基于悬崖引导算法的吸能结构优化设计

《Finite Elements in Analysis and Design》：A cliff-guided algorithm for optimizing energy-absorbing designs

　　

提出了一种用于吸能轻量化桁架结构的优化算法。该算法考虑了弹塑性行为及抗失效能力。优化目标是在最小重量下实现目标能量吸收。这是一种简单的悬崖引导鲁棒算法。 结构优化与拓扑优化已成为结构工程中的关键技术，能够实现满足力学需求的轻量化最优设计，尤其在耐撞性领域[1-8]。然而，当涉及复杂的力学现象时，求解该问题面临重大挑战，包括材料与几何非线性、动态接触以及结构失稳[9-14]。 尽管拓扑优化的先驱方法，如均匀化法（Homogenization）[15-16]、带罚函数的各向同性固体材料法（SIMP）[17]以及进化算法（ESO/BESO）[7,18-20]，在该领域发挥了重要作用，但它们主要聚焦于线弹性问题和最小柔度问题。为处理非线性问题，研究人员引入了伴随灵敏度分析[21-22]、滤波技术[23]以及专用求解器，如移动渐近线法（MMA）[24]。然而，当应用于带局部约束的耐撞性优化时，这些方法常常遭遇设计空间不连续性问题，导致优化过程不稳定。 为确保结构完整性和高保真力学响应，有必要引入损伤、断裂或极限应力/应变等局部约束[13,25-27]。耦合弹塑性模型和路径依赖方法可以有效地优化塑性功，同时限制局部失效。然而，这些局部约束在设计空间内引入了奇异性或不可微的“脊线”。一种常见的变通方法是采用约束聚合技术——如p-范数或Kreisselmeier-Steinhauser（KS）函数[28-29]——将这些局部约束平滑为全局可微约束。尽管这提高了计算可行性，但平滑过程往往使优化结果与物理现实脱钩，产生无法准确反映材料失效机制的优化设计。 此外，这些非线性力学响应的引入造成了巨大的数值障碍。例如，线弹性中的应力约束会产生计算上的“脊线”，但弹塑性的路径依赖性将这些脊线转变为不连续的“悬崖”。对设计的微小修改可能急剧改变单元屈服的顺序，导致能量吸收的波动和全局目标函数的突然跳跃。这种不连续性使得基于梯度的优化方法难以实施，即使是非光滑方法（如次微分）也难以提供稳定的引导。因此，研究人员转向启发式方法和仿生进化算法（如骨重塑）[30-32]，或采用随机算法的高性能计算方法，如模拟退火（Simulated Annealing）[33-34]、遗传算法（Genetic Algorithms）[35]以及数据驱动的机器学习[36]。尽管这些方法稳定，但往往计算成本过高，或在此类问题的求解中自身存在困难。 在耐撞性领域，法规（如ECE R29[37]和EN 15227[38]）通常包含静态准则（如变形或侵入量）和动态准则（如加速度），常用指标包括能量吸收、比能量吸收、平均压溃力、峰值压溃力和载荷-位移响应。结构优化的重点在于确保溃缩区在严格受限的变形空间内吸收规定的动能，以防止乘员舱侵入[39-40]。动能可由撞击体的不变质量和运行速度计算：Ek = ?mv2。现有文献通常关注预定义的外力、位移或重量约束[4-5,7,41-45]。预先设定最大力和时间相关力与拓扑、变形和塑性响应内在相关；预先设定固定目标力有助于数学问题的求解，但无法捕捉碰撞过程的动力学特性。类似地，重量约束方法需要对最终质量进行往往不可靠的估计，这取决于使用者的经验。尽管存在明确的工程动机，即将吸收能W ≥ W*作为直接约束，同时配合未聚合的局部材料失效极限（?εi < εu），但这种显式表述实际上几乎不存在。这种稀缺并非因为缺乏物理相关性。施加直接未聚合的局部材料截断会在设计空间内引入不可微的不连续性，因为渐进材料失效的顺序会发生改变。 针对这些根本性挑战，研究人员提出了一种以能量吸收为约束的新型优化公式：寻求满足局部材料应变约束并达到所需外功吸收的最小质量结构。虽然这一提法更符合工程实践，但由于其固有的不连续性而极难求解。为此，提出了一种所谓的应变驱动分组聚合（Strain-Driven Packet Aggregation，SPA）算法，其具有三项核心创新。第一，它是一种简单的加法启发式方法，无需复杂且计算昂贵的灵敏度分析。第二，研究将证明对于此类问题，局部最大应变可作为真实设计灵敏度的直接、高保真代理。第三，该算法的核心动态是一种受控振荡，直接导航失效边界的不连续“悬崖”。这避免了平滑方法的遮蔽效应，从而提高了结果的可靠性。在此背景下，选择二维准静态弹塑性桁架框架旨在隔离核心优化和算法机制。真实的冲击涉及高速显式动力学、波反射与干涉以及复杂的几何接触，这些超出了当前工作的范围，且会妨碍对优化算法行为的理解。验证SPA算法在准静态条件下稳定骑行这些悬崖边缘的能力，为将该范式扩展到全瞬态动态环境提供了必要的数学基础和验证[40,46-47]。 目前已有多种替代拓扑优化算法。例如，混合元胞自动机（Hybrid Cellular Automata，HCA）在全局体积分数下动态调整连续材料密度以均匀化内能密度分布[45,48-49]。SPA和HCA都是无梯度方法，而SPA具有显式的极限应变限制（?εi ≤ εu），这在材料失效时引入了不连续性。SPA利用应变驱动分组规则来跟踪并骑行失效边界。 ESO/BESO通过局部排序启发式（如瞬态内能密度场或应变阈值）引导的离散二元单元决策来演化材料布局[7,18-20]。SPA使用有限离散分组（ΔA）来操纵材料分布而非二元单元，其应变“排序”由正向有限元求解器给出，隐式满足显式极限应变约束。 基于梯度的弹塑性方案通过完整的本构返回映射和硬化的历史记录推导路径依赖的伴随灵敏度[50-51]。为确保数值稳定性并防止梯度发散，必须使用全局聚合函数（如p-范数和KS函数）人为平滑局部应力或应变约束，这固有地平滑了低密度塑性响应场[28-29]。在显式极限应变约束下，个别单元经历突然的局部断裂或失效，连续灵敏度在边界处不再存在。SPA拥抱这种不连续性，利用失效时的瞬时最大局部应变作为局部分配步骤的直接代理，以导航非光滑流形。 在视觉上，SPA与基础结构尺寸优化共享几何基础，因为它在预定义候选域内改变构件横截面积。基础结构尺寸优化依赖于连续数学规划（如线性规划或凸近似），专为静态准则下的极限载荷或满应力结构效率而设计[52]。对于渐进的、历史相关的塑性塌陷机制，该方法研究较少，因为它无法固有地跟踪单元级失效的不断变化的顺序。 简言之，SPA通过正向有限元求解器本身隐式地施加局部应变限制。通过利用自适应步长非线性有限元循环，该循环在第一个单元达到其极限应变时自动精确终止，约束边界自然嵌入模拟路径中。SPA的优化算法完全无需管理复杂的代数约束空间。SPA读取自终止求解器提供的物理失效位置，并应用离散材料分组（ΔA），以不连续悬崖作为高效迭代路径进行引导。这种迭代策略高效但依赖路径。高度非线性的弹塑性设计空间由多个拓扑上不同且不连通的失效边界构成，该算法作为一种轨迹驱动的启发式方法运行。 本文组织如下：第2节介绍优化问题的数学公式。第3节详述所提出算法的实现。第4节通过一个简单的两杆桁架示例说明核心概念。第5节建立该方法的理论基础，并给出收敛性和最优性的证明。第6节通过二维理想弹塑性桁架类结构的数值示例展示算法的有效性。

论文解读

一、研究背景与问题

结构优化与拓扑优化是结构工程中的关键技术，其目标是在满足力学性能要求的前提下实现结构轻量化。在耐撞性（crashworthiness）领域，优化设计尤为重要，因为吸能结构需要在碰撞过程中有效吸收动能、保护乘员安全。然而，耐撞性优化面临显著挑战：涉及材料与几何非线性、动态接触和结构失稳等复杂力学现象，传统优化方法难以直接应用。

现有拓扑优化方法，如均匀化法（Homogenization）、带罚函数的各向同性固体材料法（SIMP）和进化算法（ESO/BESO），主要针对线弹性问题和最小柔度问题设计。为处理非线性问题，研究人员引入了伴随灵敏度分析、滤波技术和移动渐近线法（MMA）等专用求解器。然而，当这些方法应用于带局部约束的耐撞性优化时，常遭遇设计空间不连续性，导致优化过程不稳定。

为确保结构完整性，需要引入损伤、断裂或极限应力/应变等局部约束。耦合弹塑性模型和路径依赖方法可以优化塑性功并限制局部失效，但这些局部约束会在设计空间内引入奇异性或不可微的“脊线”。常见的变通方法是采用约束聚合技术——如p-范数或Kreisselmeister-Steinhauser（KS）函数——将局部约束平滑为全局可微约束。虽然这提高了计算可行性，但平滑过程往往使优化结果偏离物理现实，无法准确反映材料失效机制。

更为关键的是，弹塑性的路径依赖性将线弹性中的计算“脊线”转变为不连续的“悬崖”。设计参数的微小修改可能急剧改变单元屈服顺序，导致能量吸收波动和目标函数突然跳跃。这种不连续性使基于梯度的优化方法难以实施。为此，研究人员转向启发式方法、仿生进化算法（如骨重塑）、模拟退火（Simulated Annealing）、遗传算法（Genetic Algorithms）和数据驱动的机器学习等替代方案。尽管这些方法稳定，但通常计算成本过高。

在耐撞性法规（如ECE R29和EN 15227）中，常用指标包括能量吸收、比能量吸收、平均压溃力、峰值压溃力和载荷-位移响应。现有文献通常关注预定义的外力、位移或重量约束，但预先设定固定目标力无法捕捉碰撞过程的动力学特性；重量约束方法则依赖使用者的经验进行不可靠的质量估计。尽管存在明确的工程动机，即将吸收能W ≥ W*作为直接约束并配合未聚合的局部材料失效极限（?ε_i < ε_u），但这种显式表述实际上几乎不存在，原因在于施加直接未聚合的局部材料截断会在设计空间内引入不可微的不连续性。

二、研究内容与意义

针对上述根本性挑战，研究人员提出了一种以能量吸收为约束的新型优化公式：寻求满足局部材料应变约束并达到所需外功吸收的最小质量结构。这一提法更符合工程实践，但因其固有的不连续性而极难求解。为此，研究人员提出了应变驱动分组聚合（Strain-Driven Packet Aggregation，SPA）算法，具有三项核心创新：第一，它是一种简单的加法启发式方法，无需复杂且计算昂贵的灵敏度分析；第二，研究证明对于此类问题，局部最大应变可作为真实设计灵敏度的直接、高保真代理；第三，该算法的核心动态是受控振荡，直接导航失效边界的不连续“悬崖”，避免了平滑方法的遮蔽效应，提高了结果的可靠性。

研究选择二维准静态弹塑性桁架框架，旨在隔离核心优化和算法机制。真实的冲击涉及高速显式动力学、波反射与干涉以及复杂几何接触，超出了当前工作范围。验证SPA算法在准静态条件下稳定骑行悬崖边缘的能力，为将该范式扩展到全瞬态动态环境提供了必要的数学基础和验证。

三、主要技术方法

研究人员采用了以下关键技术方法：其一，自适应步长非线性有限元（FEM）求解器，该求解器在第一个单元达到极限应变时自动精确终止，使约束边界自然嵌入模拟路径，SPA算法完全无需管理复杂的代数约束空间；其二，应变驱动分组规则，SPA读取自终止求解器提供的物理失效位置，应用离散材料分组（ΔA）来操纵材料分布而非二元单元决策；其三，以局部最大应变作为设计灵敏度的直接代理，利用失效时的瞬时最大局部应变作为局部分配步骤的指导，以导航非光滑流形；其四，受控振荡动态机制，直接沿不连续失效边界迭代，作为高效路径。SPA通过正向FEM求解器隐式施加局部应变限制，其应变“排序”由正向求解器给出，隐式满足显式极限应变约束（?ε_i ≤ ε_u）。

四、研究结果

第2节 问题公式化与解空间表征

该节建立了优化问题的数学公式。设计变量为各杆单元的归一化横截面积A_i。核心约束是结构在任一单元达到极限应变ε_u之前必须吸收给定的最小外功W*。由于达到该能量吸收所需的力或位移取决于演化的拓扑，不能定义为固定边界条件，因此假设外载荷方向F?已知但其幅值λ必须作为优化问题的一部分确定，即F = λF?。优化目标为最小化结构质量M(A) = ρ∑A_iL_i。

第3节 算法实现

该节详述了SPA算法的实现细节。SPA通过正向有限元求解器本身隐式地施加局部应变限制，利用自适应步长非线性有限元循环在第一个单元达到极限应变时自动终止，将约束边界自然嵌入模拟路径。SPA读取自终止求解器提供的物理失效位置，并应用离散材料分组（ΔA），以不连续悬崖作为高效迭代路径进行引导。

第4节 两杆桁架示例

该节通过一个简单的两杆桁架示例说明了SPA算法的核心概念，直观展示了算法如何在设计空间中沿失效边界迭代。

第5节 理论基础

该节建立了SPA方法的理论基础，给出了算法收敛性和最优性的数学证明，为方法的可靠性提供了理论支撑。

第6节 数值示例

该节通过二维理想弹塑性桁架类结构的数值示例展示了SPA算法的有效性，验证了算法在实际问题中的表现。

五、讨论与结论

SPA与混合元胞自动机（HCA）同为无梯度方法，但SPA具有显式的极限应变限制，在材料失效时引入不连续性，并利用应变驱动分组规则跟踪和骑行失效边界。与ESO/BESO相比，SPA使用有限离散分组（ΔA）操纵材料分布而非二元单元决策。与基于梯度的弹塑性方案相比，SPA拥抱不连续性，使用瞬时最大局部应变作为直接代理来导航非光滑流形。与基础结构尺寸优化相比，SPA能够跟踪渐进、历史相关的塑性塌陷机制中不断变化的单元级失效顺序。

SPA的迭代策略高效但依赖路径。高度非线性的弹塑性设计空间由多个拓扑上不同且不连通的失效边界构成，该算法作为一种轨迹驱动的启发式方法运行。研究结论表明，SPA算法通过利用局部最大应变作为设计灵敏度的直接代理，并采用受控振荡机制直接导航失效边界的不连续“悬崖”，有效解决了弹塑性吸能结构优化中的不连续性问题，为将该方法扩展到全瞬态动态环境提供了数学基础和验证。