研究动机

耗能钢板墙的拓扑对刚度、强度和耗能能力具有直接影响。常规优化需要在大量几何方案之间反复进行有限元分析，计算成本高，而且难以从指定滞回目标直接得到结构。本文提出自监督扩散框架，将性能预测和拓扑生成联结起来。

核心方法

  1. 数据构建：建立12,800个耗能墙样本，并通过有限元分析获得64点滞回曲线。
  2. 性能预测：采用基于ResNet18的滞回性能预测网络 HPPN，学习拓扑到完整滞回曲线的映射。
  3. 扩散生成：DiffEDW根据目标滞回曲线生成单元拓扑，再周期扩展为完整墙体。
  4. 自监督筛选：HPPN评估生成结果与目标之间的误差；当MAPE高于10%时重新注入噪声并生成，直到候选满足阈值。

主要发现

模型能够针对不同刚度、承载力与耗能需求生成差异化拓扑。Grad-CAM与有限元应力分布的对照表明，预测网络关注的区域与关键受力路径具有一致性。性能判别器不仅提高了结果可靠性，也让扩散采样具有明确的工程停止条件。

我的理解

自监督在这里不是脱离物理信息的自动学习，而是让一个经有限元数据训练的性能模型持续约束生成器。它把“生成后再检查”变成“边生成边判断”，为性能驱动设计提供了更清晰的闭环。

论文与代码