一种基于点云神经网络的离心泵压力脉动优化方法及系统

本发明公开了一种基于点云神经网络的离心泵压力脉动优化方法及系统，属于流体机械优化设计技术领域。首先建立含结构参数与工况的数据库；经CFD仿真采集结构、流动场点云及压力脉动数据并标准化；构建融合结构参数注意力机制的点云神经网络，在PointNet架构中增设注意力分支，经自注意力机制分配结构参数权重，提取加权结构特征与点云几何‑流动耦合特征拼接，输入MLP预测压力脉动；训练后基于注意力权重分布与预测变异性构建参数敏感度矩阵；选高敏感度参数作为优化变量，以最小化关键监测点压力脉动为目标，在扬程和效率不低于基准值的约束下采用梯度下降法迭代；最终经CFD闭环验证输出低脉动方案。该方法耗时短、效率高，鲁棒性与可推广性好，适用于不同泵体优化。