[发明专利]基于深度学习的散热器件冷却通道快速拓扑优化设计方法

摘要

基于深度学习的散热器件冷却通道快速拓扑优化设计方法，以典型散热器件为范本，采用传统各向正交惩罚材料密度方法进行完整优化迭代，输出每一迭代步高导热材料的密度分布图和密度梯度分布图作为深度学习算法的输入和训练集，构建深度训练后的深度神经网络；再对待优化的散热器件采用传统各向正交惩罚材料密度方法进行初步迭代，输出初步优化的高导热材料密度分布图和密度梯度分布图作为深度学习算法的训练起点，输入到经前步深度训练后的深度神经网络，开展学习和训练，获得并输出最终优化后的高导热材料密度分布图，并以此构建冷却通道结构的拓扑构型。本发明通过引入深度学习算法，提高了优化设计散热器件冷却通道结构拓扑构型的速度和效率。

主权项

1.基于深度学习的散热器件冷却通道快速拓扑优化设计方法，其特征在于，包含以下步骤：1)选取已知散热器件作为范本，建立数值分析模型，划分有限元网格，施加边界条件和约束条件；2)采用各向正交惩罚材料密度方法对所选取的已知散热器件进行完整的优化分析，获得并输出优化过程中每一迭代步的高导热材料密度分布图和密度梯度分布图；3)将步骤2)获得的每一步迭代的高导热材料密度分布图和密度梯度分布图作为深度学习算法的输入和训练集，进行深度学习和训练，获得训练后的深度神经网络；4)建立待优化散热器件的数值分析模型，划分有限元网格，施加边界条件和约束条件；5)采用各向正交惩罚材料密度方法对待优化散热器件进行初步优化分析，经若干迭代步后随即终止迭代，获得并输出待优化散热器件的高导热材料的密度分布图和密度梯度分布图；6)将步骤5)获得的高导热材料密度分布图和密度梯度分布图作为深度学习算法的输入和训练起点，输入到步骤3)获得的经训练后的深度神经网络；7)开展深度学习与训练，获得并输出训练优化后的待优化散热器件的高导热材料的密度分布图和密度梯度分布图；8)根据步骤7)获得的高导热材料密度分布图构建冷却通道结构的拓扑构型，完成散热器件冷却通道结构的快速拓扑优化设计。