机器学习在涡轮机械中的应用进展

作     者：刘浩 李国庆 张深 李昂 张燕峰 卢新根 LIU Hao;LI Guoqing;ZHANG Shen;LI Ang;ZHANG Yanfeng;LU Xingen

作者机构：中国科学院工程热物理所/轻型动力重点实验室北京100190 中国科学院大学航空宇航学院北京100049 轻型动力创新研究院北京100190 

基　　金：国家自然科学基金(No.51976214) 航空发动机及燃气轮机基础科学中心项目(No.P2022-B-II-006-001) 

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      码：938-951页

摘      要：涡轮机械在工业中广泛应用,是实现能源转化利用的重要载体。随着涡轮机械的不断发展,利用数值仿真和实验手段对其性能改进空间有限,难以满足与日俱增的工程需要。近年来,随着人工智能和数据驱动技术的快速发展,机器学习作为其主要分支,备受关注,在诸多领域展现了巨大的应用潜力。将机器学习应用于涡轮机械,对于涡轮机械部件优化设计具有效率高、可泛化等优点,同时使涡轮机械部件寿命预测、健康监测和故障诊断变得更加智能高效,为涡轮机械发展带来了新的契机。综述了机器学习的基本原理以及经典机器学习算法,对机器学习在涡轮机械部件如叶片、轮盘和密封组件的研究进展进行了系统阐述,分析了机器学习在涡轮机械上述领域应用中的问题及发展趋势。

主 题 词：机器学习 涡轮机械 叶片 轮盘 密封 

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

核心收录：

馆 藏 号：203121212...