我的新闻

多稳态结构在能量吸收、波调控、机械计算和存储等领域应用广泛。通过串/并联双稳态胞元，多稳态结构可以实现特定次序的多步变形并具有可编程的多个稳态构型。然而，目前的双稳态胞元普遍具有耦合的能量势垒和力/位移特性，不仅限制了结构变形过程和稳态构型的丰富设计空间，同时容易造成结构在能量势垒较小的位置发生失稳，降低其鲁棒性。为此，西安交通大学机械工程学院李博教授课题组开展研究，提出了一种全新的双稳态剪纸拓扑设计，对非线性响应过程中的能量势垒与力/位移特性进行了解耦。通过建立基于机器学习（ML）和遗传算法（GA）的并行框架，实现了双稳态剪纸胞元的多目标逆向设计。串联胞元构建的多稳态链兼具等值配置的能量势垒和梯度配置的跳转力，可实现目标变形次序，稳态位移及稳定性。

区别于现有的双稳态胞元设计，提出通过拓扑图案参数控制以解耦能量势垒和力/位移特性的双稳态胞元，并通过结构设计方案简化了多目标逆向设计过程，此外还具有驱动简单、易于加工和阵列等优势。研究团队为胞元建立了并行机器学习（ML）和遗传算法（GA）的逆向设计框架：输入胞元的几何参数，基于自动建模脚本进行有限元分析及结果读取，提取机械响应中能量势垒、力及位移等特性参数作为输出。通过以上输入、输出数据集，训练并测试神经网络。得到的神经网络模型可实现考虑几何、材料非线性的双稳态胞元特性预测。考虑串联胞元构建的链结构，根据多稳态设计需求，使用GA-ML模型，能够进一步实现多稳态逆向设计。

结合上述算法框架，将多目标逆向设计问题拆分为独立运行的单目标逆向设计，可显著提升设计效率。基于剪纸概念，在传统的基于几何不兼容性的弹簧-杆模型基础上，利用旋转刚性板代替了刚性杆结构，通过刚性板几何参数的控制，在不改变能量势垒的情况下，力与位移特性可以实现大幅度调节。