一种涡轮导叶片一维冷效的智能评估方法技术

一种涡轮导叶片一维冷效的智能评估方法，涉及航空发动机领域，解决双层壁涡轮导叶片外表面上的热分析问题，本发明专利技术使用神经网络建立几何参数与一维冷效预测参数的联系，使用大量数据训练神经网络，使用神经网络对叶片外表面冷却效果进行预测，首先依据设计经验提取出了凝练的冷却结构几何参数。将其作为神经网络的输入参数，与结构计算出的温度场信息相对应。在确定输入神经网络的几何参数后，对参数的取值进行选择，并建立各个取值方案所对应的叶片几何模型。对几何模型进行ANSYS数值模拟，得到各个模型对应的温度场。提取若干条线平均温度，将其作为神经网络的输出。本发明专利技术使用训练好的神经网络对新的几何参数进行一维冷效预测仅需几秒钟。

【技术实现步骤摘要】
一种涡轮导叶片一维冷效的智能评估方法
本专利技术涉及航空发动机领域，具体涉及一种涡轮导叶片一维冷效的智能评估方法。
技术介绍
在航空发动机设计过程中，提高涡轮进口燃气温度是改善航空发动机性能的重要途径。相同发动机尺寸下，涡轮进口燃气温度每提高55℃，推力就能提高10％左右。目前，世界先进军用航空发动机涡轮进口燃气温度可以达到1970K，这样的温度是叶片材料无法承受的。且涡轮进口燃气温度的增长速度远远高于材料耐温程度的增长速度。因此，我们需要设计先进的冷却结构，来适应不断提高的涡轮前温度。目前的涡轮叶片冷却结构设计体系严重依赖反复的三维建模计算评估，繁琐费时。因而如何简化仿真计算过程、缩短冷效评估耗费的时间，将是新一代设计方法亟需解决的问题。同时，近年来人工智能(AI)技术发展迅猛，在航空发动机领域的应用也逐渐深入，因此本专利技术将通过结合AI技术来评估双层壁导叶复杂冷却结构，以提高设计效率。在可用于神经网络训练的基础数据集基础上，通过使用TensorFlow平台搭建适应的人工神经网络模型，将不同冷却结构的几何结构参数作为神经网络本文档来自技高网...

【技术保护点】
1.一种涡轮导叶一维冷效的智能评估方法，其特征是：该方法由以下步骤实现：/n步骤一、提取作为神经网络输入的涡轮导叶片冷却结构的各几何参数；/n步骤二、选择步骤一所述的各几何参数的取值范围，建立各个取值范围所对应的叶片几何模型；/n步骤三、将步骤二所述的对应的叶片几何模型进行ANSYS数值模拟，获得各个模型对应的温度场，并提取各个模型中每条线的线平均温度数据，将所述各个模型中每条线的线平均温度数据作为神经网络的输出；/n步骤四、选择训练集和测试集对神经网络进行训练和测试，所述测试集用于评估神经网络输出的线平均温度；/n所述训练集和测试集均为步骤一所述的神经网络输入的各几何参数和步骤三中神经网络输...

【技术特征摘要】
1.一种涡轮导叶一维冷效的智能评估方法，其特征是：该方法由以下步骤实现：
步骤一、提取作为神经网络输入的涡轮导叶片冷却结构的各几何参数；
步骤二、选择步骤一所述的各几何参数的取值范围，建立各个取值范围所对应的叶片几何模型；
步骤三、将步骤二所述的对应的叶片几何模型进行ANSYS数值模拟，获得各个模型对应的温度场，并提取各个模型中每条线的线平均温度数据，将所述各个模型中每条线的线平均温度数据作为神经网络的输出；
步骤四、选择训练集和测试集对神经网络进行训练和测试，所述...

【专利技术属性】
技术研发人员：陶智，姚广宇，朱剑琴，邱璐，解广源，王燕嘉，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11