基于动态XGBoost与MaxLIPO置信域算法的减重涡轮叶型气动优化设计

作     者：张子卿 宋宇宽 王名扬 卢新根 张燕峰 ZHANG Zi-Qing;SONG Yu-Kuan;WANG Ming-Yang;LU Xin-Gen;ZHANG Yan-Feng

作者机构：中国科学院工程热物理研究所/轻型动力重点实验室北京100190 中国科学院大学北京100049 

基　　金：国家自然科学基金资助项目(No.51876202 No.51836008) 

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

年 卷 期：2021年第42卷第11期

页      码：2804-2815页

摘      要：本文首次提出使用机器学习XGBoost算法作为气动性能的回归模型,并使用全局寻优算法MaxLIPO置信域方法在回归模型上进行寻优的气动优化方法。为保证回归模型在最优值附近的准确性,采用动态识别加点法构造动态更新的回归模型,并使用双重收敛准则判断优化流程的收敛。构建优化流程后,对一种新型减重高压涡轮叶型进行优化。结果表明,该优化流程相较传统优化方法能实现气动性能的快速有效寻优,在最优值附近的回归预测精度达到与CFD结果误差极小的水平,并能分析各几何参数对气动性能的影响权重,最终实现了对减重涡轮叶型的有效气动优化设计。

主 题 词：减重涡轮叶片 优化算法 XGBoost 机器学习 B样条 

学科分类：0711[理学-心理学类] 080703[080703] 080704[080704] 08[工学] 0807[工学-电子信息类] 0714[0714] 0701[理学-数学类] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203106400...