[發明專利]渦輪冷卻葉片設計空間降維方法

在審

• 申請號: 202210930792.7
• 申請日: 2022-08-03
• 公開（公告）號: CN116467925A
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 胡凱斌;李震;方宣韜;琚亞平;張楚華
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/16;G06F18/214;G06F119/02
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 覃婧嬋

本發明公開了一種渦輪冷卻葉片設計空間降維方法，方法中，通過Nsubgt;1/subgt;個貝塞爾曲線的控制點描述渦輪冷卻葉片的幾何形狀；通過對Nsubgt;1/subgt;個所述控制點進行拉丁超立方體采樣獲得具有q個葉型的數據庫，所述數據庫通過本征正交分解降維獲取一組正交基模態以描述葉型的幾何變化；對所述主要基模態依據基于代理模型優化中初始樣本進行建模，采用集成代理模型對每個設計目標進行建模；對每個所述設計目標執行方差分析；移除與目標無關的設計變量；去除相應設計變量后，采用集成代理模型對每個設計目標基于已有設計變量進行建模；如相關系數不提高或者降低，認為變量去除無效，統計得到的變量作為最終設計變量。

技術領域

本發明屬于渦輪冷卻葉片設計技術領域，特別是一種渦輪冷卻葉片設計空間降維方法。

背景技術

由于現代燃氣輪機渦輪冷卻葉片結構復雜，設計變量數量龐雜，針對渦輪的設計優化是典型的高維、大計算量和黑箱(HEB，high-dimensional，expensive?and?black?box)設計優化問題。在優化設計中采用降維技術以降低設計空間的維度，是求解上述HEB問題的有效途徑。目前，面向HEB優化問題的降維技術主要有以下兩種類型，一是基于無監督學習的方法捕獲形狀的主要模態，二是基于監督學習方法從一系列設計變量篩選出對設計目標有影響的設計變量。前者可避免設計空間降維過程中額外產生計算成本，設計者可以根據設計空間的期望幾何方差與優化可接受計算成本之間的權衡定義設計空間維數，但該方法僅適用于二維葉型設計變量的降維，無法對渦輪葉片冷卻系統設計變量進行降維。后者從理論上可克服前者僅適用于葉型降維的局限，但在實際使用中仍存在較多不足。例如，局部敏感性分析方法雖然可以選擇與設計目標最為相關的設計變量，但因未能考慮設計變量間的相關性，不適用高度非線性問題；而全局靈敏度分析方法雖然可以考慮設計變量間的相關性，但需足夠的數值模擬來計算每個變量的主要影響和相互作用影響，會導致高昂的計算成本。

在背景技術部分中公開的上述信息僅僅用于增強對本發明背景的理解，因此可能包含不構成本領域普通技術人員公知的現有技術的信息。

發明內容

針對現有技術中存在的問題，本發明提出一種渦輪冷卻葉片設計空間降維方法，本發明的目的是通過以下技術方案予以實現，一種渦輪冷卻葉片設計空間降維方法，其包括以下步驟，

步驟一：確定渦輪冷卻葉片的全部設計變量，其包括：渦輪葉片的冷卻系統變量和葉片外形相關變量，其中，

渦輪葉片的冷卻系統變量由冷卻單元類型決定，以得到N₁個變量控制冷卻系統；

對于葉片外形相關變量，由能夠描述葉片幾何形狀方法決定，以得到N₂個變量控制葉片幾何形狀的變化，并將葉型離散為N₃個點；

由此，全部設計變量表示為D₁，D₁的設計變量個數記為N₄，其中N₄＝N₁+N₂；

步驟二：按照第一采樣方法，對N₂個變量進行采樣，以獲得q個不同種類的葉片外形；并建立含q個葉型的矩陣，其中，

矩陣的每一行表示每一個葉型的N₃個離散點，矩陣不同行表示不同的樣本所代表的葉型；

第一采樣方法指的是能夠在高維設計空間內生成均勻分布的樣本的采樣方法；

步驟三：對所述含q個葉型的矩陣，通過無監督降維獲取q個正交基模態以描述葉型的幾何變化；