第1期 机电技术 17

双向渐进结构优化法原理及其动力学优化研究
蓝 萌
（厦门大学 航空航天学院，福建 厦门 361005）

摘 要：针对等效静载荷优化（ESLO）计算效率低、优化流程复杂的问题，将双向渐进结构法引入到等效静载荷优化
中。以双向渐进结构法作为优化迭代环方法，对动态响应拓扑优化流程进行了改进，并重新定义了收敛准则；通过 2 个算
例验证了该方法的可行性。研究结果表明，当设计循环次数 n 大于 1 时，所提出的方法每次设计外循环消耗的时间小于原
始方法消耗的时间，
因此整体优化时间减少了；
说明该方法适用于结构动态响应拓扑优化，同时效率更高。
关键词：拓扑优化；
动力学优化；
等效静载荷法；
改进渐进结构法
中图分类号：TH122 TP31 文献标识码：A 1672-4801（2017）01-017-06
文章编号：
DOI:10.19508/j.cnki.1672-4801.2017.01.006

拓扑优化是指在满足给定约束下寻求材料
[1]
的最优分布形式 。常见拓扑优化方法有变密度
法、渐进结构法以及均匀化法。Bend-soe M P 和
Kikuchi N 于 1988 年提出了均匀化法，Bend-soe
[2]
M P[3] 于 1989 年提出了变密度法。渐进结构优化
法（ESO）是近年来兴起的一种解决各类结构优
化问题的数值方法，由 Steven 等人 于 1993 年提
出，该方法通过将结构中无效或低效的材料逐步
去 掉 使 剩 下 的 结 构 渐 渐 趋 于 优 化 。 2000 年
Querin 等 采 用 双 向 渐 进 法（BESO）、利 用 Von
[5]
Mises 应力准则对“满应力设计”进行了研究，
BESO 是对 ESO 的改进和延伸，优化过程中可以
删除和增添材料。无论是 ESO 还是 BESO 都采用
两个独立的参数（单元删除率 RR 和单元添加率
IR）来控制所删除的和添加的单元数量。但是
Rozvany 等 于 2009 年指出，采用两个独立的参
[6]
数 RR 和 IR 是不合理的，如果没有选择好这两
个参数将得不到最优的结果。鉴于此，Huang 和
Xie 等人 [7] 针对刚度优化，提出一种基于灵敏度分
析的改进 BESO 法，该方法解决了连续体拓扑优
化的很多问题，如优化问题的恰当描述、网格依
赖性以及解的收敛性，使其优化结果更加趋于稳
定。PARK J Y 等人 [8，9]
先后将改进的 BESO 法用
于汽车发动机机罩的多目标优化，取得了理想的
结果。
目前拓扑优化多用于静态载荷优化，而工
程实际中结构受到的一般是动态载荷，直接进
[10 ，11]
行动态响应优化分析
但 是 计 算 很 难 收 敛 ，同 时 计 算 过 程 繁 冗 、耗 时
长 ，未 能 在 工 程 中 得 到 应 用 。 针 对 这 些 问 题 ，
Park 于 2002 年 提 出 了 等 效 静 载 荷 优 化 法（ES⁃
LO）[12] ，将动态载荷转化为等效静态载荷，并将
等效后的静载荷作为边界条件对结构进行动
态优化。该方法最初只是用于尺寸优化，在随
[4]
后的研究中，Park 证明了该方法获得的结果满
足 Karush-Kuhn-Tucker 必要条件 [13] ，并通过相应
的算例验证了该方法对线性结构和非线性结
构进行拓扑优化的可行性 [14 ，15] 。该方法在国内
亦得到广泛应用 [16-20] 。相较于传统动力学优化
法，等效静载荷方法在计算效率上已经得到很
大提升，但是由于优化时需要若干个设计循环
才能得到稳定结果，且每次设计循环要都要进
行动力学分析以及静态拓扑优化迭代，依然会
耗费大量时间。
为了进一步提升等效静载荷法的计算效率，
Kim E 等人[21]将系统约简法与等效静载荷法结合，
能够更有效地求解大规模动力学优化问题。Lee
H A 等人[15] 针对非线性结构提出一种结点近似位
移法来减少动态响应分析阶段所花费的时间，以
此提高整体优化效率。
本研究针对当前等效静载荷法中单次设计循
环耗时长、优化流程复杂等问题，将改进的 BESO
方法应用到等效静载荷法中作为优化迭代方法，
替换掉原始的变密度法。预期提升计算效率，简
化优化流程。
虽然在理论上可行，

作者简介：蓝萌（1990—），男，硕士生，研究方向：结构优化设计。
18 机电技术 2017 年 2 月

1
ï 2∑ω j (u i K i u i )j
双向渐进法简介 ì1 m T 0
xi = 1
1 ∂f ï j = 1
1.1 αi = - = p-1 m
p ∂x i íï x min
单元灵敏度计算
ï 2 ∑ω j (u i K i u i )j x i = x min
T 0 （4）
以最小化柔顺度为目标函数，以体积为约束
î j=1
条件，以单元本身为设计变量，基于灵敏度分析改 i = 1,2,...,N
进的 BESO 刚度优化数学表达式可描述为：
1.3 单元增删准则和收敛性
ìMinimize C = 1 F T U
ï 2 改进 BESO 的优化过程中，在对单元处理之
ï
ï
∑
N
ïSubjectto V - v x = 0
* 前，应该先给出下一迭代步的目标体积 Vk+1。初始
í i i （1）
ï i=1
体积 Vk 可以大于或小于整体的体积约束 V*。因
ï
ï F = KU
ï x i = {x min ,1} 此，体积进化迭代式可表示为：
î
V k + 1 = V k (1 ± ER),(k = 1,2,3...) （5）
式中：C 为结构柔顺度；F 和 U 分别为外载荷向量
式中：k 为当前迭代次数，ER 为体积进化率。一旦
和结点位移向量；V*为体积约束；N 为设计域中单
达到了目标体积，那么在以后的迭代步中将会保
元总数量；vi 是第 i 个单元的体积；xi 为双向赋值的
持 Vk+1= V*。
非连续设计变量，即单元的相对密度；K 为结构总
将单元按灵敏度从大到小排列，定义 α thdel 为
体刚度矩阵。
单元灵敏度删除阀值，α thadd 为单元灵敏度增添阀
本文采用“软杀”策略，即将灵敏度低的待删
单元的相对密度人为减至一个小量 xmin（可令 xmin= 值。如果有实单元灵敏度值 α i ≤ α thdel ，则删除此

0.001）以防止刚度矩阵奇异，后续该单元仍参与 单元，将其设计变量由 1 变为 xmin；如果有虚单元灵

有限元分析而不是直接删除。因此，用于单元“软
杀”BESO 法的单元灵敏度计算式为：
ì 1 uT K 0 u
ïï 2 i i i
α i = - 1 ∂C = í p - 1
p ∂x i ï x min T 0
ï u K u x =x
î 2 i i i i min
i = 1,2,...,N
式中：αi 为第 i 个单元的灵敏度；P 为惩罚因子，可
令 P=3；ui 为第 i 个单元节点位移向量；Ki 为第 i 个
单元的刚度矩阵。
1.2 多工况优化单元灵敏度
将权值法引入到 BESO 法中，多载荷工况的
刚度拓扑优化问题可以描述为：
ïMinimize f =∑ω j C j
ì m
敏度值 α i ≥ α thadd ，则添加此单元，将其设计变量由
xmin 变为 1。
一般情况下有 α thdel ≤ α thadd ，两者数值的选取步
xi = 1
骤为：
（2）
1）假定 α thdel = α thadd = αth ，根据 Vk+1 易确定 αth 的
值：若前 m 个单元的体积和为 Vk+1，则 αth = am + 1 。
2）计算体积增添率 AR。AR 表示单步增添单
0 元的体积与设计域总体积之比。事先预设最大体
积 增 添 率 ARmax，一 般 地 取 AR max ≥ 1% ，若
AR ≤ AR max ，则第一步成立，即 α thdel = α thadd = αth ；若
AR＞VAR max ，则需要进入下一步骤重新计算 α thadd
和 α thdel 。
3）将所有虚单元灵敏度从大到小进行排列，

AR=ARmax，可求出添加单元的总体积 Vadd，再根据
j=1
ï
Vdel=Vk-Vk+1 +Vadd 得到删除单元的总体积 Vdel，由 Vadd
íSubjectto V -∑V i x i = 0
ï *
N
（3）
ï i=1 和 Vdel 易确定 α thadd 和 α thdel 的值。
ï F = KU 重复进行有限元分析与单元增删的过程，直
ï x i = {x min ,1}
î 至迭代循环满足两个终止条件：一是体积约束，即
式中：f 为多工况条件下柔顺度加权平均值；m 是 当前进化体积已满足整体约束体积 V*；二是收敛
载荷工况的总数；ωj、Cj 分别是第 j 个工况的预设权 准则。收敛判别式规定为：
并有∑ω j = 1 。
m
| M |
|∑C k - i + 1 -∑C k - M - i + 1 |
M
重系数和结构柔顺度，
j=1
| i=1 |
error = ≤τ
i=1
（6）
用于单元“软杀”BESO 法的多工况优化单元
∑C k - i + 1
M

灵敏度计算式为： i=1
第1期 蓝萌：
双向渐进结构优化法原理及其动力学优化研究 19

式中：k 为当前迭代步数；τ 为收敛系数；M 是一整 

数，用以限制并稳定柔顺度在多次连续迭代中的 n=0

平均变化量，通常取 5。 ii

i

2
M ( x ) u (t ) + C ( x ) u (t ) + K ( x ) u (t ) = f (t )
基于双向渐进法的等效静载荷法优化 t →s

2.1 等效静态载荷法定义 A11ME9

f eq ( s ) = K ( x ) u( s )

如图 1 所示，在等效静态载荷法中，等效静态 n=n+1
载荷被定义为能够产生与动态载荷相同位移场的 F%(62#M
一组载荷集。  1 m T
∑ ωs f eq ( s ) u ( s )
Minimize C=
2 s =1

 
N

Subject to V * − ∑ Vi xi = 0
i =1

 f eq ( s ) = Ku ( s ) ; s = 1, 2,3...m

 xi = { xmin , 1}

t0 t1 t2 t3 … tm L 

( k +1)
M
 countif ( xi ≠ xi ( k ) ) ≤ N × ε (i = 1, 2...N )

5

图 2 优化流程图
s0 s1 s2 s3 … tm
E?|
feq 0 feq1 feq2 feq3

图1 静态载荷等效过程 u（t）。
可以看出，第 i 个等效静载荷作用下产生的位 第三步。将时间域上的连续响应 u（t）离散为
移响应与第 i 个时间步上的动态响应完全相等。 m 个时间点上的响应 u（s），并计算 m 个时刻的等
已知动态分析控制方程： 效静载荷 feq（s），计算公式如下：
·· ·
M ( x) u ( t ) + C ( x) u ( t ) + K ( x)u ( t ) = f ( t ) （7） f eq ( s) = K ( x)u(s) ; s = 1,2,3...m （10）
式中：M、C、K 分别为结构质量、阻尼、刚度矩阵，均 第四步。将第三步得到的等效静载荷 feq（s）
·· ·
为设计变量 x 的函数；u ( t ) 、u ( t ) 和 u ( t ) 分别为加 作为外载荷边界条件，对结构进行多目标拓扑优

速度、速度和位移向量；
（
f t）为外部施加的动载荷。 化。原始方法中该步骤采用变密度法进行优化，
对式（7）进行变换有： 本文运用改进的 BESO 法进行优化。式（11）为基
·· · 于该方法的多目标优化数学模型，将每一个时刻
f eq (t) = K ( x)u ( t ) = f ( t ) - M ( x) u ( t ) - C ( x) u ( t )
（8） 的等效载荷作为一种工况，每个工况赋予 ωs=1/m
t = 1,2,3...m
的权重因子，进行优化迭代直至收敛，迭代过程亦
再用静态变量 s 替换 feq（t）中的时间变量 t，即
可算出等效静载荷： 可成为内循环。
f eq (s) = K ( x)u ( s) , s = 1,2,3...m C = 1∑ω s f eq ( s) u ( s)
ì m
（9） ïMinimize
T

2 s=1
ï
2.2
V * -∑V i x i = 0
引入渐进结构优化的等效静载荷优化步骤 ïSubjectto
N

í （11）
本文将双向渐进法多目标优化应用于等效静 ï i=1

载荷法。如图 2 所示，
该方法可以描述为：
第一步。进行有限元建模，设定初始设计变
量 x（n）=x（0），初始 n=0，n 为设计循环次数或外循环
次数。
第二步。对以 x 作为密度的有限元模型进
行动态响应分析，求其时间域上的节点位移响应
ï f eq ( s) = Ku ( s) ; s = 1,2,3...m
ï x i = {x min ,1}
î
式中：C 为目标函数，即动态柔度值；m 为离散时
间点数或工况数；ωs 为权重因子；feq（s）和 u（s）分别
（n）
为第 s 个时刻下的等效静态载荷和位移向量。
第五步。当 n=0 时，令 n=n+1 并进入第二步
20 机电技术 2017 年 2 月

骤。当 n≠0 时，如果满足收敛条件，则优化结束； 例其他优化参数如表 1 所示。

如果不满足收敛条件，依然令 n=n+1 并进入第 2 步 两种方法的优化结果如图 4 所示。
骤。至此完成一次外循环。收敛条件可以表 结果数据对比如表 2 所示。
示为： 表 1 拓扑优化参数
(k + 1) (k)
countif (x i ≠ x i ) ≤ N × ε (i = 1,2...N) （12） 参数 数值
式中：ε 为外循环收敛因子，由设计者根据需要 弹性模量 E/Pa 2.0e+11
定义。 密度/（kg/m3） 3000
该方法尝试将改进 BESO 法替换传统的变密
泊松比 u 0.3
度法作为内循环迭代方法。第一次外循环时，初
惩罚因子 p 3
始设计域为满设计域，此时按照 Vk + 1=V（1±ER）
k ，
体积约束比 0.4
（k=1，2，3…）计算每次迭代的目标体积，从第二次
网格过滤半径 R/mm 3
外循环开始，均满足 Vk+1=Vk=V*，即初始设计域中既
体积进化率 ER/% 1
有实单元也有虚单元，并且数量分布满足体积约
束，此时有 Vdel=Vadd=AR≤ARmax，这种情况下，渐进结
构法的优化速度要比满设计域时快。
另外，若采用变密度法作为内循环迭代方法，
直接对含有中间密度单元的模型进行动力学分析
会引起网格畸变 [22]，因此需要在下一次外循环开 （a）原始方法优化结果 （b）引入改进 BESO 法后优化结果
始前运用 EEM（eliminate element method）法更新 图 4 优化结果图
设计变量以避免该现象；而 BESO 法由于其单元
表 2 结果对比
密度只有 1 和 xmin 两种，可以直接对其优化模型进
目标函 设计循 优化总时
行动力学分析，简化了优化流程。需要注意到，由 方法
数值/J 环次数 n 间/s
n=1 n=2

于 BESO 法单元密度为 1 或 xmin，不是一个区间内 原始方法 0.5546 2 115.74 59.54 56.20

的连续数值，因此外循环收敛条件也不同于变密
Beso 迭代 0.4830 2 90.48 62.40 28.08
度法。
从优化结果图 4a 和图 4b 可看出，对于受到单
3 数值算例及结果分析
个动载荷的悬臂梁结构，本研究所提出的方法得
下面根据原始等效静载荷法和本文提出的方 到的优化结果与原始方法相似，并且目标函数值
法计算两个算例。 也非常接近，可以认为该方法是可行的。同时本
3.1 单个动载荷条件下的优化 研究提出的方法在第二次设计循环阶段的优化时
如图 3 所示，设计域为 160 mm×100 mm 的二 间为 28.08 s，明显快于原始方法在第二次设计循
维悬臂梁结构，将其划分为 40×25 个单元的有限 环阶段的 56.20 s，两种方法的最终优化时间分别
元模型。模型右边中点受到一个周期的正弦动载 为 90.48 s、115.74 s。因此从整体的优化效率上
荷 f1=1000sin（5πt）[N]作用。 看，本文提出的方法要高于原始方法。
160 mm
3.2 多个动载荷条件下的优化
如图 5，设计域为 200 mm×100 mm 的二维悬
100 mm

200 mm
f1
100 mm

f1
f2

图3 算例 1

每个时间点的载荷工况权值为 ωs =1/m。算 图 5 算例 2
第1期 蓝萌：
双向渐进结构优化法原理及其动力学优化研究 21

臂梁结构，将其划分为 50×25 个单元的有限元模 表 4 结果对比

型。模型右上方受到一个周期的正弦动载荷 f1= 目标函 设计循 优化总
方法 n=1 n=2 n=3
10000sin（5πt）[N]作用，下方中点受到一个周期的 数值/J 环次数 n 时间/s

余弦动载荷 f2=20000cos（5πt）[N]作用。 原始方法 23.36 3 229.16 82.15 71.14 75.87

每个时间点的载荷工况权值为 ωs =1/m。算 Beso 迭代 25.37 3 171.27 87.53 43.14 40.60

例其他优化参数如表 3 所示。 以认为 BESO 法作为优化迭代方法可行。同时随

表3 拓扑优化参数 着载荷作用点数的增加，设计循环次数增加到 3
参数 数值 次，由表 4 的优化结果中可以看出，本文提出的方
弹性模量 E/Pa 2.0e+11 法在第二、三次设计循环阶段的优化时间分别为
密度/（kg/m ）3
7800 43.14 s 和 40.60 s，均明显快于原始方法在第二、三
泊松比 u 0.3 次设计循环阶段的 71.14 s 和 75.87 s，两种方法的
惩罚因子 p 3 最终优化时间分别为 171.27 s、229.16 s。因此从
体积约束比 0.5 整体的优化效率上看，本文提出的方法要高于原
网格过滤半径 R/mm 3 始方法。
体积进化率 ER/% 1 4 结论
两种方法的优化结果如图 6 所示。 本研究将改进的 BESO 法引入到等效静载荷
优化中，改进了动态响应拓扑优化流程，并建立了
新的收敛条件。通过 matlab 软件对 2 个算例进行
了优化分析，经比较可以看出，本研究提出的方

（a）原始方法优化结果 （b）引入改进 BESO 法后优化结果

法，能有效减少 n 大于 1 次设计循环阶段的优化时
图6 优化结果图 间，两个算例中优化所需 CPU 总时间比原始方法
结果数据对比如表 4 所示。 分别减少了 21.8%、25.3%。该方法具有计算速度
从优化结果图 6a 和图 6b 可看出，对于受到两 快、优化流程简单的特点。随着外载荷作用点的
个动载荷的悬臂梁结构，得到的结论与算例 1 类 增多、优化规模的增大，优化所需的设计循环次数
似，两种方法下优化结果与目标函数非常接近，可 也会增加，该方法将会带来更大的优势。

参考文献：
[1] BENDSOE M P,SIGMUND O. Topology optimization: Theory, Methods, and Applications[M]. New York: Methods and Applica⁃
tions,2003.
[2] BENDSOE M P,KIKUCHI N. Generating optimal t-opologies in structural design using a homogenization method[J]. Computer
Methods in Applied Mechanics and Engineering,1988,71(2):197-224.
[3] BENDSOE M P. Optimal Shape Design as a Materi-al Distribution Problem[J]. Structural Optimization,1989,1(4):193-202.
[4] XIE Y M,STEVEN G P. A Simple Evolutionary Procedure for Structural Optimization[J]. Computers and Structures,1993,49(5):
885-896.
[5] QUERIN O M,YOUNG V,STEVEN G P,et al. Computational efficiency and validation of bi-directional evolutionary structural
optimization[J]. Comput. Meth. Appl.Engng,2000(189):559-573.
[6] ROZVANY G I. A critical review of established metho- ds of structural topology optimization[J]. Structural and Multidisci⁃
plinary Optimization,2009,37(3):217-237.
[7] HUANG X,XIE M. Evolutionary topology optimization of continuum structures: methods and applications[M]. John Wiley &
Sons,2010.
[8] CHOI S H,KIM S R,PARK J Y,et al. Multi-Objective Optimization Of The Inner Reinforcement For A Vehicle’S Hood Consid⁃
ering Static Stiffness And Natural Frequency[J]. International Journal Of Automotive Technology,2007,8(3) :337-342 .
[9] CHOI K H,PARK J Y,RYU S P,et al. Reliabili ty-Based Topology Optimization Based On Bidirectional Evolutionary Structural
22 机电技术 2017 年 2 月

Optimization Using Multi-Objective Sensitivity Numbers[J]. International Journal Of Automotive Technology,2011,12(6):849-

856.
[10] AFIMIWALA K A,MAYNE R W. Optimal Design of an Impact Absorber[J]. Journal of Engineering for Industry, Transactions
of the ASME 96: 124-130.
[11] FOX R L,KAPOOR M P. Structural Optimization in the Dynamic Regime[J]. A Computational Approach. AIAA Journal 8:
1798-1804.
[12] CHOI W S,PARK G J. Structural Optimization Using Equivalent Static Loads at All the Time Intervals[J]. Computer Methods
in Applied Mechanics and Engin-eering,2002,191(19-20):2105-2122.
[13] PARK G J, KANG B S. Validation of a Structural Optimization Algorithm Transforming Dynamic Loadsinto Equivalent Static
Loads[J]. Journal Of Optimizat-ion Theory And Applications,2003,118(1):191-200.
[14] JANG H H,LEE H A,PARK G J. Preliminary Study on Linear Dynamic Response Topology OptimizationUsing Equivalent
Static Loads[J]. Transactions of theKorean Society of Mechanical Engineers,2009,33(12):1357-1493.
[15] LEE H A,PARK G J. Nonlinear dynamic response top-ology optimization using the equivalent static loads method[J]. Com⁃
puter Methods in Applied Mechanics and Engineering,2015,283(1):956-970.
[16] 苏义脑,唐雪平,陈祖锡 . 初弯曲纵横弯曲梁的等效载荷法及其应用[J]. 力学与实践,2004(1):42-44.
[17] 黄武龙 . 基于等效静态载荷方法的大型复杂结构的轻量化设计[D]. 广州:广东工业大学,2013.
[18] 赵礼辉 . ESL 法在汽车结构优化设计中的应用[D]. 上海:上海交通大学,2009.
[19] 杨志军 . 基于等效静态载荷原理的高速机构结构拓扑优化方法[J]. 机械工程学报,2011,9(17):119-126.
[20] 芮强,王红岩,田洪刚 . 基于等效静态载荷法的结构动态优化[J]. 汽车工程,2014(1):61-65.
[21] KIM E,KIM H,BAEK S,et al. Effective structural o-ptimization based on equivalent static loads combined with system reduc⁃
tion method[J]. Structural and Mul-tidisciplinary Optimization,2014,50:775-786.
[22] LEE J Y,PARK G J. Dynamic Response Topology Optimization in the Time Domain Using Equivalent Static Loads[J]. AIAA
Journal,2012,50(1):226-234.

􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉
（上接第 13 页）
[2] 杨敏林，杨晓西，杨小平，等 . 吸热管参数对熔盐吸热器性能的影响[J]. 工程热物理学报，
2010，31（5）：
849-852.
[3] 林君，丁宇涛 . 热电偶测温和红外测温的比较研究[J]. 工业加热，
2010，
39（1）：
57-60.
[4] 韩礼钟 . 测量壁面温度的微型热电偶工艺[J]. 计量技术，
1964（4）：
9-12.
[5] 梁美珠，侯丽萍 . 测量金属壁面温度热电偶安装方法分析和测点位置的确定[J]. 山西电力技术，
1995（5）：
49-51.
[6] 王忠伟 . 带补偿导线热电偶测温时的误差分析和修正方法[J]. 计量装置及应用，
2008，18（6）：
34-36.
[7] 郭帮辉，黄剑波，王志，等 . 目标距离和视场角变化对红外热像仪测温精度影响的理论分析[J]. 长春理工大学学报（自然
科学版），2011，
34（1）：16-19.
[8] JANZ G J，TRUONG G N. Melting and premelting properties of the KNO3-NaNo2-NaNO3 eutectic system[J]. Journal of Chemi⁃
cal and Engineering Data，1983，
28：201-202.