發(fā)布時(shí)間：2025-02-05 15:40

　　 隨著大數(shù)據(jù)時(shí)代的到來和人工智能的發(fā)展,氣動優(yōu)化領(lǐng)域進(jìn)行了很多有益的嘗試與探索。傳統(tǒng)葉輪機(jī)械葉型優(yōu)化有著耗時(shí)長,葉型參數(shù)化復(fù)雜,計(jì)算成本高等缺點(diǎn)。本文采用機(jī)器學(xué)習(xí)中的SVM(支持向量機(jī))方法,基于離心壓氣機(jī)數(shù)據(jù)庫,構(gòu)建葉型參數(shù)與目標(biāo)函數(shù)值之間的非線性模型,取代了繁瑣的CFD計(jì)算。之后,利用遺傳算法進(jìn)行全局尋優(yōu),得出最優(yōu)的葉型參數(shù)組合。與傳統(tǒng)優(yōu)化方法D3D比較,此方法優(yōu)化時(shí)間大幅減少,優(yōu)化葉型變化趨勢與D3D接近,優(yōu)化結(jié)果經(jīng)過Numeca數(shù)值驗(yàn)證,峰值效率比D3D提高了0.2%,表明了機(jī)器學(xué)習(xí)優(yōu)化具有較高的可靠性。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖３網(wǎng)格ＴＴ；意圖??Ｆｉｇ．?３?Ｃｏｍｐｕｔａｔｉｏｎ?ｇｒｉｄ??２優(yōu)化方法??２．１傳統(tǒng)優(yōu)化算法??傳統(tǒng)方法將采用Ｎｕｍｅｃａ平臺下的Ｄｅｇｉｓｎ??３Ｄ（Ｄ３Ｄ）模塊進(jìn)行優(yōu)化

０．７０??０．８０??０．８５?０．９０?０．９５??ｃｈｏｋｅｄ?ｍ／Ｍ??圖２網(wǎng)格無關(guān)性校驗(yàn)??Ｆｉｇ．?２?Ｇｒｉｄ?ｉｎｄｅｐｅｎｄｅｎｃｅ??１．００??１．０５??圖３網(wǎng)格ＴＴ；意圖??Ｆｉｇ．?３?Ｃｏｍｐｕｔａｔｉｏｎ?ｇｒｉｄ??２優(yōu)化方法??２．１傳統(tǒng)優(yōu)化算....

圖６參數(shù)數(shù)量與ｉｉ２值關(guān)系??Ｆｉｇ．?６?Ｉｎｔｅｒａｃｔｉｏｎ?ｂｅｔｗｅｅｎ?ｔｈｅ?ｎｕｍｂｅｒ?ｏｆ?ｐａｒａｍｅｔｅｒ?ａｎｄ?Ｒ２??

２７３８??工程熱物理學(xué)報(bào)??４１卷??０．８６０??０．８５５??－０．２??１?１?１—??０?５?１０?１５?２０?２５?３０?３５?４０??Ｎｕｍｂｅｒ?ｏｆ?ｆｅａｔｕｒｅｓ??圖６參數(shù)數(shù)量與ｉｉ２值關(guān)系??Ｆｉｇ．?６?Ｉｎｔｅｒａｃｔｉｏｎ?ｂｅｔｗｅｅｎ?ｔｈｅ?....

圖８模型測試結(jié)果??８?Ｒｅｓｕｌｔｓ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚａｔｉｏｎ??

相關(guān)，所以在進(jìn)行??模型調(diào)優(yōu)之前，應(yīng)對數(shù)據(jù)庫的構(gòu)成進(jìn)行調(diào)整�；�??上文所驗(yàn)證的４１個(gè)葉型參數(shù)的重要性分析，每次減??少一個(gè)最不相關(guān)的特征參數(shù)，以回歸系數(shù)ｉ？２作為??模型性能指標(biāo)，討論參數(shù)個(gè)數(shù)對模型準(zhǔn)確性的影響。??結(jié)果如圖６所亦。??從圖６中可以看出，當(dāng)全局考慮４１個(gè)參數(shù)時(shí)，....

圖１０設(shè)計(jì)轉(zhuǎn)速下特性曲線圖??Ｆｉｇ．?１０?Ｐｅｒｆｏｒｍａｎｃｅ?ｃｕｒｖｅｓ?ａｔ?ｄｅｓｉｇｎ?ｓｐｅｅｄ??

１１期??程鴻亮等：機(jī)器學(xué)習(xí)在高壓比離心葉輪優(yōu)化設(shè)計(jì)中的應(yīng)用研究??２７３９??化與機(jī)器學(xué)習(xí)優(yōu)化所得效率差值為０．２％，可以認(rèn)為??機(jī)器學(xué)習(xí)優(yōu)化方法的尋優(yōu)能力更強(qiáng)，更接近最優(yōu)解。??同時(shí)Ｄ３Ｄ優(yōu)化中的每一步迭代都需要進(jìn)行ＣＦＤ計(jì)??算，而在機(jī)器學(xué)習(xí)優(yōu)化中，每一代迭代的結(jié)果都由??....

本文編號：4030069