力学顶刊 | 最新成果：复杂拓扑优化结果的自动CAD模型重构框架（AMRTO）

22小时前浏览6

与尺寸或形状优化相比，拓扑优化（Topology Optimization）提供了更大的设计自由度，在航空航天、电子芯片、汽车、机械制造等领域展现出巨大的应用潜力。然而，目前拓扑优化的设计结果难以直接应用于工业设计与制造。其原因在于，目前最流行的拓扑优化方法所产生的最优拓扑缺乏显式的、CAD友好的表达形式。经过常规平滑化后处理后，拓扑优化结果通常以三角面片网格表示，编辑困难且缺乏参数控制，传统的人工重构过程繁琐复杂且严重依赖设计人员的经验。若将下游应用需求纳入拓扑优化算法约束，则会减小设计空间，可能降低优化性能。主流商业软件的重构方法鲁棒性差、生成模型的NURBS面片和控制点数量过多，对设计探索和详细参数设计等下游应用带来了挑战。

对此，清华大学航天航空学院杜建镔课题组在计算力学顶级期刊《Computer Methods in Applied Mechanics and Engineering》（CMAME，一区Top）发表了题为“AMRTO: Automated CAD model reconstruction of topology optimization result” 的研究论文。提出了一种从复杂拓扑优化结果自动重构CAD模型的通用框架和方法，能够生成光滑、显式、精确、且易于编辑的边界表示（B-rep）模型。该方法将模型光滑化、重网格化、广义摩托车图法、改进的调和映射、自适应采样、多分辨率控制策略等有机结合，实现了全自动程序处理，可取代传统繁琐低效的拓扑优化结果的人工模型重建。该方法可有效缩减控制点数量和NURBS面片数量，使所生成的模型的复杂度及下游应用（如参数优化、二次设计）难度得以进一步降低，对于推动工业结构从概念（拓扑）设计到详细（参数、形状）设计的一体化和自动化具有重要意义，也有助于推动拓扑优化、计算机图形学及CAD/CAM等交叉领域的理论发展与技术创新。Python代码（PYTOCAD）和所有测试模型均可在https://github.com/rhy-thu/AMRTO或https://zenodo.org/records/14381998上下载。该方法在多项性能指标（包括运行效率、CAD模型的NURBS面片及控制点数量、模型文件大小、鲁棒性、对输入网格的容忍度、细碎面片的数量及调控灵活性）上优于多款主流商业软件，包括Rhino 7、Hypermesh 2021、Design X 2022、nTopology 5.3.2、Geomagic Studio 12、Abaqus 6.14和COMSOL 6.2。