基于PointNet和CGAN的锯齿状槽道冷却性能研究

来源：动力工程学报杂志2026年第3期北京时间：

作者：刘金江, 李军现, 黄鑫, 韩泽涛, 张润生, 杜小泽,

摘要：针对现有机器学习模型预测气膜冷却效率分布时依赖低维特征输入,且模型不具有通用性的问题,提出了一种基于PointNet与条件生成对抗网络(CGAN)的数据驱动框架。该框架将计算域中的不规则网格节点转换为点云形式,通过PointNet提取全局特征和局部特征,并以此特征作为条件信息,促使CGAN的生成器重构出与计算流体力学(CFD)高度一致的二维流场分布图,然后通过判别器进行对抗训练以提升输出图像的细节。实验中以锯齿状槽道为研究对象,结果表明:训练集和测试集的绝对误差不超过0.05,相对误差不超过6%,计算耗时低于传统CFD方法。所构建的模型在样本充足时能够适配所有气膜冷却结构,并解决了稀疏点云数据无法高精度重构气膜冷却效率分布的问题。

关键词：气膜冷却,锯齿状槽道,条件生成对抗网络,PointNet,冷却效率,