随着计算机技术的快速发展,计算机辅助设计已被广泛应用于结构计算和分析,能够显著提升设计效率与精度。但传统的计算机辅助设计依赖设计师的主观决策,依靠人的认知与观察进行迭代优化求解,导致设计周期长、方案缺乏创新性且材料布局不尽合理,已经不能顺应智能制造时代的先进设计方法发展潮流。针对这一问题,本文提出了一种基于拓扑优化和深度学习的新型结构生成方法,该方法分为建立数据集、智能生成新型结构与方案评估三个阶段:（1）在建立数据集阶段,通过开展拓扑优化分析获取数据集样本。先选定研究对象,创建初始模型,并将其划分成非设计区域与设计区域。其次综合考虑棋盘格控制、惩罚系数、最小成员尺寸、对称约束等制造工艺约束参数来提高结构优化结果的可加工性,并通过调整单元密度阈值及工况类型来丰富拓扑优化模型的种类。然后收集不同优化参数下的拓扑模型图片并通过数据增强扩充数据集,训练集标签定义为相应的工况类型,通过构建训练集图片和训练集标签对,实现力学性能与深度学习的结合。（2）在智能生成新型结构阶段,采用开源深度学习框架Tensor Flow搭建基于生成对抗网络（GAN）原理的深度学习模型实现新型结构的智能生成。深度学习模型借鉴博弈学习的思想,设立两个子模型:生成器和判别器,其中生成器负责学习样本数据的真实分布,生成与拓扑优化样本相似的虚假图片;判别器负责鉴别生成器生成的虚假图片与输入的优化模型图片。生成器通过优化自身参数,努力使生成的虚假样本能够骗过判别器,而判别器通过学习拓扑优化样本与虚假样本的特征差异,提升鉴别真假的能力。二者不断地进行博弈学习,最终达到纳什均衡,从而生成合理的新型结构优化设计方案。此外,利用GPU计算或Goole Colab云计算加速技术提升深度学习模型收敛速度。（3）在方案评估阶段,选取关键指标建立方案选择决策的评估体系。挑选生成结果中具有代表性的新型结构设计方案进行新颖性、多样性、力学性能与质量对比分析,并基于图片的三维重构技术实现新型结构的三维重建模,应用熔融沉积成型（FDM）增材制造技术3D打印结构模型以进行可制造性与美观性评估,证明基于拓扑优化和深度学习的新型结构生成方法的科学性。基于所提出的新型结构生成方法的基本思想,依次开展了基于拓扑优化和深度卷积生成对抗网络（DCGAN）生成新型十字节点算例、基于拓扑优化和最小二乘生成对抗网络（LSGAN）生成新型钢桥主桁架算例、基于拓扑优化和边界平衡生成对抗网络（BEGAN）生成新型铸钢支座底板算例研究,验证了基于拓扑优化和深度学习的新型结构生成方法的普适性、可行性与合理性。研究结果表明,基于拓扑优化和深度学习的新型结构生成方法不但可以快速地自动生成新颖的结构设计方案,而且可以进一步优化结构的材料用量和力学性能。