本發(fā)明屬于航空發(fā)動機渦輪葉片冷卻設(shè)計，尤其涉及一種基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法。

背景技術(shù)：

1、在目前航空發(fā)動機渦輪葉片冷卻設(shè)計過程中，主要依靠人工經(jīng)驗直接給定初始冷卻結(jié)構(gòu)參數(shù)，進而采用迭代尋優(yōu)算法對冷卻結(jié)構(gòu)參數(shù)進行優(yōu)化，使其達到設(shè)計指標(biāo)。

2、面對未來更加先進的航空發(fā)動機，渦輪葉片的工況條件更加惡劣，設(shè)計指標(biāo)更加苛刻，結(jié)構(gòu)布局更加精細(xì)，目前“經(jīng)驗式”初始設(shè)計方法極大可能會嚴(yán)重偏離可行設(shè)計區(qū)，增加后續(xù)“迭代式”優(yōu)化的時間和難度，并且每次設(shè)計活動均相互獨立，導(dǎo)致歷史設(shè)計結(jié)果和數(shù)據(jù)無法復(fù)用。因此，為了提升我國航空發(fā)動機渦輪葉片冷卻設(shè)計效率和設(shè)計能力，亟需發(fā)展一種高效的并且可以持續(xù)進化的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法。

技術(shù)實現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出了一種基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，以解決上述現(xiàn)有技術(shù)存在的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，包括：

3、基于數(shù)值仿真方法構(gòu)建不同工況條件和結(jié)構(gòu)參數(shù)對應(yīng)的渦輪葉片冷卻設(shè)計指標(biāo)的訓(xùn)練數(shù)據(jù)集；

4、基于神經(jīng)網(wǎng)絡(luò)架構(gòu)構(gòu)建多個解碼器模型，通過所述訓(xùn)練數(shù)據(jù)集對所述多個解碼器模型進行訓(xùn)練，生成訓(xùn)練后的多個解碼器模型；

5、基于神經(jīng)網(wǎng)絡(luò)架構(gòu)構(gòu)建編碼器模型，通過所述訓(xùn)練數(shù)據(jù)集對所述編碼器模型進行訓(xùn)練，生成訓(xùn)練后的編碼器模型；

6、將所述訓(xùn)練后的編碼器模型的輸出與所述訓(xùn)練后的多個解碼器模型的輸入連接，生成渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦模型；

7、基于所述渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦模型生成當(dāng)前工況條件下設(shè)計目標(biāo)的冷卻結(jié)構(gòu)參數(shù)。

8、優(yōu)選地，所述工況條件包括但不限于：主流雷諾數(shù)、湍流度、密度比、吹風(fēng)比和葉片內(nèi)外壓差；

9、所述結(jié)構(gòu)參數(shù)包括但不限于：沖擊孔直徑、氣膜孔直徑、氣膜孔入射角、長徑比、孔間距和排間距。

10、優(yōu)選地，所述基于神經(jīng)網(wǎng)絡(luò)架構(gòu)構(gòu)建多個解碼器模型的過程包括：基于神經(jīng)網(wǎng)絡(luò)架構(gòu)構(gòu)建從工況條件和結(jié)構(gòu)參數(shù)到冷氣流量、葉片綜合冷效設(shè)計指標(biāo)的多個解碼器模型。

11、優(yōu)選地，所述解碼器模型的表達式為：

12、y＝g(x)＝g(re,tu,dr,m,δp,di,df,α,l/df,p/df,s/df,...)；

13、其中，re為主流雷諾數(shù)，re為主流雷諾數(shù)、tu為湍流度、dr為密度比、m為吹風(fēng)比、δp為葉片內(nèi)外壓差；di為沖擊孔直徑、df為氣膜孔直徑、α為氣膜孔入射角、l/df為長徑比、p/df為孔間距、s/df為排間距，g(x)為構(gòu)建的解碼器模型，y為設(shè)計指標(biāo)。

14、優(yōu)選地，所述編碼器的工況條件和結(jié)構(gòu)參數(shù)到冷氣流量、葉片綜合冷效設(shè)計指標(biāo)與所述解碼器相同。

15、優(yōu)選地，所述編碼器的損失函數(shù)的表達式為：

16、

17、其中，yr為解碼器輸出的冷氣流量、葉片綜合冷效等性能，y為設(shè)計指標(biāo)，k表示輸入數(shù)據(jù)的維度。

18、優(yōu)選地，將所述訓(xùn)練后的編碼器模型的輸出與所述訓(xùn)練后的多個解碼器模型的輸入連接的過程包括：

19、將所述訓(xùn)練后的編碼器輸出作為樞紐并聯(lián)多個解碼器模型，并通過損失函數(shù)關(guān)聯(lián)多個設(shè)計目標(biāo)的訓(xùn)練方法，形成多設(shè)計目標(biāo)協(xié)同推薦統(tǒng)一范式。

20、優(yōu)選地，所述多設(shè)計目標(biāo)協(xié)同推薦統(tǒng)一范式為：

21、

22、其中，k為解碼器總個數(shù)，ni為第i個解碼器中設(shè)計指標(biāo)的維度，為第i個解碼器中所有維度的設(shè)計指標(biāo)預(yù)測值的張量格式，yi為第i個解碼器中所有維度的設(shè)計指標(biāo)目標(biāo)值的張量格式。為第i個解碼器中第j個維度的設(shè)計指標(biāo)預(yù)測值，yij為第i個解碼器中第j個維度的設(shè)計指標(biāo)目標(biāo)值。

23、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和技術(shù)效果：

24、本發(fā)明針對渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦問題創(chuàng)新地提出的編碼器-解碼器分離訓(xùn)練的、具有物理意義的生成式人工智能模型；

25、本發(fā)明針對渦輪葉片多設(shè)計目標(biāo)協(xié)同推薦問題創(chuàng)新地提出的一個編碼器鏈接多個解碼器的模型架構(gòu)和通過損失函數(shù)關(guān)聯(lián)多個設(shè)計目標(biāo)的訓(xùn)練方法。

技術(shù)特征：

1.一種基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，其特征在于，所述工況條件包括但不限于：主流雷諾數(shù)、湍流度、密度比、吹風(fēng)比和葉片內(nèi)外壓差；

3.根據(jù)權(quán)利要求1所述的基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，其特征在于，所述基于神經(jīng)網(wǎng)絡(luò)架構(gòu)構(gòu)建多個解碼器模型的過程包括：基于神經(jīng)網(wǎng)絡(luò)架構(gòu)構(gòu)建從工況條件和結(jié)構(gòu)參數(shù)到冷氣流量、葉片綜合冷效設(shè)計指標(biāo)的多個解碼器模型。

4.根據(jù)權(quán)利要求1所述的基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，其特征在于，所述解碼器模型的表達式為：

5.根據(jù)權(quán)利要求1所述的基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，其特征在于，所述編碼器的工況條件和結(jié)構(gòu)參數(shù)到冷氣流量、葉片綜合冷效設(shè)計指標(biāo)與所述解碼器相同。

6.根據(jù)權(quán)利要求1所述的基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，其特征在于，所述編碼器的損失函數(shù)的表達式為：

7.根據(jù)權(quán)利要求1所述的基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，其特征在于，將所述訓(xùn)練后的編碼器模型的輸出與所述訓(xùn)練后的多個解碼器模型的輸入連接的過程包括：

8.根據(jù)權(quán)利要求7所述的基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，其特征在于，所述多設(shè)計目標(biāo)協(xié)同推薦統(tǒng)一范式為：

技術(shù)總結(jié)
本發(fā)明公開了一種基于生成式模型的渦輪葉片冷卻結(jié)構(gòu)參數(shù)推薦方法，屬于航空發(fā)動機渦輪葉片冷卻設(shè)計技術(shù)領(lǐng)域，包括：可通過分離訓(xùn)練生成式模型中的解碼器和編碼器兩部分，實現(xiàn)編碼器生成的特征參數(shù)屬于冷卻結(jié)構(gòu)參數(shù)空間，保證生成參數(shù)的物理意義；可通過一個編碼器鏈接多個解碼器的創(chuàng)新模型架構(gòu)和通過損失函數(shù)關(guān)聯(lián)多個設(shè)計目標(biāo)的訓(xùn)練方法，實現(xiàn)多設(shè)計目標(biāo)協(xié)同推薦。本申請通過生成式模型實現(xiàn)不同工況條件下針對給定設(shè)計指標(biāo)的冷卻結(jié)構(gòu)參數(shù)直接輸出，達到提高渦輪葉片冷卻設(shè)計效率的目的；并且通過將每次設(shè)計活動中的數(shù)據(jù)納入訓(xùn)練數(shù)據(jù)集，達到持續(xù)提升模型推薦能力的目的。

技術(shù)研發(fā)人員：李地科,陶凱航,邱璐,朱劍琴,陶智
受保護的技術(shù)使用者：天目山實驗室
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9