东南大学费庆国IJHMT：一种跨几何迁移学习框架用于新型微通道热沉的高效优化

转自 空天机械动力学研究所

东南大学机械工程学院航空航天系费庆国教授团队联合西安交通大学在传热传质领域权威期刊《International Journal of Heat and Mass Transfer》上发表了题为 “A cross-geometry transfer learning framework for the efficient optimization of novel minichannel heat sinks” 的研究成果。该研究面向复杂构型液冷板优化设计过程中高保真CFD数据需求量大、不同几何构型间代理模型难以复用的问题，提出了一种跨几何构型迁移学习（Cross-Geometry Transfer Learning, CGTL）框架，实现了不同液冷板构型间代理模型知识的高效迁移与低成本优化。

面向高性能计算芯片和高功率电子器件日益增长的散热需求，肋、针翅和二次流道等强化换热结构被引入液冷板设计之中。结构复杂度的提升虽然带来了更大的性能优化空间，也使代理模型的构建成本显著增加。不同液冷板往往具有不同的几何参数和输入维度，每开发一种新构型，都需要重新生成大量CFD样本并单独训练模型。如何复用已有液冷板代理模型中学习到的流动与换热规律，为新构型设计提供支持，是降低复杂液冷板建模与优化成本的重要途径。

围绕这一问题，本研究选取MCH-SC、MCH-LDHFSC和MCH-FTRSC三类典型强化结构液冷板，构建了跨几何构型迁移学习框架（Cross-Geometry Transfer Learning, CGTL）。针对不同构型输入维度不一致的特点，分别采用缺失输入零填充和输入投影实现特征对齐，并系统研究了网络超参数、微调方式、样本规模及迁移方向对模型性能的影响。结果显示，采用缺失输入零填充并部分冻结网络层的策略具有更优的迁移性能；与从头训练相比，CGTL可使高保真CFD样本需求最多减少61.5%，节省约253.4 h的计算时间。进一步的跨构型验证表明，由高维复杂构型向低维构型迁移时，预测误差最高可降低35.3%。在此基础上，研究将CGTL代理模型与NSGA-II多目标优化相结合，实现了MCH-LDHFSC的快速结构优化。

图1 跨几何构型迁移学习研究框架

图2 不同液冷板构型间的特征对齐与迁移学习策略

图3 不同迁移策略及样本数量下代理模型预测性能对比

图4 优化后MCH-LDHFSC与典型液冷板的工程性能对比

论文的第一作者为航空航天系博士生张同勇，通讯作者为费庆国教授。研究工作得到了国家杰出青年科学基金、国家自然科学基金、江苏省自然科学基金等项目资助。

论文链接：

https://doi.org/10.1016/j.ijheatmasstransfer.2026.129406

作者简介

张同勇，东南大学机械工程学院航空航天系2023级博士生，主要从事高速飞行器热防护与热管理技术等研究工作，目前以第一作者身份发表SCI论文4篇、EI论文1篇。

主要成果如下：

[1] T.-Y. Zhang, M.-X. Zeng, L. Shen, et al., A cross-geometry transfer learning framework for the efficient optimization of novel minichannel heat sinks, Int. J. Heat. Mass. Transf. 271 (2026) 129406.

[2] T.-Y. Zhang, K.T. Ooi, Q. Chen, et al., Transfer learning-driven deployment of advanced cold plates across diverse engineering scenarios, Energy 361 (2026) 141966.

[3] T.-Y. Zhang, H.-Z. Liu, Q.-G. Fei, et al., Numerical investigation of the hydrothermal performance in novel cooled panels with flow-guided pin fins and secondary channels for reusable launch vehicles, Energy 324 (2025) 135991.

[4] T.-Y. Zhang, Q. Chen, M.-J. Xu, et al., Experimental and numerical investigation of an active-passive combined thermal protection system, AIAA J. Thermophys. Heat Transf. 39 (2025) 665–673.

[5] 张同勇, 曾萌祥, 陈强, 等. 机载电子设备复合微通道液冷板智能优化设计[J]. 航空学报, 2026, 47(13): 533030.

供稿： 张同勇

编辑： 余传运

审核： 朱   锐