基于RBF神经网络的压气机叶片面压力场预测研究

作者：姚明辉^*; 王兴志; 吴启亮; 牛燕

来源：应用数学和力学, 2023, 44(10): 1187-1199.

• 径向基神经网络
• 计算流体动力学
• 压气机叶片流场

航空发动机压气机内部流道气流特性复杂，叶片所处的涡状流场具有高压、高速、旋转和非定常等特点，因此，亟需高效、准确地计算和预测压气机叶片复杂流场的气动特性.该文针对航空发动机叶片复杂流场的研究，通过计算流体动力学(computational fluid dynamics, CFD)方法，生成不同工作状态下的叶片表面气动载荷分布.采用径向基函数(radial based function, RBF)神经网络建立压力面表面气动载荷预测模型，将神经网络建模方法与流场计算相结合，神经网络方法能够对基于CFD的数据集进行学习和训练，适当地弥补来自计算流体动力学的误差，为有效预测航空发动机压气机叶片复杂流场提供了参考渠道.

• 单位
  航天学院; 天津工业大学