Skip to main content
QUICK REVIEW

[论文解读] The homogenization method for topology optimization of structures: old and new

Grégoire Allaire, Lorenzo Cavallina|arXiv (Cornell University)|Jan 27, 2019
Topology Optimization in Engineering参考文献 38被引用 31
一句话总结

本文针对现代基于晶格的增材制造,复兴了拓扑优化中的均质化方法,将数学均质化理论与数值优化相结合,设计出各向异性的微结构。提出了一套三步框架——预先计算均质化性能、有效材料的参数化优化,以及通过取向映射重建周期性晶格结构——实现了相较于SIMP方法具有更优机械性能的可制造最优晶格结构。

ABSTRACT

These are the lecture notes of a short course on the homogenization method for topology optimization of structures, given by Gr\\'egoire Allaire, during the "GSIS International Summer School 2018" at Tohoku University (Sendai, Japan). The goal of this course is to review the necessary mathematical tools of homogenization theory and apply them to topology optimization of mechanical structures. The ultimate application, targeted in this course, is the topology optimization of structures built with lattice materials. Practical and numerical exercises are given, based on the finite element free software FreeFem++.

研究动机与目标

  • 为解决SIMP方法在捕捉各向异性材料行为方面的局限性,复兴适用于现代基于晶格制造的均质化方法。
  • 开发一套系统性框架,用于设计在机械性能与可制造性之间取得平衡的最优周期性微结构。
  • 通过正则化和改进的投影技术,克服最优取向场中的奇异性。
  • 实现微结构几何与取向的联合参数化优化,以实现柔顺性最小化。
  • 提供基于有限元法、使用FreeFEM++实现的数值鲁棒方法,用于实际应用与验证。

提出的方法

  • 利用多尺度渐近展开与均质化理论,预先计算周期性微结构的均质化弹性张量。
  • 在均质化空间中构建松弛化优化问题,将有效弹性张量作为设计变量处理。
  • 应用三步优化流程:(1) 均质化性能预先计算,(2) 取向与微几何的参数化优化,(3) 通过取向映射φ重建物理晶格结构。
  • 利用映射φ将最优取向投影到物理晶格网格上,对奇异性及非均匀取向进行特殊处理。
  • 对取向场应用正则化(例如通过双角β = 2α),以消除奇异性并提升可制造性。
  • 对重建后的晶格进行后处理与清理,以确保几何一致性与可制造性。

实验结果

研究问题

  • RQ1如何有效复兴均质化理论,以设计适用于增材制造的最优晶格材料?
  • RQ2在何种条件下最优取向场中的奇异性无法被消除,又该如何缓解?
  • RQ3与固定取向或固定几何的方法相比,联合优化微结构几何与取向在柔顺性最小化方面有何改进?
  • RQ4均质化方法能否生成在各向异性行为上优于SIMP方法的设计?
  • RQ5投影映射φ在从最优均质化设计重建可制造晶格结构的过程中起到何种作用?

主要发现

  • 均质化方法能够设计出各向异性、周期性的晶格结构,其机械性能显著优于各向同性的SIMP设计。
  • 对取向场的正则化成功消除了如悬臂梁和MBB梁案例中出现的有害奇异性,实现了稳健重建。
  • 在L形梁案例中,正则化消除了原本破坏晶格对齐的奇异性,证明了该步骤的必要性。
  • 在电杆案例中,尽管经过正则化,奇异性仍持续存在,表明存在局限性,需采用增强的正则化策略或更丰富的有限元空间。
  • 对取向与微几何参数(如孔尺寸)的联合优化,所得柔顺性低于单独优化任一变量的结果,证实了完整设计自由度的优势。
  • 通过φ投影步骤,该方法生成了可制造的晶格设计,且随着ε减小(ε = 0.2, 0.1, 0.05)观察到收敛,表明在更细尺度下具有鲁棒性。

更好的研究,从现在开始

从论文设计到论文写作,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。