一种基于深度学习的工业设备拓扑优化方法及系统

本发明提供了一种基于深度学习的工业设备拓扑优化方法及系统，方法包括：基于有限元建模算法，构建待优化的设备模型，模型设备至少包括模型在设计域的模型几何参数和载荷参数；设定模型优化的位移边界条件；构建卷积神经网络模型，卷积神经网络模型用于对输入的多通道张量进行处理得到设备模型的密度分布优化结果；基于变量密度法，根据设备模型的模型几何参数和载荷参数，以及位移边界条件，确定输入卷积神经网络的多通道张量；将多通道张量输入到训练完成的卷积神经网络模型中，得到设备模型的目标密度分布，并结合材料集合中的密度参数，得到设备模型的拓扑优化结果，本发明提供的方法能够提高工业设备结构拓扑优化的效率。