基于深度学习的模具随形流道智能优化设计方法

本发明涉及模具设计技术领域，公开了一种基于深度学习的模具随形流道智能优化设计方法，获取模具三维模型，提取胶位面、镂空面及厚度分布数据，得到处理后的点云数据，将处理后的点云数据输入三维点云卷积神经网络输出特征语义图；将特征语义图和冷却参数输入GNN模型，在GNN模型中通过Kangaroo2进行力学约束，以输出流道引导曲线坐标序列；基于流道引导曲线坐标序列得到流道布局，将生成的流道布局进行仿真冷却过程中的温度分布与应力集中区域的分析；若仿真结果不达标，基于PPO算法动态调整流道参数输出优化后的流道布局；本发明显著降低人工干预成本，冷却性能全面提升，提高产品合格率，具有复杂场景自适应能力。