用于预测多孔介质燃烧器的一维燃烧特性的模型训练方法技术

技术编号:44969295 阅读:30 留言:0更新日期:2025-04-12 01:42
本公开提出一种用于预测多孔介质燃烧器的一维燃烧特性的模型训练方法,其中,方法包括:对多孔介质燃烧器的燃烧过程进行建模,得到燃烧模型;基于燃烧模型进行数值模拟,得到多孔介质燃烧器在工况参数变量的空间分布范围中每个第一采样点处的温度场一维分布;采用目标内插方式,获取多孔介质燃烧器在每个第二采样点处的温度场一维分布,该温度场一维分布符合随工况参数变量的变化规律;将多孔介质燃烧器在各采样点处的温度场一维分布作为训练集,对神经网络模型进行训练,得到用于预测多孔介质燃烧器的一维燃烧特性的目标预测模型。由此,能够更好的逼近目标物理规律,避免在小样本数量条件下偏离物理规律的情况发生,实现更加准确的预测精度。

【技术实现步骤摘要】

本公开涉及燃气轮机,尤其涉及一种用于预测多孔介质燃烧器的一维燃烧特性的模型训练方法


技术介绍

1、目前,多孔介质燃烧技术的主要应用领域集中在常压、低温和低流速环境下。相比之下,燃气轮机燃烧室的工作环境具有高压、高温和高速等特征。由于这种环境的差异,将多孔介质燃烧技术应用于燃气轮机上面临着一系列挑战,例如在高压环境下实现火焰的稳定、抵御高温火焰对燃烧器材料的烧蚀、以及面对高频热冲击等问题。

2、为了满足燃气轮机燃烧器结构设计的快速迭代需求,实现多孔介质燃烧技术在该领域的应用,首要任务是对先验分析设计的燃烧器结构进行数值模拟,以预测燃烧器的燃烧特性,随后,利用迭代优化技术,基于数值模拟结果,调整稳定燃烧的当量比和流速边界,以实现对变热负荷和做功功率宽范围的多元调控。这一过程为后续试验件制备和燃烧器性能试验提供了最佳的设计方案。

3、相关技术,可以通过神经网络模型预测燃烧器的燃烧特性,但是,神经网络模型通常需要大量的训练数据才能有效地学习到模式和规律,尤其是在处理复杂问题或高维数据时。对于小样本点的情况,由于数据量不足,神经网络模型可能本文档来自技高网...

【技术保护点】

1.一种用于预测多孔介质燃烧器的一维燃烧特性的模型训练方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

3.根据权利要求1所述的方法,其特征在于,所述燃烧模型包括用于描述所述燃烧过程中物理行为的控制方程,所述控制方程包括:气象质量守恒方程、气象能量守恒方程和气固传热方程;

4.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:

5.一种多孔介质燃烧器的一维燃烧特性的预测方法,其特征在于,包括:

6.一种用于预测多孔介质燃烧器的一维燃烧特性的模型训练装置,其特征在于,包括...

【技术特征摘要】

1.一种用于预测多孔介质燃烧器的一维燃烧特性的模型训练方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

3.根据权利要求1所述的方法,其特征在于,所述燃烧模型包括用于描述所述燃烧过程中物理行为的控制方程,所述控制方程包括:气象质量守恒方程、气象能量守恒方程和气固传热方程;

4.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:

5.一种多孔介质燃烧器的一维燃烧特性的预测方法,其特征在于,包括:

6.一种用于预测多孔介质燃烧器的一维燃烧特性的模型训...

【专利技术属性】
技术研发人员:倪晨旭张屿刘芮煊段冬霞包炀阳李珊珊
申请(专利权)人:中国联合重型燃气轮机技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1