摘要：通过有限元方法计算发射过程中电流密度场,是实现电磁轨道发射器结构精细化设计的必要条件之一,但存在计算时间长、高速计算困难甚至无法计算的问题。该文首先以激励电流、电枢电导率、轨道结构参数和时间t为输入,建立了基于条件生成对抗网络(CGAN)的电流密度场预测模型;然后,为提高对复杂场分布的预测能力,构建ResUnet-Trans网络作为CGAN的特征生成器;最后进行计算验证。以低速电磁轨道发射器实例验证模型内插预测精度,结果表明,模型在测试集上的平均绝对百分比误差(MAPE)小于1.5%;以高速电磁轨道发射器实例验证模型外推预测能力,结果表明,使用由低电导率向高电导率的迁移学习训练策略可以提高模型外推预测精度和泛化能力,在测试集上外推预测MAPE小于2.5%。该文提出的预测方法可实现电流密度场的秒级计算,为高速电磁轨道发射器的优化设计和数字化提供了一种新的思路。