买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北大学申请的专利一种基于潜在扩散模型的多阶段结构拓扑优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119417716B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411451786.9，技术领域涉及：G06T5/60；该发明授权一种基于潜在扩散模型的多阶段结构拓扑优化方法是由苏丽杰;张伟;王显鹏设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本一种基于潜在扩散模型的多阶段结构拓扑优化方法在说明书摘要公布了：本发明提供一种基于潜在扩散模型的多阶段结构拓扑优化方法，涉及工程设计和结构设计优化技术领域。利用传统SIMP方法创建结构拓扑优化图像数据集并进行预处理；然后将结构拓扑优化图像映射到低维潜在空间表示以减少数据维度提升计算效率；并在低维潜在对初始潜在变量进行前向扩散过程及逆向扩散过程，在逆向扩散过程中加入去噪网络并引入交叉注意力机制和条件机制，使得拓扑结构根据物理和功能需求调整设计，并保证结构保真度；完成训练后将低维空间的潜在变量映射回高维空间，生成拓扑结构，并对其进行少步SIMP直接优化，快速细化结构并直接将物理信息注入设计中，以适应给定的边界条件，实现少步迭代即可完成最优拓扑结构生成。

本发明授权一种基于潜在扩散模型的多阶段结构拓扑优化方法在权利要求书中公布了：1.一种基于潜在扩散模型的多阶段结构拓扑优化方法，其特征在于： 步骤1：确定研究对象，基于传统SIMP方法创建结构拓扑优化图像数据集并进行预处理； 步骤2：设计编码器网络，将步骤1得到的结构拓扑优化图像数据集中的多通道高分辨率结构拓扑优化图像均映射到低维潜在空间表示，得到各多通道高分辨率结构拓扑优化图像对应的初始潜在变量； 步骤3：在低维潜在空间内对步骤2得到的初始潜在变量实施前向扩散过程，得到带噪声的潜在变量并存储； 步骤4：基于带噪声的潜在变量训练逆向扩散模型，通过最小化真实噪声与预测噪声的误差，优化逆向扩散模型中去噪模型参数； 步骤5：使用去噪模型对纯噪声变量进行逆向扩散过程，逐步去除噪声，并生成新的潜在变量，直至生成新的无噪声的潜在变量； 步骤6：在逆向扩散过程中引入交叉注意力机制和条件机制，指导逆向扩散过程； 步骤6.1：将物理条件信息通过预训练的条件编码器进行编码，得到条件嵌入； 步骤6.2：使用交叉注意力机制将条件嵌入与步骤5得到的新的潜在变量结合，以引导拓扑结构生成； 步骤6.3：利用FiLM层将条件信息引入去噪模型的归一化层，加强条件信息的作用； FiLM层通过调节去噪模型中的特征，使条件信息灵活影响每一步的结构生成，计算公式如下： ； 其中，和为由条件嵌入生成的缩放和偏移参数，为条件嵌入；表示输入带噪声的潜在变量，是逆向扩散步数为t+1时得到的新的潜在变量； 步骤7：设计解码器网络，将步骤5中通过逆向扩散过程得到的新的无噪声的潜在变量解码，将其映射回像素空间，从而生成与传统SIMP方法生成的拓扑结构近似的拓扑结构； 步骤8：利用步骤7生成的近似拓扑结构作为起点，进行少步SIMP直接优化，得到最优的拓扑结构； 步骤8.1：利用通过扩散过程生成的近似拓扑结构作为输入，进行少步SIMP直接优化； 步骤8.2：对设计域设置固定的边界条件和力学载荷，作为少步SIMP直接优化的初始条件； 步骤8.3：使用有限元分析方法对当前输入的拓扑结构进行力学分析，计算每个设计单元的位移和应力分布； 步骤8.4：根据SIMP方法中的设计更新规则，设定少步SIMP直接优化的目标函数，通过更新设计变量来调整材料分布，使得在体积或质量约束下最大化拓扑结构刚度，进而最小化拓扑结构的柔度； 设定的目标函数如下公式所示： 其中，为步骤7生成的近似拓扑结构，为近似拓扑结构的柔度值，为设计单元的刚度矩阵，为设计域中单元的相对密度，代表插值后单元的弹性模量，为惩罚因子，是单元的位移矢量，为设计域内单元的个数； 设计变量的更新如下公式所示： 其中，是第k次迭代时的单元密度，是学习率，是目标函数对密度的梯度； 步骤8.5：对优化过程给定体积约束，使拓扑结构的材料体积不超过设计域的体积； 步骤8.6：重复执行有限元分析和设计变量更新，直至达到预设的迭代次数，输出最终优化的拓扑结构。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。