基于主动采样与物理信息神经网络的抗变形结构轻量化优化方法

本发明公开一种基于主动采样与物理信息神经网络的抗变形结构轻量化优化方法。本发明涉及结构优化技术领域，解决现有技术无法平衡优化精度与计算效率的问题。该方法面向抗变形结构，以柔度为最小化目标，结构材料使用量作为约束，神经网络作为优化加速；旨在实现深度神经网络与结构优化的集成，实现高效的抗变形结构优化设计流程，并提出主动采样策略减少模型训练的成本。编码底层物理定律的物理信息神经网络展现其优越性，在没有训练样本的场景下可直接求解正向问题；主动采样策略以减少输入的数据量，进而降低了训练难度，节约了训练成本。此外，为解耦训练配点的材料属性和位移，基于变分形式的势能被计算，并用于损失函数的构造。