現(xiàn)代航空發(fā)動機設(shè)計日益向著高推重比、高效率、高可靠性和低油耗的目標(biāo)發(fā)展,為滿足其發(fā)展需求,壓氣機的葉片也變得更輕薄,軸向長度不斷減小,結(jié)構(gòu)也變得更緊湊,使得發(fā)動機內(nèi)部的上下游相互干涉作用更強烈。航空發(fā)動機中,上下游葉片之間高速的相對旋轉(zhuǎn),使得下游葉片在上游葉柵尾流、激波等周期擾動作用下發(fā)生氣動彈性振動,這是導(dǎo)致葉片發(fā)生疲勞破壞的重要因素之一,嚴(yán)重威脅著發(fā)動機的安全性和可靠性。高性能數(shù)值模擬方法是研究發(fā)動機內(nèi)部尾流激勵下的葉片氣動彈性振動可信度最高的方法,但其計算耗時久、耗費大。隨著神經(jīng)網(wǎng)絡(luò)在氣動彈性領(lǐng)域應(yīng)用的不斷深化,本文建立了基于神經(jīng)網(wǎng)絡(luò)的尾流激勵的葉片氣動力降階模型,為研究上下游干涉作用中的下游葉片氣動彈性振動提供了快速計算方法。本文首先基于BP神經(jīng)網(wǎng)絡(luò)建立了尾流激勵下的葉片氣動力降階模型,利用帶輸入延遲的BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練建模,并對不同振幅的隨機尾流激勵下的葉片氣動力進行預(yù)測,與CFD計算結(jié)果進行對比。分析結(jié)果得出:采用隨機尾流激勵訓(xùn)練得到的帶輸入延遲的BP神經(jīng)網(wǎng)絡(luò)氣動力降階模型,能夠較好地預(yù)測不同振幅的隨機尾流激勵下的葉片氣動力響應(yīng),但模型的預(yù)測能力和泛化能力具有局限性。隨后... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1. 緒論
    1.1 研究目的及意義
    1.2 國內(nèi)外相關(guān)領(lǐng)域的研究現(xiàn)狀
        1.2.1 葉片氣動彈性問題的研究現(xiàn)狀
        1.2.2 降階模型研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容及安排
2. 基于BP神經(jīng)網(wǎng)絡(luò)的尾流激勵葉片氣動力降階模型
    2.1 引言
    2.2 BP神經(jīng)網(wǎng)絡(luò)模型
    2.3 基于BP神經(jīng)網(wǎng)絡(luò)的氣動力降階模型
    2.4 基于BP神經(jīng)網(wǎng)絡(luò)的尾流激勵葉片氣動力降階模型算例分析
    2.5 本章小結(jié)
3. 基于NARX神經(jīng)網(wǎng)絡(luò)的尾流激勵葉片氣動力降階模型
    3.1 引言
    3.2 NARX神經(jīng)網(wǎng)絡(luò)模型
    3.3 基于NARX神經(jīng)網(wǎng)絡(luò)的氣動力降階模型
    3.4 基于NARX神經(jīng)網(wǎng)絡(luò)的氣動力降階模型算例分析
        3.4.1 周期尾流激勵算例
        3.4.2 簡諧尾流激勵算例
    3.5 本章小結(jié)
4. 基于RBF神經(jīng)網(wǎng)絡(luò)的尾流激勵葉片氣動力降階模型
    4.1 引言
    4.2 RBF神經(jīng)網(wǎng)絡(luò)模型
    4.3 帶輸入延遲的RBF神經(jīng)網(wǎng)絡(luò)模型
    4.4 遞歸RBF神經(jīng)網(wǎng)絡(luò)模型
        4.4.1 周期尾流激勵算例
        4.4.2 簡諧尾流激勵算例
    4.5 本章小結(jié)
5. 基于神經(jīng)網(wǎng)絡(luò)的尾流激勵葉片氣動力降階模型比較
    5.1 神經(jīng)網(wǎng)絡(luò)的氣動力降階模型比較
        5.1.1 周期尾流激勵算例
        5.1.2 簡諧尾流激勵算例
    5.2 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文及所取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于諧波平衡法的尾流激勵葉片氣動力降階模型的計算精度研究[J]. 張新燕,羅驍,張珺,原梅妮,李立州.  兵器裝備工程學(xué)報. 2020(04)
[2]基于諧波平衡法的尾流激勵的葉片振動降階模型方法[J]. 羅驍,張新燕,張珺,李立州,楊明磊,原梅妮.  應(yīng)用數(shù)學(xué)和力學(xué). 2018(08)
[3]流速對尾流激勵的葉片氣動力降階模型的影響[J]. 李立州,張新燕,張曙娟,楊明磊,羅驍,原梅妮.  科學(xué)技術(shù)與工程. 2018(18)
[4]尾流激勵的葉片氣動力降階模型[J]. 羅驍,李立州,楊明磊,張珺,原梅妮.  燃氣輪機技術(shù). 2018(02)
[5]尾流激勵的葉片氣動力降階模型[J]. 李立州,楊明磊,張珺,羅驍,原梅妮.  計算力學(xué)學(xué)報. 2018(03)
[6]動靜葉干涉中背壓擾動葉柵氣動力的降階模型[J]. 楊明磊,李立州,張珺,羅驍.  科學(xué)技術(shù)與工程. 2018(10)
[7]一種高泛化能力的神經(jīng)網(wǎng)絡(luò)氣動力降階模型[J]. 尹明朗,寇家慶,張偉偉.  空氣動力學(xué)學(xué)報. 2017(02)
[8]基于神經(jīng)網(wǎng)絡(luò)的非定常氣動力建模研究[J]. 張瑞民,張石玉,趙俊波.  計算機仿真. 2017(02)
[9]基于NARX神經(jīng)網(wǎng)絡(luò)航空發(fā)動機參數(shù)動態(tài)辨識模型[J]. 耿宏,任道先,杜鵬.  計算機工程與應(yīng)用. 2017(12)
[10]基于分層思路的動態(tài)非線性氣動力建模方法[J]. 寇家慶,張偉偉,葉正寅.  航空學(xué)報. 2015(12)

碩士論文
[1]基于降階模型的尾流激勵下的葉片氣動彈性快速分析方法[D]. 羅驍.中北大學(xué) 2019
[2]背勢流激勵葉片的氣動力響應(yīng)降階模型研究[D]. 楊明磊.中北大學(xué) 2018



本文編號：3635219