能双空间协同优化方法，包括：

5、步骤s1：对多构型截面进行统一建模并批量建立有限元模型生成样本数据集；

6、基于预设形状控制函数及其参数，根据截面变形侧数和单侧凹陷数量划分四类截面构型，在各参数约束区间与截面闭合条件下批量生成多样化二维闭合截面边界；通过截面拉伸、尺寸赋值、材料与单元配置、边界及接触条件自动化设置，批量构建显式动力学有限元模型并完成仿真求解，提取截面形态参数、结构质量及压缩力-位移曲线，计算得到ea、sea、pcf、mcf性能指标，建立涵盖多类截面构型的样本数据集；

7、步骤s2：基于所述样本数据集，构建并训练用于截面形态表征与压溃性能预测的convae-gru网络；

8、convae-gru网络包括卷积自编码器convae和gru网络；将所有截面统一预处理为固定分辨率的二值截面图像，利用convae提取能够表征截面整体拓扑形态的深度特征；将所述深度特征输入gru网络，建立截面形态特征与压缩响应的映射关系，输出50点压缩力-位移曲线与结构质量的预测值，并进一步求解得到ea、sea、pcf、mcf性能指标；

9、步骤s3：针对多构型截面分别构建独立子种群与类别pareto档案，同时构建跨构型pareto档案，实现不同构型候选的统一性能对比；

10、依据四类截面构型分别建立独立优化子种群，采用分层均匀映射初始化方式完成初始种群采样，保证设计空间均匀覆盖；各子种群独立迭代更新并分别维护类别pareto档案，单独保存各类构型对应的非支配最优候选；将所有类别pareto档案合并并重新执行非支配筛选，构建跨构型pareto档案，实现不同截面构型候选方案的统一性能评价与横向对比；

11、步骤s4：基于步骤s3所得的类别pareto档案和跨构型pareto档案，构建截面形态—压溃性能双空间评价体系；

12、分别构建归一化sea-pcf压溃性能目标空间与归一化截面深度特征空间，同步计算候选个体在目标空间与特征空间的最近邻距离，加权构建双空间多样性评价指标；

13、步骤s5：根据所述截面形态—压溃性能双空间评价体系，采用smcp-dsco算法进行多目标迭代优化，形成pareto候选集合；

14、基于双空间评价体系，在每一类别档案中选取sea极值引导个体、pcf极值引导个体与多样性最优引导个体，加权形成协同引导中心；结合超体积前沿进展感知机制自适应调节迭代搜索尺度，通过多尺度轨迹协同更新、停滞触发重尾扰动与几何可行域修复机制迭代更新种群，持续更新类别pareto档案与跨构型pareto档案，最终得到兼顾吸能性能、峰值载荷与截面多样性的全局非支配pareto候选集合；

15、步骤s6：根据所述pareto候选集合，重构三维薄壁吸能结构并执行有限元复核；

16、迭代终止后从pareto候选集合中筛选sea优先方案、pcf优先方案与折中方案，根据这些方案的形状控制参数重构二维闭合截面与三维薄壁吸能结构；采用统一仿真设置开展有限元复核，对比网络预测结果与仿真结果的误差，验证网络精度与优化方案可靠性，最终输出兼顾力学性能与工程实用性的最优薄壁截面构型设计方案。

17、（三）有益效果

18、由上述技术方案可知，本发明提出的一种薄壁吸能结构截面智能生成与截面形态—压溃性能双空间协同优化方法，其有益效果在于：

19、1、将不同参数维度、不同拓扑形式的截面统一转化为固定尺寸二值截面图像输入，利用卷积自编码器提取深度形态特征，实现多构型截面的统一表征与预测，极大拓宽了薄壁截面的设计搜索空间。

20、2、构建的convae-gru网络，以截面形态特征驱动压溃时序响应预测，能够直接由截面图像输出完整50点压缩力-位移曲线与结构质量，进而精准计算ea、sea、pcf、mcf等关键吸能指标。相比于传统迭代优化每代均依赖大量显式动力学有限元计算的方式，本发明以训练完成的神经网络替代海量仿真迭代，在保证预测精度的前提下极大降低迭代优化的算力开销与时间成本。

21、3、针对四类截面构型分别建立独立子种群与类别pareto档案，采用分层均匀映射初始化结合黄金比例维间错位策略，克服传统随机初始化存在的参数聚集、设计空间覆盖不均、部分构型缺失等问题。通过类别档案独立筛选、独立更新，保证每一类截面构型均能充分参与优化迭代，避免单一优势构型垄断种群，实现多构型协同搜索、互补择优。

22、4、构建压溃性能目标空间与截面形态特征空间的双空间多样性指标，兼顾性能分布稀疏性与截面几何形态差异性。在档案截断过程中优先保留形态差异大、性能分布均匀的优质个体，有效避免种群同质化收敛、局部最优堆积等问题，使最终pareto前沿包含更多拓扑差异化、工程可选择性更强的截面方案。

23、5、基于超体积迭代增量动态自适应调节搜索尺度，迭代前期实现大范围全局探索，迭代后期实现精细局部开发；同时针对长期停滞个体引入高斯-柯西混合重尾扰动机制，停滞越久的个体跨域跳跃能力越强，有效跳出局部最优区域。结合同类个体差分扰动与周期轨迹偏移更新策略，使算法兼具全局搜索广度与局部收敛精度，改善多目标优化的收敛性能与求解稳定性。