申请/专利权人：广东汇博机器人技术有限公司

申请日：2023-11-06

公开（公告）日：2024-01-16

公开（公告）号：CN117408115A

主分类号：G06F30/23

分类号：G06F30/23;G06F30/13;G16C60/00;G06F111/04;G06F111/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本发明涉及离散体结构拓扑优化技术领域，特别涉及基于PnP‑ADMM的离散体结构拓扑优化方法，本发明通过将离散变量拓扑优化问题近似为以下一系列显式可分离线性整数规划子问题，引入与离散变量兼容的离散灵敏度求目标函数，将模型一应用该方法后的数学模型；通过PnP‑ADMM框架求解数学模型二，并且对目标函数和各个约束添加各自的权重项，从而求解最优结构密度发布问题，被分解为求解三个中间变量的子问题，基于PnP‑ADMM算法框架，采用离散变量优化算法，应用移动限制策略，相比DVTOPCRA算法，柔度值下降在2％左右，都有明显下降；本发明提供的方法处理的拓扑优化结果数值结果稳定，优化结果的可制造性强。

主权项：1.基于PnP-ADMM的离散体结构拓扑优化方法，其特征在于：包括如下步骤：S1、将离散变量拓扑优化问题近似为一系列显式可分离线性整数规划子问题，并引入与离散变量兼容的离散灵敏度求目标函数；S2、将模型一应用到步骤S1的方法后形成数学模型二，并对数学模型二进行推导计算；S3、通过PnP-ADMM框架求解数学模型二，并且对目标函数和各个约束添加各自的权重项；S4、根据PnP-ADMM求解框架求解最优结构密度变量最优值，并进行推导迭代更新；S5、根据PnP-ADMM求解框架，每次更新完设计变量ρ，需要对惩罚因子μ1，μ2，μ3进行收敛判断更新，当迭代到密度变量变化量在一点误差内，且各约束的惩罚因子μi不再变化，视为密度变量收敛到其所在约束下的最优分布；S6、根据PnP-ADMM求解框架，如不满足步骤S5的收敛判断条件，需要更新各约束对应的对偶变量，然后继续迭代；若满足步骤S5的收敛判断条件，则执行移动限制策略，直到满足体积约束，收敛得到最优解。

全文数据：

权利要求：

百度查询： 广东汇博机器人技术有限公司 基于PnP-ADMM的离散体结构拓扑优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD