摘要：将信息技术的最新成果应用于汽轮机设计、制造和运维等各环节有助于满足新的能源形势下对汽轮机高效、灵活发电的需求。论文提出"智慧汽轮机"的概念,说明其架构、特点以及全寿命周期解决方案,介绍以机器学习和深度学习为代表的人工智能算法在"智慧汽轮机"通流设计、控制策略、故障预测、知识迁移等方面的应用,总结"智慧汽轮机"发展亟待解决的6个关键问题,为发展"智慧汽轮机"提供了思路和具体的示例。

摘要：针对传统超临界二氧化碳(S-CO2)透平设计方法精准度差、设计及优化周期长的问题,基于一元流动理论建立了快速的S-CO2向心透平热力设计方法,结合高精度的三维气动分析方法,提出了一种基于Gauss过程回归的设计-优化方法,利用热力设计以及Gauss过程回归预估透平气动设计的真实效率,并在模拟退火过程中检验设计结果的有效性,通过S-CO2透平的设计及优化算例证明了该方法的高效性。结果表明:透平等熵效率从初始设计方案的83.68%提升至最优设计方案的91.20%,对于传统的气动设计及模拟退火方法需要120次的气动分析,而该方法仅需24次气动分析,大幅缩短了设计-优化时间,具有较高的工程实用价值。

摘要：研究考虑干摩擦效应的整圈阻尼叶片高保真有限元模型振动特性:首先建立透平机械叶盘结构在周期激振力下的多谐波有限元方程,利用固定界面模态综合法降低整圈叶盘结构的有限元方程自由度,并给出求解多谐波平衡法中非线性方程的步骤;最后以某透平叶片的高保真有限元模型作为算例,验证算法的高效性和准确性:采用多谐波平衡法在保证计算精度(最大误差1.36%)的同时大幅降低计算耗时(由12小时降至2小时);进一步分析了阻尼器的干摩擦效应对叶片的非线性振动特性的影响,为叶片阻尼结构的减振设计提供依据。

摘要：工业互联网的快速发展为学术界以及工业界带来了新型研发范式——数据密集型科学发现,融合物理机理以及数据驱动的建模方法是其中的研究热点之一,这种方式可以充分发挥机理仿真可解释性和泛化能力强、数据驱动模型灵活性和可学习的优势,为未来数字孪生系统提供高效、灵活的工具和方法。通过聚焦于工业互联网中构建数字孪生系统的机理+数据融合建模方法,首先阐述了基本数学原理以及建模方法,并对比了机理+数据融合建模与传统数据模型、机理模型的区别;然后从模型选择、物理机理约束以及实际任务需求3个角度详细给出了机理+数据融合建模方法的构造过程,总结了目前学术界的最新研究进展;最后介绍了国内外关于机理+数据融合建模方法在工业设备设计优化、生产制造、运行维护方面的实际落地应用场景。

摘要：汽轮机调节阀门升程与通过阀门的蒸汽流量的对应关系,是调节机组输出功率的主要依据,但汽轮机阀门由于长期受主蒸汽冲刷,受机组通流结构的老化、变形、改造等影响,其实际流量特性曲线在使用过程中容易偏离设计值,从而严重影响机组运行的经济性以及安全性。针对这个问题,提出了一种基于长短期记忆(LSTM)神经网络的阀门升程-功率预测方法,利用调节阀门升程指令直接预测汽轮机机组的输出功率。该方法具有学习速度快、精度高以及自适应的特点,无需人为干预。电厂实际运行数据验证结果显示:对某电厂半年的运行数据进行学习,需要9h,预测430天误差平均值为0.49%。同时训练的神经网络模型较小,可以迁移到电厂现场的小型计算机上进行控制。该方法具有较高的工程实用价值。