2. 拓扑优化的数学基础

拓扑优化本质上是一个“在给定载荷与边界条件下，寻找材料最优分布”的数学问题。要把它写成可求解的形式，必须明确三件事：设计变量（哪些量可以变）、目标函数（变好还是变坏用什么衡量）、约束条件（变化必须满足哪些限制）。这三者共同构成优化模型，也决定了后续采用连续体还是离散体描述、采用哪种材料插值模型。

一、设计变量：从离散到连续

设计变量是优化过程中被算法调整的量。在离散体拓扑优化中，设计变量通常是杆件的有无或截面尺寸，例如桁架结构中每根杆的截面积 A_i，取值为 0 表示杆件删除，取正值表示保留。在连续体拓扑优化中，设计变量则是每个有限单元的相对密度 ρ_e，取值在 0 到 1 之间：ρ_e=1 表示该单元为实体材料，ρ_e=0 表示该单元为空，中间值表示“假想材料”。

连续体设计变量数量通常等于单元数量，一个 100×50 的二维网格就有 5000 个变量，因此连续体拓扑优化属于大规模优化问题。为抑制棋盘格和网格依赖，常引入密度过滤或灵敏度过滤，使设计变量在空间上平滑过渡。

二、目标函数：柔度最小化与频率最大化

最常见的目标函数是结构柔度最小化，等价于刚度最大化。柔度定义为 C = U^TKU，其中 K 为整体刚度矩阵，U 为位移向量。柔度越小，结构在同样载荷下变形越小。另一类目标是最大化结构基频，用于避免共振；还有多目标形式，例如同时考虑柔度和频率。

目标函数必须对设计变量可导，才能使用基于梯度的优化算法。以柔度为例，其灵敏度可通过伴随法高效计算：∂C/∂ρ_e = −u_e^T(∂k_e/∂ρ_e)u_e，其中 u_e 为单元位移，k_e 为单元刚度矩阵。该式说明：单元越“硬”且变形越大，其密度变化对整体柔度影响越显著。

三、约束条件：体积、平衡与边界

拓扑优化最典型的约束是体积约束：Σρ_ev_e ≤ V_f·V₀，即材料总体积不超过初始设计域的给定比例 V_f（体积分数）。此外还有平衡方程约束 KU=F，它保证每个迭代步的位移场满足静力平衡；以及边界条件约束，如固定支座处位移为零、载荷作用点位移不超过限值。若考虑制造，还可加入最小尺寸、拔模方向、对称性等约束。

四、连续体与离散体的数学描述

连续体拓扑优化可写成：min_ρ C(ρ) = U^TK(ρ)U，s.t. K(ρ)U=F，Σρ_ev_e ≤ V_fV₀，0 ≤ ρ_e ≤ 1。离散体拓扑优化则常写成：min_A C(A)，s.t. 平衡方程、应力约束、截面尺寸上下限。两者区别在于：连续体设计变量是密度场，离散体设计变量是构件尺寸或连接关系；连续体更通用，离散体更接近桁架、网架等工程结构。

五、材料插值模型：SIMP 与 RAMP

连续体优化中，若直接令单元刚度与密度线性相关，会出现大量中间密度，物理上无法制造。SIMP（Solid Isotropic Material with Penalization）模型将单元刚度写为 E_e = E_min + ρ_e^p(E₀ − E_min)，其中惩罚因子 p 通常取 3。当 ρ_e 在 0 到 1 之间时，ρ_e^p 远小于 ρ_e，即中间密度“性价比”低，优化器会主动把密度推向 0 或 1，从而得到清晰的黑白布局。

RAMP（Rational Approximation of Material Properties）模型则写为 E_e = E_min + ρ_e/(1+q(1−ρ_e))·(E₀−E_min)，其中 q 为惩罚参数。RAMP 在 ρ_e 接近 0 时斜率有限，数值上更稳定，适合某些对中间密度敏感的问题。两者物理含义一致：用惩罚函数让中间密度“不划算”，从而逼近 0/1 设计。

六、从数学到可执行模型

把上述内容组织起来，一个可执行的连续体拓扑优化流程通常包含：定义设计域与网格、施加边界条件和载荷、初始化密度场（常取体积分数均匀分布）、进入优化循环（有限元分析→灵敏度计算→密度更新→过滤→收敛判断）。收敛判据常用设计变量最大变化量小于 0.01 或目标函数连续若干步变化小于 1e-4。若结果出现大量灰色单元，可增大惩罚因子 p 或减小过滤半径；若出现棋盘格，应检查过滤是否生效。

理解设计变量、目标函数、约束条件以及 SIMP/RAMP 的数学形式，是后续使用 OptiStruct、ABAQUS、COMSOL 或自编 MATLAB/Python 程序进行拓扑优化的前提。只有模型写对，优化结果才具有物理意义和工程可用性。