买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京谛声科技有限责任公司;中国工业互联网研究院申请的专利一种基于深度学习的工业设备拓扑优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119885703B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411653282.5，技术领域涉及：G06F30/23；该发明授权一种基于深度学习的工业设备拓扑优化方法及系统是由常炜熙;朱国伟;刘晓慧;丁东亮;周河晓;刘哲;李直儒;肖泽晓设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本一种基于深度学习的工业设备拓扑优化方法及系统在说明书摘要公布了：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。

本发明授权一种基于深度学习的工业设备拓扑优化方法及系统在权利要求书中公布了：1.一种基于深度学习的工业设备拓扑优化方法，其特征在于，所述方法包括： 基于有限元建模算法，构建待优化的设备模型，所述设备模型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，所述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，所述卷积神经网络模型包括输入层、多个卷积模块、多个转置卷积模块和输出层；所述输入层用于输入多通道张量，多个卷积模块依次连接，当前所述卷积模块用于根据前一个卷积模块的输出结果进行特征提取依次得到所述多通道张量的特征数据，多个转置卷积模块依次连接，并与多个卷积模块一一对应，其中当前所述转置卷积模块对前一个转置卷积模块的输出结果以及对应的卷积模块的输出结果进行拼接处理，并根据拼接后的数据恢复多通道张量的空间信息，所述输出层用于根据所述转置卷积模块的处理结果获得设备模型的密度分布优化结果； 基于变量密度法，根据所述设备模型的模型几何参数和载荷参数，以及所述位移边界条件，确定输入卷积神经网络的多通道张量，所述多通道张量至少包括水平方向的位移矩阵、垂直方向的位移矩阵和初始体积分数； 将所述多通道张量输入到训练完成的卷积神经网络模型中，得到所述设备模型的目标密度分布； 根据所述设备模型的目标密度分布，结合材料集合中的密度参数，得到所述设备模型的拓扑优化结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京谛声科技有限责任公司;中国工业互联网研究院，其通讯地址为：101407 北京市怀柔区雁栖经济开发区雁栖大街53号院13号楼二层208室(集群注册)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。