[發(fā)明專利]計(jì)算葉輪機(jī)械葉片的損失系數(shù)的模型訓(xùn)練方法及計(jì)算方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110867482.0
• 申請(qǐng)日: 2021-07-29
• 公開（公告）號(hào): CN113468824A
• 公開（公告）日: 2021-10-01
• 發(fā)明（設(shè)計(jì)）人: 高增珣
• 申請(qǐng)（專利權(quán)）人: 北京全四維動(dòng)力科技有限公司
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06F30/28;G06N3/08;G06F111/10;G06F113/08;G06F119/14
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 孫蕾

本公開提供一種計(jì)算葉輪機(jī)械葉片的損失系數(shù)的模型訓(xùn)練方法，包括：獲取用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集，其中，所述訓(xùn)練數(shù)據(jù)集包括多條樣本，每條所述樣本包括葉輪機(jī)械葉片的幾何參數(shù)和/或氣動(dòng)熱力參數(shù)，以及所述葉輪機(jī)械葉片的損失系數(shù)，其中，所述葉輪機(jī)械葉片的損失系數(shù)作為樣本標(biāo)簽；利用所述訓(xùn)練數(shù)據(jù)集中的樣本對(duì)未經(jīng)訓(xùn)練的多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練完成的多層神經(jīng)網(wǎng)絡(luò)模型。根據(jù)本公開另一方面，還提供一種利用上述中任一項(xiàng)所述的模型計(jì)算損失系數(shù)的方法。

技術(shù)領(lǐng)域

本公開涉及葉輪機(jī)械葉片技術(shù)領(lǐng)域，尤其涉及一種計(jì)算葉輪機(jī)械葉片的損失系數(shù)的模型訓(xùn)練方法及計(jì)算方法。

背景技術(shù)

在葉輪機(jī)械葉片中，工質(zhì)的實(shí)際流動(dòng)過程是有損失的，損失系數(shù)指實(shí)際流動(dòng)終態(tài)能量與理想流動(dòng)終態(tài)能量之差值與理想流動(dòng)能量的比值，用以量化流動(dòng)損失的歷史影響。然而真實(shí)的葉片損失系數(shù)需要通過流動(dòng)實(shí)驗(yàn)或獲取流體力學(xué)全三維數(shù)值模擬得到，在方案初始階段并不具備準(zhǔn)確獲取的條件。對(duì)此，常規(guī)處理辦法是基于一定數(shù)量的葉片流動(dòng)實(shí)驗(yàn)結(jié)果，構(gòu)造損失系數(shù)曲線或經(jīng)驗(yàn)/半經(jīng)驗(yàn)公式。隨著葉輪機(jī)械葉片設(shè)計(jì)方法和理念的不斷發(fā)展，基于早期特定葉片的流動(dòng)實(shí)驗(yàn)所得到的傳統(tǒng)損失系數(shù)曲線和經(jīng)驗(yàn)/半經(jīng)驗(yàn)公式，其準(zhǔn)確性已難以適應(yīng)當(dāng)前設(shè)計(jì)的需要。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

基于上述問題，本公開提供了一種計(jì)算葉輪機(jī)械葉片的損失系數(shù)的模型訓(xùn)練方法及計(jì)算方法，以緩解現(xiàn)有技術(shù)中損失系數(shù)獲取不準(zhǔn)確等技術(shù)問題。

(二)技術(shù)方案

本公開提供了一種計(jì)算葉輪機(jī)械葉片的損失系數(shù)的模型訓(xùn)練方法，包括：

獲取用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集，其中，所述訓(xùn)練數(shù)據(jù)集包括多條樣本，每條所述樣本包括葉輪機(jī)械葉片的幾何參數(shù)和/或氣動(dòng)熱力參數(shù)，以及所述葉輪機(jī)械葉片的損失系數(shù)，其中，所述葉輪機(jī)械葉片的損失系數(shù)作為樣本標(biāo)簽；

利用所述訓(xùn)練數(shù)據(jù)集中的樣本對(duì)未經(jīng)訓(xùn)練的多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練完成的多層神經(jīng)網(wǎng)絡(luò)模型。

在本公開實(shí)施例中，所述幾何參數(shù)包括葉片節(jié)距、葉片弦長(zhǎng)、葉片尾緣厚度、葉片幾何進(jìn)口角、氣道高度、氣道喉寬中一種或其組合。

在本公開實(shí)施例中，所述氣動(dòng)熱力參數(shù)包括雷諾數(shù)、出口馬赫數(shù)、氣流折轉(zhuǎn)角、氣流進(jìn)口攻角中一種或其組合。

在本公開實(shí)施例中，所述每條所述樣本均進(jìn)行標(biāo)準(zhǔn)化處理，進(jìn)而消除所述樣本數(shù)值量級(jí)差異對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程的影響，所述標(biāo)準(zhǔn)化處理包括：

獲得所述樣本的均值和標(biāo)準(zhǔn)差；

在所述樣本減去所述均值后再除以所述標(biāo)準(zhǔn)差。

在本公開實(shí)施例中，所述多層神經(jīng)網(wǎng)絡(luò)包括：

輸入層，神經(jīng)元數(shù)量與所述輸入變量個(gè)數(shù)一致；

隱藏層，是標(biāo)準(zhǔn)神經(jīng)元層或卷積神經(jīng)網(wǎng)絡(luò)層，所述隱藏層的數(shù)量不少于一層，且各所述隱藏層的神經(jīng)元數(shù)量不少于所述輸入變量個(gè)數(shù)；

輸出層，神經(jīng)元數(shù)量與所述輸出變量個(gè)數(shù)一致。

在本公開實(shí)施例中，所述對(duì)所述多層神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：

所述多層神經(jīng)網(wǎng)絡(luò)中神經(jīng)元的激活函數(shù)采用Sigmoid函數(shù)或Tanh函數(shù)；

通過高斯分布對(duì)所有神經(jīng)元的權(quán)重和偏置進(jìn)行隨機(jī)初始化。

在本公開實(shí)施例中，所述對(duì)所述多層神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練還包括：

通過所述神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集多次對(duì)所述多層神經(jīng)網(wǎng)絡(luò)進(jìn)行多次訓(xùn)練，進(jìn)而消除所述權(quán)重和偏置隨機(jī)初識(shí)化產(chǎn)生的離散性。

在本公開實(shí)施例中，所述對(duì)所述多層神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練還包括：