一种基于混合深度学习的阀门性能仿真与优化方法及系统

本发明公开了一种基于混合深度学习的阀门性能仿真与优化方法及系统，包括：S1.对阀门进行有限元仿真分析并使用多物理场热固耦合求解，得到阀门在不同工况下的应力、变形和温度分布数据以及阀门关键部件的最大热应力和热变形最大位移；S2.数据处理后，以阀门在不同工况下的应力、变形和温度分布数据为输入参数，最大热应力和热变形最大位移为输出参数，训练神经网络模型，建立热‑结构性能预测模型；S3.基于预测结果，采用基于参考点的非支配遗传算法，结合参考点生成与自适应代理模型，进行多目标优化输出最优参数组合以调整阀门设计；本发明利用神经网络对有限元仿真结果进行深度学习和多目标优化，提高了阀门性能预测精度和优化效率。