1.一种基于动态进化率和自适应网格的BESO拓扑优化方法，其特征在于，包括下述步骤：步骤S1：针对于需要进行拓扑优化的基本结构，建立有限元模型，定义设计域、荷载、边界条件和网格尺寸；

步骤S2：确定约束值以及BESO方法的必要参数；

步骤S2中所述BESO方法的必要参数包括：位移限值、结构的一阶固有频率限值、用于灵敏度过滤的过滤半径和拓扑优化体积比限值；

步骤S3：对划分网格之后的结构进行有限元分析，并且计算目标函数和不同约束条件下的单元灵敏度；

步骤S4：过滤单元灵敏度以及更新约束的拉格朗日乘子，构造拉格朗日函数的灵敏度；

步骤S5：根据当前迭代步的体积率，基于Logistic函数的动态进化率函数确定当前迭代步的进化率；

步骤S5中所述基于Logistic函数的动态进化率函数确定当前迭代步的进化率，基于Logistic函数动态进化率的函数具体表示为：*

其中，ER、ERmax和ERmin分别表示优化的当前进化率、规定的最大进化率和最小进化率，V表示目标体积分数，Vi表示当前迭代步骤的实体单元体积；

步骤S6：根据设定的约束函数，更新设计变量，判断是否满足所有约束条件以及收敛条件，如果不满足，则先采用自适应网格方法进行网格更新，然后再进行单元更新；

步骤S7：重复步骤S3～S6，直到满足约束条件并且满足收敛准则，则迭代过程停止。

2.根据权利要求1所述的基于动态进化率和自适应网格的BESO拓扑优化方法，其特征在于，步骤S3中所述目标函数为平均柔顺度最小。

3.根据权利要求1所述的基于动态进化率和自适应网格的BESO拓扑优化方法，其特征在于，步骤S4中所述过滤单元灵敏度的具体步骤包括：围绕某个单元设定范围内的所有单元的灵敏度按照距离进行加权平均，作为某个单元的最终灵敏度。

4.根据权利要求1所述的基于动态进化率和自适应网格的BESO拓扑优化方法，其特征在于，步骤S6中所述采用自适应网格方法进行网格更新，具体步骤包括：采用由细到粗的网格自适应地调整模式，将结构的设计域划分成最细级别的网格，根据拓扑优化问题的目标函数和约束条件计算出每个单元的灵敏度，依次对每个搜索框内单元的灵敏度值进行检查，如果某一个搜索框内单元灵敏度的值都为零，并且搜索框内单元的边上均无依附点，则将其合并成一个上一细度级别的单元，进行网格更新及网格单元合并，最终合并成为最高级别的单元。

5.一种计算机存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1至4中任一项所述的基于动态进化率和自适应网格的BESO拓扑优化方法。

6.一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1至4中任一项所述的基于动态进化率和自适应网格的BESO拓扑优化方法。