为实现经济可持续发展,使各类资源都可以充分地发挥其功能,在进行各种结构设计之时,就要求设计师通过有限的材料资源来实现设计目标,进而可以把材料自身特性最大限度的发挥出来,故在电磁设备的设计中,要对结构中材料的分配做出科学合理的配置。传统的结构设计方法通常是先通过设计师的实际经验或类比法设计出产品的初始结构,而后再对其进行静态、动态分析,一旦不适应再修改设计方法进行重新分析直到符合设计要求为止。目前电磁设备的结构优化设计有两大难点,一方面很难设置一个包括所有设计变量的设计空间;另一方面求解电磁场逆问题主要应用反复多次的电磁场数值计算,如有限元分析的建模和仿真,这是一个耗费大量计算时间的过程,因此本文为解决以上难点,进行的主要工作内容如下:首先,本文在结构设计开始阶段采用拓扑优化设计,通过拓扑学的方法,将几何图形和材料用位图表示,并把整个设计区域描述为一组像素。在设计区域自由修改材料边界和通量屏障的外观,从而产生新的设备结构形状。其次,建立代理模型对拓扑优化结果进行评估,以减少有限元分析次数,从而减少运行时间。本文采用在图像识别领域取得巨大成功的深度卷积神经网络子类,解决物理问题的复杂性和神经网络的过拟合行为,得到满足优化目标的结果。训练深度卷积神经网络是将拓扑信息图作为卷积神经网络的输入,与参数优化不同,拓扑优化不需要引入设计参数就能提取图片的重要特征。最后,本文通过对两种电磁设备拓扑优化分析,验证基于深度卷积神经网络解决电磁场逆问题的拓扑优化设计的可行性,采用不依赖于具体参数变化的深度卷积神经网络模型解决电磁场中不同类型的问题,为电磁装备结构优化提供了框架。