本发明公开了一种基于物理驱动参数化代理模型的导流板优化设计方法及装置，首先确认导流板所在流场环境的边界条件和基本物性，以及导流板设计参数取值范围，并定义需求的物理场变量和性能指标；然后建立物理驱动神经网络模型，基于反向传播计算各物理场变量关于时空坐标的偏微分，带入控制方程计算残差，训练调整神经元权重；最后用训练得到的推理模型参数化求解导流板周围各种情况下的流场，并进一步求解最优化的导流板摆放位置和几何外型设计参数。本发明仅用一步参数化流场无监督学习，替代了传统数值模拟仿真方法的一系列重复性人工操作，而且本发明方法不需要提前收集任何训练数据，因此总体建模和仿真设计周期都被大幅缩短。