Sequential topology optimization: SIMP initialization for level-set boundary refinement

Resumo Técnico: Otimização Topológica Sequencial via Inicialização SIMP para Refinamento de Fronteiras por Nível

Declaração do Problema
A otimização topológica é essencial para o design estrutural eficiente, particularmente com o surgimento da manufatura aditiva. No entanto, os métodos existentes enfrentam limitações complementares. O método de Material Isotrópico Sólido com Penalização (SIMP) é computacionalmente eficiente e capaz de exploração topológica rápida (nucleação e fusão de furos) em todo o domínio, mas produz fronteiras de material difusas com interfaces em degrau e valores de densidade intermediários. Estas exigem interpretação geométrica significativa antes da manufatura. Por outro lado, os métodos de Nível (LS) mantêm interfaces nítidas e bem definidas, adequadas para fabricação direta, mas sofrem de convergência mais lenta e alta sensibilidade ao projeto inicial, pois não conseguem nucleá-lo facilmente novos furos sem mecanismos dedicados.

Metodologia
O artigo propõe um framework sequencial que acopla os métodos SIMP e Nível para aproveitar suas respectivas vantagens. O fluxo de trabalho consiste em seis etapas:

1. Otimização SIMP: Uma otimização baseada em densidade padrão é realizada para determinar uma distribuição de material viável e informada topologicamente.
2. Mapeamento Nodal: O campo de densidade constante por elemento do SIMP é mapeado para os nós da malha de elementos finitos usando um ajuste de mínimos quadrados lineares local. Isso preserva gradientes lineares melhor do que a simples média.
3. Extração de Iso-superfície: Uma malha de superfície triangulada é extraída do campo de densidade nodal em um limiar de $\rho_t = 0.5$.
4. Construção da Função de Distância Assinada (SDF): A superfície extraída é convertida em uma SDF definida nos nós da malha de elementos finitos original. Isso envolve calcular a distância não assinada à superfície e atribuir sinais com base nos valores de densidade nodal (negativo para sólido, positivo para vazio). Esta etapa é agnóstica à malha em relação à extração, mas depende da malha original para a definição da SDF.
5. Refinamento por Nível: A SDF construída inicializa a função de Nível. Uma otimização guiada por derivada de forma (usando evolução Hamilton-Jacobi e regularização de extensão hilbertiana) refina então a fronteira. Esta etapa atua como pós-processamento guiado por otimização, afiando interfaces e acomodando mudanças topológicas necessárias.
6. Discretização Final: A função de Nível otimizada é convertida em uma malha computacional (superfície STL e volume tetraédrico) adequada para análise de engenharia.

Principais Contribuições
Os autores identificam três contribuições primárias:

1. Transferência de Geometria Agnóstica à Malha: Um método para transferir campos de densidade SIMP para uma representação de Nível via construção de SDF que opera em tipos de malha arbitrários (validado em malhas hexaédricas), evitando a necessidade de remalhamento em uma grade cartesiana uniforme.
2. Pós-processamento Guiado por Otimização: Uma estratégia de acoplamento onde a etapa de Nível é posicionada não como um otimizador autônomo, mas como uma etapa de refinamento. Isso mitiga a sensibilidade à inicialização dos métodos de Nível, fornecendo uma configuração inicial viável, ao mesmo tempo que evita o alisamento puramente geométrico.
3. Validação e Código Aberto: Validação abrangente em benchmarks de vigas em balanço 3D e Messerschmitt-Bölkow-Blohm (MBB), acompanhada de uma implementação completa de código aberto para garantir reprodutibilidade.

Resultados
Experimentos numéricos em benchmarks de vigas em balanço 3D e MBB demonstram o seguinte:

• Velocidade de Convergência: A abordagem sequencial reduz significativamente o número de iterações de Nível necessárias em comparação com a inicialização porosa padrão.
  • Caso de Viga em Balanço: Alcançou até um aceleração de 4,6× no tempo de parede (na convergência SIMP mais frouxa) em comparação com a linha de base porosa. Critérios de convergência intermediários ofereceram aceleração de 2,4–2,9× com complacência comparável à linha de base.
  • Caso MBB: Alcançou uma aceleração mais modesta de 1,26–1,44×. No entanto, a abordagem sequencial convergiu para uma topologia de menor complacência (66,31 J) do que a linha de base porosa (68,44 J), sugerindo que a inicialização SIMP ajudou a etapa de Nível a evitar um mínimo local subótimo.
• Qualidade Geométrica: A etapa de Nível refinou com sucesso as fronteiras em degrau do SIMP em interfaces nítidas e prontas para manufatura.
• Sobrecarga Computacional: A construção da SDF e a extração de geometria adicionaram sobrecarga negligenciável (~3,8 segundos) em relação às etapas de otimização.

Significado e Alegações
O artigo afirma que este framework sequencial aborda efetivamente as limitações complementares dos métodos SIMP e Nível. Ao usar o SIMP para lidar com mudanças topológicas globais e o método de Nível para refinar a qualidade da fronteira, a abordagem produz geometrias prontas para manufatura sem a sensibilidade à inicialização típica da otimização de Nível autônoma.

Os autores observam modestamente que o estudo não é uma análise abrangente de eficiência em todas as classes de problemas. A exigência de malha estruturada na implementação atual decorre da implementação numérica específica (upwinding de diferenças finitas) e não do próprio método de Nível. Trabalhos futuros são identificados como a extensão do framework para formulações de elementos finitos não ajustados para remover restrições de malha estruturada e a condução de um estudo sistemático de parâmetros em uma biblioteca de benchmarks mais ampla. O trabalho é apresentado como um passo prático para fechar a lacuna entre a exploração topológica eficiente e a definição geométrica de alta fidelidade no design estrutural.