基于机器学习的压气机叶型优化设计

作     者：赵天铭 柳阳威 唐雨萌 ZHAO Tianming;LIU Yangwei;TANG Yumeng

作者机构：北京航空航天大学能源与动力工程学院北京100191 北京航空航天大学航空发动机气动热力国家级重点实验室北京100191 

出 版 物：《工程热物理学报》 (Journal of Engineering Thermophysics)

年 卷 期：2023年第44卷第4期

页      面：914-921页

核心收录：

学科分类：08[工学] 080103[工学-流体力学] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 0801[工学-力学（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.51976006,No.52106039,No.51790513) 国家科技重大专项(No.2017-II-003-0015)。 

主　　题：数据降维 人工神经网络 机器学习 叶型优化 压气机 

摘      要：现代压气机性能需求日趋严苛,叶型优化工作至关重要。近年来遗传算法在叶型优化设计中得到诸多应用,但是传统遗传算法耗时过大,为解决这一问题本文提出了一种应用主成分分析与人工神经网络的流场重构方法,以及基于该方法的快速评估叶型性能的遗传算法优化流程。数值结果表明,基于该优化流程的寻优结果预测静压比与CFD计算值的误差低于0.1%,能够有效对叶型性能进行预测;并且该寻优结果与原始叶型相比静压比提升14.7%,效果可观。