具有特定属性结构的逆向设计是具有挑战性的，主要是因为存在多种设计方案可以满足规定的条件。以变形复合材料梁为例，由于材料、几何形状和驱动方式的选择多样，导致制造方案也多种多样。此外，这类问题往往伴随着大变形，使其成为高度非线性问题。

该研究提出了一种基于生成对抗网络（GAN）的逆设计方法，用于构建能够变形为目标形状并执行复杂预定运动的软复合材料梁。该方法利用了具有被动层和主动层的复合材料，这些层由于非均匀的几何和材料属性，通过温度驱动应变失配达到预定变形的目的。

为了测试该方法并快速探索参数空间，该研究对高弹性主动层的进行拉伸实验。实验和数值分析结果表明，简单模型能够有效生成设计参数，使得复合材料梁在释放后能够自行变形为目标形状。

研究还扩展了该方法，使其能够生成用于形成软、变形复合材料梁的设计参数，当通过温度驱动时，这些梁能够执行复杂的预定运动。该数据驱动方法简单而稳健，能够为复杂问题提供解决方案，并有望在未来软机器人、智能可部署结构等领域发挥重要作用。

一、引言

变形结构因其能够在紧凑构型和展开构型之间转换而具有广泛应用，例如软体机器人、可展开结构等。这些结构通常依赖于材料、几何和驱动方式的协同作用来实现变形。现有的变形结构设计方法大多依赖于经验或启发式算法，难以快速有效地生成满足特定变形要求的结构参数。此外，由于变形结构的非线性特性，传统的优化算法难以解决复杂的逆设计问题。

近日，《Engineering Applications of Artificial Intelligence》期刊发表了一篇由卢布尔雅那大学机械工程学院非线性力学实验室的研究团队完成的有关基于生成对抗网络的软变形复合梁逆设计的研究成果。该研究提出了一种基于生成对抗网络（GAN）的软变形复合梁逆设计方法，通过学习大量训练样本，生成满足特定变形要求的结构参数，从而实现快速有效的变形结构设计。论文标题为“Using a generative adversarial network for the inverse design of soft morphing composite beams”。

二、内容简介

研究提出了一个可展开梁的逆向设计问题，问题目标是通过设计具有预拉伸层的复合梁，使其在释放后能够变形为目标形状。复合梁由一个基底层和多个预拉伸层组成，预拉伸层的几何和材料属性以及预拉伸量是设计参数。目标形状是已知的，而设计参数需要通过逆向设计方法来确定。

图1 展示了基于神经网络的软、自展开结构逆设计方法。

基于生成对抗网络（GAN）的逆向设计框架由生成器网络、评估网络和预训练的模拟器网络组成。生成器网络的目的是生成设计参数，判别器网络评估其可行性，模拟器网络验证其准确性。三者协同工作，最终生成可行且准确的设计参数，使得结构能够变形为目标形状。

图2 展示了用于变形结构逆设计的神经网络模型的各个组件。该模型由三个独立的网络组成：生成器网络、判别器网络和预训练的模拟器网络。

文章使用3D打印模具制造了硅橡胶片，并采用预拉伸层与基底层精确粘合的方法制作了变形复合梁。首先使用 3D 打印机制作模具，制作硅橡胶层。根据设计参数裁剪和预拉伸主动层，并将其粘接到基底层上。最后，释放复合材料梁，使其变形为目标形状。

图3 展示了用于制造变形软复合材料梁的装置。(a) 该装置由 3D 打印部件、螺栓、螺母和螺纹杆组成，用于复合材料梁的制造阶段。通过拧紧螺母，可以非常精确地控制单个层的拉伸。(b) 制造阶段的横截面视图。

实验结果表明，使用生成的设计参数制作的复合材料梁能够很好地变形为目标形状，与目标形状之间只有很小的偏差。模拟结果表明，生成的设计参数能够准确预测复合材料梁的变形。此外，还讨论了生成器网络的鲁棒性，并与其他方法进行了比较。

图4 对比了目标梁形状（红色曲线）和根据生成的设计参数制造的复合材料梁（绿色硅胶聚合物）。(a) 和 (b) 为由随机训练示例组装的形状，(c) 为圆形，(d) 为波浪形，(e) 为螺旋形。图中数字代表每个部分，指示用于制造每个复合材料梁的设计参数。

图5 展示了根据目标形状生成设计参数，以制造变形复合材料梁的过程。

该研究扩展了逆设计方法，使其能够生成温度驱动变形结构的设计参数。通过将预拉伸参数替换为线性热膨胀系数和温度载荷，可以设计出在温度作用下能够执行复杂运动的结构。通过两个数值示例展示了设计的复合梁能够在加热或冷却时从目标初始位置变形到目标最终位置，验证了方法的可行性和有效性。

图6 展示了生成设计参数，以制造能够通过加热/冷却驱动并演示复杂运动的软变形梁的过程。展示了两个梁的例子 (a) 和 (b)，它们从目标起始位置（虚线红色曲线）变形为目标终止位置（实线红色曲线）。虚线黑色线代表两个梁的初始形状，长度分别为 (a) 98 毫米和 (b) 172 毫米。(a) 和 (b) 中的插图分别展示了变形梁的结构。

三、 小结

该研究提出了一种基于生成对抗网络的软变形复合梁逆设计方法，通过学习大量训练样本，生成满足特定变形要求的结构参数，从而实现快速有效的变形结构设计。该方法在软体机器人、可展开结构等领域具有广泛的应用前景。

原始文献：

Brzin, T., & Brojan, M. (2024). Using a generative adversarial network for the inverse design of soft morphing composite beams. Engineering Applications of Artificial Intelligence, 133, 108527.

原文链接：

https://doi.org/10.1016/j.engappai.2024.108527