基于U-net-Trans-D-C-Ghost轻量化深度学习模型的实时拓扑优化方法及系统

一种基于U‑net‑Trans‑D‑C‑Ghost轻量化深度学习模型的实时拓扑优化方法及系统，属于结构拓扑优化设计领域。本发明要解决的技术问题是：如何构建轻量化的深度学习模型，在拓扑优化过程中捕捉结构的细微边界，动态调整深度学习模型的参数量和浮点运算量，高效实现精确化、实时化的结构拓扑优化设计，从而解决工程装备的轻量化敏捷设计需求。技术要点：在U‑Net架构中引入高效Transformer模块捕获全局上下文信息，提升图像分割的收敛速度；构建残差可变形卷积模块和可变形最大池化模块改善拓扑优化中分割准确性与图像清晰度的问题；引入动态Ghost网络，搭建轻量化深度学习模型，显著降低结构拓扑优化的计算成本。本发明将深入学习与结构拓扑优化深度融合，特别适用于大型工程装备的结构优化与敏捷设计。