Homotopy surrogate model assisted double-loop approach for efficient structural reliability-based design optimization

长期以来，工程师在设计桥梁、飞机和摩天大楼时一直面临着一个艰难的权衡。一方面，他们必须确保这些结构足够安全，能够抵御现实世界中不可预测的特性，例如材料的微小差异、负荷的意外偏移以及尺寸无法达到完美精确等问题。另一方面，他们必须避免使这些结构变得过于沉重和昂贵，从而导致其失去实用性。传统的安全设计方法往往忽略了这些微小的确定性，导致设计结果要么极其脆弱，要么过于笨重。为了解决这一问题，一种被称为“基于可靠性的设计优化”的领域应运而生。这种方法将不确定性视为一个需要计算的核心因素，而非一个被忽略的干扰项，旨在寻找出在数学上证明仍能在最坏情况下生存的最轻量化结构。

这种方法的挑战在于，计算安全性在计算机时间成本方面极其昂贵。为了了解一个设计是否安全，工程师必须模拟成千上菌种不同的可能现实，检查结构在每种细微变化组合下的表现。在优化过程中的每一次设计微调时都进行这样的操作，可能会耗费数周甚至数月的计算能力，使得该方法对于复杂的现实工程项目来说过于缓慢。武汉理工大学的研究人员开发出了一种新方法来加速这一过程，且不牺牲准确性。他们创建了一种类似于“高效捷径”的方法，允许工程师在无需每次都运行完整的、沉重的模拟实验的情况下，就能预测结构在不确定性下的表现。

他们新方法的核心是一个被称为“静态同伦代理模型”的数学工具。过去，试图加速此类计算的工程师通常依赖于数据驱动模型，这类模型就像是通过观察几张过去的照片来猜测天气。这些模型需要海量的训练数据来学习模式，如果数据混乱或不完整，预测结果就会出错。而这个新工具则采取了不同的路径。它不是通过学习示例来工作，而是利用一种特定的数学展开式，在不确定输入与结构响应之间建立起一种直接、显式的映射关系。这意味着一旦完成初始设置，它就能几乎瞬时地生成准确的预测，而不需要大量的历史数据库来对其进行教学。这是一种更基础的方法，它直接理解问题的物理本质，而非仅仅记忆结果。

为了使该工具更加高效，研究人员加入了一种聪明的“复用策略”。想象一名正在设计新桥梁的工程师：当计算机测试不同版本的桥梁时，它经常会遇到与之前已经分析过的设计非常相似的设计。与其为每一个全新的设计都构建一个全新的预测模型，新方法会检查其历史记录。如果新设计与之前的某个设计足够接近，系统就会直接复用旧的预测模型。这种方法避免了从头开始构建复杂的数学映射，从而节省了大量时间。研究人员为何时允许这种复用设定了严格的规则，以确保只有在设计足够相似、旧模型依然准确的情况下才会采取这种“走捷径”的行为。

团队在四个不同的问题上测试了这种方法，涵盖了从简单的数学谜题到复杂的现实结构。他们首先测试了一个高度非线性的问题，即一种微小的变化会导致巨大且不可预测结果的困难方程。他们还测试了两种不同的桁架结构，一个是包含10根杆件的，另一个是包含72根杆件的（这些是桥梁和塔楼中常见的框架）。最后，他们将其应用于一个由数千个零件组成的战斗机机翼盒体的详细模型。在所有案例中，新方法找到的设计在安全性和效率方面都与那些速度较慢的旧方法不相上下。

结果显示，寻找最佳设计所需的时间大幅缩减。对于10杆桁架，与某些现有技术相比，新方法减少了超过99%的高强度计算机模拟次数。对于涉及20个不确定因素的72杆桁架，节省的效果更为显著，计算工作量减少了近99%。即使对于涉及大量部件的复杂机翼盒体，该方法也能在仅使用极小比例常规计算能力的情况下，找到更轻、更安全的方案。研究人员发现，通过复用预测模型，他们可以跳过数百次设计的迭代构建过程，实际上是以极短的时间完成了原本需要庞大团队才能完成的工作。

这项工作表明，安全关键型设计中高昂计算成本的瓶颈并非不可逾越的问题。通过将基于物理的预测工具与智能的复用策略相结合，工程师现在可以探索更广泛的设计可能性。这意味着在未来，结构设计可以变得更轻盈、更高效且更安全，而不会受到运行无尽计算机模拟所带来的高昂成本限制。该方法并不会取代严谨的安全检查，但它移除了那道曾让这些先进技术在面对复杂工程挑战时难以触及的障碍。