数据驱动的结构分析与设计专题序.pdfVIP

第56卷第期力学学报Vol.56,No.7

2024年月ChineseJournalofTheoreticalandAppliedMechanicsJul.,2024

数据驱动的结构设计专题

数据驱动的结构分析与设计专题序

郭旭*1)廉艳平+,2)

*（大连理工大学工业装备结构分析优化与CAE软件全国重点实验，辽宁大连116024)

+(北京理工大学先进结构技术研究院，北京100081)

人工智能是新一轮科技革命和产业变革的重要驱动力量，数据驱动计算力学在此背景下应运而生并已

成为新时代力学领域的重要研究方向之一，近年来，该新兴领域研究在我国呈现出了快速发展的喜人态势，

从事相关研究的学者人数快速增加.国家相关部委先后设立了各个层面的研究计划，以大力支持这一新兴方

向研究并培育高水平的研究队伍.事实上，数据驱动计算力学作为数据科学、人工智能与力学学科交叉的重

要方向，不仅蕴含众多极具牵引性的基础科学问题，而且有望催生出一系列能够在航空航天、机械制造、先

进材料、生物医疗等领域发挥重要作用且具有颠覆性的关键技术，以支撑国家重点工程建设和重大装备

研制.

2023年5月，由国家自然科学基金委数理科学部、中国力学学会计算力学和固体力学专委会联合主办，

大连理工大学和北京理工大学联合承办的“第一届全国数据驱动计算力学研讨会”在大连成功召开.本次会

名代表参会.会议提出了发展新的计算力学理论、新的数值模拟方法以及新的CAE软件架构等倡议，对深

化这一领域的科学内涵、明确研究方向、稳定研究队伍起到了重要的推动作用.我们依托该学术会议组织

了这期《数据驱动的结构分析与设计》专题，包括1篇综述和8篇研究论文，旨在展现我国力学学者在该重

要研究方向的部分最新研究成果，供相关学者和技术人员参考.

无论是基于梯度或是种群类的结构优化算法，往往需要成百乃至上千的迭代次数以获得最终收敛结果，

这不可避免地在结构分析、灵敏度计算中面临大规模计算的挑战.因此，如何基于机器学习发展高效的结构

昂、杜宗亮和郭旭等针对波控装备中光子/声子系统中的连续型高阶拓扑绝缘体快速逆向设计难题，提出了

一种结合去噪扩散概率模型和移动可变形孔洞法的实时设计框架，其中采用的去噪扩散概率模型避免了常

见数据驱动设计框架中的训练不稳定和保真度低的问题，实现了计算效率较基于有限元法和遗传算法的传

统逆向设计方法提升6~7个数量级且保证了设计结构的多样性，为多场拓扑材料及超材料逆向设计提供了

有力的理论工具.针对复合材料结构优化设计问题，段尊义和阎军等建立了基于机器学习的变刚度纤维增强

复合材料结构优化设计方法，其中采用了考虑载荷大小和方向随机性的反向传播神经网络模型，避免了传统

离散材料插值格式在结构优化设计中面临的设计变量多、优化求解耗时问题，开展了含圆孔MBB梁与悬

臂C型梁结构变刚度优化设计，验证了方法的高效性和有效性，为航空航天、运载机械等领域变刚度纤维

增强复合材料结构优化设计提供了一种高效的拓扑优化方法.针对涉及极端载荷下材料特大变形的抗冲击

结构优化设计问题，王春彭和廉艳平等采用支持向量机构建了分类判断代理模型，给出了基于该代理模型的

2024-07-01收稿，2024-07-15录用，2024-07-15网络版发表.

1）郭旭，教授，中国科学院院士，主要研究方向为结构优化、计算力学、固体力学等.E-mail:guoxu@dlut.edu.cn

2)）廉艳平，教授，主要研究方向为极端多场计算力学.E-mail:yanping.lian@bit.edu.cn

引用格式：郭旭，廉艳平，数据驱动的结构分析2024,56(7):1838-1839

GuoXu,LianYanping.Prefaceofthemearticlesondata-drivenstructureanalysisanddesign.ChineseJournalofTheoreticaland

AppliedMechanics,2024,56(7):1838-1839

第期郭旭等：数据驱动的结斤与