一种基于数据驱动的压气机叶片鲁棒性设计方法技术

本发明专利技术涉及一种基于数据驱动的压气机叶片的鲁棒性设计优化方法，采用中弧线叠加厚度分布的方式来构造叶片，使用NURBS曲线对叶片中弧线进行参数化。使用4点3阶的数据驱动的非嵌入式多项式混沌方法对稀疏的采样数据进行不确定性量化，并得到4个叶片配置模态。采用拉丁超立方方法对叶片设计空间进行采样，在每个叶片配置模态下利用采样集合来训练高斯过程回归模型；分别得到每个叶片配置模态处的GPR代理模型。训练结束后，采用多目标优化算法NSGA II，以叶片总压损失系数的统计均值和标准差为目标进行优化搜索；由此获得性能更优且对输入不确定性的敏感性大大降低的鲁棒性压气机叶片。气机叶片。气机叶片。

【技术实现步骤摘要】
一种基于数据驱动的压气机叶片鲁棒性设计方法


[0001]本专利技术涉及一种压气机叶片优化设计方法，具体涉及一种能够基于数据驱动手段量化稀疏不确定性输入影响的叶片鲁棒性优化设计方法。

技术介绍

[0002]先进的压气机叶片不仅要求高性能，而且要求在不确定因素的影响下具备高可靠性。不确定因素是不可避免的，会导致叶片的几何型线或者工况点与初始设计发生偏离，对气动性能有着不可忽视的影响。叶片鲁棒性优化设计能够消除不确定因素带来的负面影响，可同时提高气动性能和可靠性。
[0003]鲁棒性优化设计的核心是不确定性量化技术。不确定量化的可靠性依赖于模型输入参数的分布形式。在实际工程中，不确定输入数据通常是稀疏的，无法准确地描述输入参数的分布形式。目前优化过程中均是对输入参数的分布形式进行主观假设，这会导致量化结果产生较大误差。通过基于数据驱动的不确定量化方法，无需输入参数的分布形式，而是通过采样数据的统计矩特征来传播概率信息，可以避免主观性假设和拟合误差。
[0004]对于鲁棒性优化，直接采用CFD模拟会面临计算量过大的困境。训练高精度的代理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的压气机叶片鲁棒性设计方法，其特征在于步骤如下：步骤1：采用NURBS曲线对叶片中弧线进行参数化；将叶片厚度分布叠加到中弧线上来构造叶片；步骤2：采用p阶DNIPC方法量化带有稀疏特征的不确定性输入参数对压气机叶片气动性能的影响，得到气动参数的统计均值与标准差；步骤3：采用拉丁超立方方法对叶片设计空间进行采样，然后在步骤2中的每个叶片配置模态条件下进行CFD数值模拟；在每个叶片模态下，训练GPR代理模型；步骤4：将步骤3中训练后的GPR模型来替代CFD数值模拟；步骤5：确定压气机叶片气动性能目标函数，采用NSGA II遗传算法进行多...

【专利技术属性】
技术研发人员：高丽敏，王浩浩，杨光，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：