一种叶轮机械叶片的三维反设计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110580396A(43)申请公布日2019.12.17(21)申请号201910877651.1(22)申请日2019.09.17(71)申请人上海理工大学地址200093上海市杨浦区军工路516号(72)发明人黄典贵杜雪菲闫若鹏崔致斐王乃安(74)专利代理机构上海邦德专利代理事务所(普通合伙)31312代理人余昌昊(51)Int.Cl.G06F17/50(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书1页说明书4页附图1页(54)发明名称一种叶轮机械叶片的三维反设计方法(57)摘要本发明提出了一种叶轮机械叶片的三维反设计方法，该方法为:对不同三维造型叶片在不同流量下或不同进口参数条件下的流场进行试验或数值模拟，获得其表面压力分布与阻力系数分布或损失系数分布，以此作为深度学习的样本。基于深度学习方法，使用卷积神经网络降低输入参数维数并提取不同的特征值，然后根据特征值建立与输出之间的联系，即构建出叶片几何数据与表面压力系数分布、阻力系数分布或损失系数分布的低维表示。实现了通过叶型的表面压力系数分布、阻力系数分布或损失系数分布预测叶型的几何形状及攻角；通过叶型的表面压力系数分布、阻力系数分布或损失系数分布预测叶片的几何参数。本发明让求解过程程式化，便于工程应用。CN110580396ACN110580396A权利要求书1/1页1.一种叶轮机械叶片的三维反设计方法，其特征在于，该方法为:对不同三维造型叶片在不同流量下或不同进口参数条件下的流场进行试验或数值模拟，获得其表面压力分布与阻力系数分布或损失系数分布，以此作为深度学习的样本。2.根据权利要求1所述的一种叶轮机械叶片的三维反设计方法，其特征在于，所述叶片的三维造型包括沿着叶片高度方向不同的叶型、叶片弯、掠和扭的参数。3.根据权利要求2所述的一种叶轮机械叶片的三维反设计方法，其特征在于，对不同叶型几何曲线及不同攻角下的绕流场进行试验或数值模拟，获得其表面压力分布与阻力系数分布或损失系数分布。4.根据权利要求1所述的一种叶轮机械叶片的三维反设计方法，其特征在于，采用自编码器进行高维数据的低维表示，进行深层神经网络模型搭建。5.根据权利要求1所述的一种叶轮机械叶片的三维反设计方法，其特征在于，目标叶型的几何形状及攻角的获取方法如下：将叶型表面压力分布、阻力系数分布或损失系数分布作为输入层；叶型几何曲线及不同攻角作为输出层；利用卷积层通过共享的小型权重矩阵,来获取数据特征；通过聚合临近数据点的特征来使得在保证预测精度的前提下，降低权值参数来达到降低模型训练时间的目的；由卷积神经网络层层提取到的特征值数据组成，并建立输入与输出的线性回归关系；由目标叶型表面的压力分布及阻力系数分布或损失系数分布，获得目标叶型的几何形状及攻角。6.根据权利要求3所述的一种叶轮机械叶片的三维反设计方法，其特征在于，不同叶型几何曲线及不同攻角下的表面压力分布与阻力系数分布可以通过海量的试验获得，或者通过流场的数值模拟获得。7.根据权利要求1所述的一种叶轮机械叶片的三维反设计方法，其特征在于，目标叶片的几何形状的获取方法如下：将叶片的表面压力分布和阻力系数分布或损失系数分布作为输入层，将三维叶片不同几何形状及其不同流量或不同进出口参数条件作为输出层，其中，三维叶片不同几何形状包括沿叶高的叶型分布规律，叶片的弯曲、扭转、掠的规律；利用卷积层通过共享的小型权重矩阵,来获取数据特征；通过聚合临近数据点的特征来使得在保证预测精度的前提下，降低权值参数来达到降低模型训练时间的目的；由卷积神经网络层层提取到的特征值数据组成，并建立输入与输出的线性回归关系；由目标叶型表面的压力分布及阻力系数分布或损失系数分布，获得目标叶片的几何形状，其中，目标叶片的几何形状包括沿叶高的叶型分布规律，叶片的弯曲、扭转、掠的规律。2CN110580396A说明书1/4页一种叶轮机械叶片的三维反设计方法技术领域[0001]本发明涉及动力机械及工程领域，尤其涉及一种叶轮机械叶片的三维反设计方法。背景技术[0002]叶型的气动设计大致可分为正命题、优化命题、反命题和杂交命题。正命题是通过对已有的叶型进行气动性能试验(含数值试验),根据流场细节,不断修正叶型的型线而最终达到设计所需的目标气动性能；优化命题是通过设定以气动性能为准则的目标函数,基于流体力学的控制方程,对叶型的若干控制参数进行优化；反命题是设定对叶型的气动性能要求,在若干限制条件下寻求满足该要求的物面形状。与反命题方法相比,正命题方法在叶型的设计中得到了更为广泛的应用,但是对于叶型的气动设计而言,由于反命题是根据对叶型气动性能的要求,在若干实际物理条件的制约下,反