基于深度学习的单排孔气膜冷却性能预测

作     者：李左飙 温风波 唐晓雷 苏良俊 王松涛 LI Zuobiao;WEN Fengbo;TANG Xiaolei;SU Liangjun;WANG Songtao

作者机构：哈尔滨工业大学能源科学与工程学院哈尔滨150001 

基　　金：国家科技重大专项(2017-I-0005-0006) 

出 版 物：《航空学报》 (Acta Aeronautica et Astronautica Sinica)

年 卷 期：2021年第42卷第4期

页      码：307-318页

摘      要：气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学(CFD)筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型(MLP)的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明:深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。

主 题 词：气膜冷却 绝热气膜冷却效率 计算流体力学(CFD) 神经网络 深度学习 多层感知器(MLP) 预测 

学科分类：082502[082502] 08[工学] 0825[工学-环境科学与工程类] 

核心收录：

D　O　I：10.7527/S10OO-6893.2020.24331

馆 藏 号：203102983...