科研之友
微信
新浪微博
Facebook
分享链接
摘要
在压气机运转的实际流动过程中，由于叶片尾迹存在而导致的流量堵塞情况不可忽视。引入非稳态流量系数这一概念，并提出应用RF-GRNN(随机森林-广义回归神经网络)复合代理模型对因尾迹导致的下游流量堵塞情况以及转静叶排间流量进行预测的方法。通过Sobol′敏感性分析法对第一级转子叶片几何参数及转静叶排轴向间距进行了敏感性分析并筛选出敏感参数，采用拉丁超立方抽样法建立起压气机模型数据库。对数据库进行一系列非定常全周数值模拟，并计算得出样本对应的非稳态流量系数。为了实现模型的小样本、高性能预测，引入随机森林(Random Forest)回归算法进行误差校正，训练适用于小样本数据的RF-GRNN复合模型并进行流量预测。结果表明，相比于传统GRNN模型，RF-GRNN复合模型的预测精度获得了显著提升。此复合模型可根据第一级转子叶片最大相对厚度及转静叶排轴向间距两个几何参数来预测下游的流量堵塞情况及转静叶排间流量，在小样本的前提下达到了较高的预测精度，有助于实际工程应用与叶片设计。
-
单位复旦大学; 中国航发商用航空发动机有限责任公司
