【技术实现步骤摘要】
本专利技术属于工程热物理，具体涉及一种基于深度学习的典型涡轮叶片表面颗粒沉积速率快速预估方法。
技术介绍
1、航空发动机实际工作时容易吸入颗粒物，如沙粒、粉尘、灰烬与杂质等，而吸入过多的颗粒物会直接影响发动机性能及寿命。发动机燃烧室温度远远高于颗粒物的熔点，颗粒流经燃烧室后将成为液态或熔融态，之后撞击涡轮叶片表面，进而发生粘连、弹跳、散射、飞溅等随机现象。颗粒沉积于涡轮叶片表面，易堵塞气膜孔等冷却通道，导致冷却结构失效，进而使涡轮叶片超温甚至烧毁。因此开展涡轮叶片表面颗粒沉积速率的预估具有重大意义。然而，不同的服役环境和工况会对颗粒状态和轨迹等产生影响，进而改变颗粒在叶片表面的沉积量。因此，针对涡轮叶片表面颗粒沉积预测问题，发展一个适用于多工况的高效、高精度涡轮叶片表面颗粒沉积预测方法将是急需解决的问题。
2、现阶段对于叶片表面颗粒沉积预测方法，学者们进行多个方面的探索。dring等通过对叶栅中颗粒轨迹的性质进行分析研究，以预测涡轮叶栅中颗粒的撞击位置、速度和角度，结果表明，对于任意给定的无粘流动，确定粒子的运动轨迹的最重要...
【技术保护点】
1.一种基于CNN的典型涡轮叶片表面颗粒沉积速率快速预估方法，其特征在于，包括：
2.根据权利要求1所述基于深度学习的典型涡轮叶片表面颗粒沉积速率快速预估方法，其特征在于，所述步骤1中获取颗粒沉积速率数据集的步骤包括：
3.根据权利要求2所述基于深度学习的典型涡轮叶片表面颗粒沉积速率快速预估方法，其特征在于，所述基于EI-Batsh的临界速度模型为：
4.根据权利要求1所述基于深度学习的典型涡轮叶片表面颗粒沉积速率快速预估方法，其特征在于，所述步骤2中训练集、测试集以及验证集的比值为3:1:1。
5.根据权利要求1所述基...
【技术特征摘要】
1.一种基于cnn的典型涡轮叶片表面颗粒沉积速率快速预估方法，其特征在于，包括：
2.根据权利要求1所述基于深度学习的典型涡轮叶片表面颗粒沉积速率快速预估方法，其特征在于，所述步骤1中获取颗粒沉积速率数据集的步骤包括：
3.根据权利要求2所述基于深度学习的典型涡轮叶片表面颗粒沉积速率快速预估方法，其特征在于，所述基于ei-batsh的临界速度模型为：
4.根据权利要求1所述基于深度学习的典型涡轮叶片表面颗粒沉积速率快速预估方法，其特征在...
【专利技术属性】
技术研发人员：张茜，王飞龙，毛军逵，曾嘉慰，王玉彬，史嘉，王于群，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。